31
BAB IV IMPLEMENTASI DAN ANALISIS HASIL
Pada bab ini akan menjelaskan hasil implementasi dari ekstraksi ciri dengan metode GLCM, pengujian KNN dengan nilai k sebesar 3, 5, 7, dan 9, dan hasil
pengujian deteksi glaukoma.
4.1. Implementasi dan Hasil Ekstraksi Ciri dengan Metode GLCM
Ekstraksi ciri menggunakan metode Gray Level Co-occurrence Matrix terbagi menjadi dua bagian, yaitu tahap pembentukan GLCM atau matriks
kookurensi, dan tahap yang kedua pencarian ciri dari matrik kookurensi tersebut. Ciri yang akan dihitung dari matriks kookurensi antara lain kontras, korelasi, energi
dan homogenitas.
4.1.1. Pembentukan GLCM
Sebelum mendapatkan ciri dari suatu citra, buatlah matriks kookurensinya terlebih dahulu. Matriks kookurensi inilah yang akan yang berisi informasi tentang
hubungan antara suatu pixel dengan pixel tetangga. Langkah-langkah membuat matriks kookurensi sebagai berikut:
a. Mentukan pixel aktif dari citra
t=img; u=uniquet;
temp=zerossizet; for i=1:sizeu,1
tempt==ui=i; end
Tahap ini penting untuk menghindari pixel yang tidak aktif tari suatu citra ikut dihitung dalam pembentukan matrik kookurensi. Matrik kookurensi yang
terdapat pixel tidak aktif dapat memengaruhi perhitungan ciri, seperti pada ciri korelasi yang akan menghasilkan nilai NaNNot a Number. Nilai NaN didapatkan
karena akan terdapat baris ke-1 sampai ke-n dan kolom ke-1 sampai ke-n yang bernilai 0.
b. Menghitung banyaknya hubungan antar pixel
[r, c]=sizetemp; for x=1:r
for y=1:c-1 val=[tempx,y tempx,y+1];
temp2=matval1,val2; matval1,val2=temp2+1;
end end
Banyaknya hubungan antar pixel inilah yang akan dimasukan kedalam matriks sebagai value. Menghitung value dari matrik kookurensi ini dilakukan
hingga semua kombinasi pasangan pixel telah dihitung.
Gambar 4.1 Salah satu matriks dari citra asli
Matriks pada Gambar 4.1 adalah matriks dari citra 1_hcrop.jpg atau matrik citra fundus retina normal yang telah mengalamai preprocessing seperti
grayscale dan resize. Ukuran matriks setelah prepsocessing adalah 100x100.
Gambar 4.2 Matriks kookurensi atau GLCM
Gambar 4.2 ini merupakan matriks kookurensi dari citra pada Gambar 4.1. Ukuran matriks kookurensi 123x123, artinya ada 123 pixel aktif dari
citra pada 4.1.
4.1.2. Pencarian Ciri dari Matriks GLCM
Setelah mendapatkan matriks kookurensi dari citra, langkah selanjutnya adalah mencari cirinya. Langkah-mencari cirinya sebagai berikut:
a. Kontras
[r, c]=sizeglcm; kon=0;
for i=1:r for j=1:c
kon=kon+i-1-j-12glcmi,j; end
end
b. Korelasi
[r, c]=sizeglcm; kor=0;
for i=1:r for j=1:c
kor=kor+i-averageglcmi,:j- averageglcm:,jglcmi,jstandarDevi
asiglcmi,:standarDeviasiglcm:,j; end
end
Untuk standar deviasi
[r, c]=sizeglcm; n=rc;
n=n-1; avg=averageglcm;
stdev=0; for i=1:r
for j=1:c stdev=stdev+glcmi,j-avg2;
end end
stdev=sqrtstdevn;
c. Energi
[r, c]=sizeglcm; enr=0;
for i=1:r for j=1:c
enr=enr+glcmi,j2; end
end
d. Homogenitas
[r, c]=sizeglcm; hom=0;
for i=1:r for j=1:c
hom=hom+glcmi,j1+absi-1-j-1; end
end
Gambar 4.3 kontras, korelasi, energi, dan homogenitas
Empat ciri yang didapatkan dari matriks kookurensi Gambar 4.2. Ciri yang didapatkan adalah kontras, korelasi, energi, dan homogenitas berturut-turut dari
kolom 1 hingga kolom 4. Keempat ciri inilah yang akan digunakan pada identifikasi.
4.2. Menghitung Akurasi dengan 3 Fold Cross Validation
Kategori