Pemilihan nilai konstanta 8 pixel pada pemotongan frame sudah dilakukan perbandingan secara visual juga yang dibuktikan pada lampiran hal L11.
Nilai tersebut merupakan yang paling ideal dalam pemotongan frame Dan hasilnya gambar 3.12 adalah sebagai berikut:
Citra yang sudah di crop Citra yang sudah dihilangkan
background-nya dan Frame-nya Gambar 3.12. Hasil Clear background
3.2.3. Pengklasifikasi Samar
Nilai RGB
Penentuan kelas R, G, B
Pengurangan dengan konstanta berdasarkan kelas
Fuzifikasi
Rule base Inferensi
Penentuan keputusan
Gambar 3.13. Diagram klasifikasi Fuzzy Proses dimulai dengan memasukkan nilai RGB yang dari hasil Preprocessing lalu
nilai tersebut akan masuk ke kelompok klasifikasi yang ditentukan dari rentang nilai tertentu tergantung dari database yang menjadi syarat utama dari masing masing kelas.
Proses dapat lihat pada gambar 3.13 yang merupakan diagram klasifikasinya
Pengurangan nilai dilakukan untuk meningkatkan pembeda dari nilai tersebut karena nilainya dari masing-masing objek dalam satu kelas mirip sehingga harus
dikurangkan dengan konstanta berdasarkan nilai yang paling dominan dari kelas tersebut. Berikut adalah data sementara yang diambil secara acak :
Table 3.1. Tabel data Nilai R sementara Data
Objek 1
9 10
4 2
8 3
5 11
1 333.56
302.53 304.29
208.54 187.47
125.56 118.30
151.22 150.75
2 341.86
318.41 310.17
218.38 199.01
127.30 119.91 165.55
154.33 3
345.37 325.89
310.29 218.58
202.72 132.75
121.79 166.75 156.76
4 348.83
328.83 315.34
223.64 213.86
132.79 126.96 170.40
159.86 5
356.37 330.17
315.79 225.37
220.64 134.68
133.17 176.16
164.82 Dilihat dari tabel 3.1 setiap data yang masuk sudah melalui pengelompokan dan
nilainya menyerupai satu sama lain. Sehingga perlu dilakukan pegurangan nilai dengan nilai tertentu sesuai dengan angka yang dominan.
Pada proses Fuzzyfikasi nilai numerik akan diubah menjadi variabel linguistik yang memiliki nilai linguistik. Nilai linguistik ini nantinya akan digunakan pada proses
inferensi. Untuk memperoleh derajat keanggotaan dari nilai linguistik pada masing-masing input sistem menggunakan aturan input sistem yang telah ditentukan. Untuk memperoleh
derajat keanggotaan dari nilai linguistik pada masing-masing input sistem menggunakan fungsi keanggotaan sebagai berikut :
Gambar 3.14. Grafik fuzifikasi nilai R Nilai fuzifikasi berdasarkan nilai yang sudah melalui pengurangan konstanta
lampiran hal L7 berdasarkan kelas untuk lebih lengkap dapat dilihat pada lampiran. Untuk grafik G dan B lampiran hal L8 dapat juga dilihat sekaligus dengan nilai-nilai
pembentuk grafik.
-60 -40
-20 20
40 60
80 100
0.2 0.4
0.6 0.8
1
R D
e g
re e
o f
m e
m b
e rs
h ip
1 9
10 4
2 8
3 5
11 6
Rule base tabel 3.2 rule yang telah disesuaikan dengan kemungkinan nilai yang muncul dari tiap-tiap himpunan fuzzy.
Inferensi sistem menggunakan metode Sugeno sehingga proses defuzzy langsung dilakukan setelah nilai dari proses inferensi diproses ke kesimpulan hasil base. Output
berupa indeks dari objek kupu-kupu berupa angka 1,2,3,4,5,6,8,9,10,11. Karena menggunakan fis sugeno maka defuzzy-nya dilakukan pada masing-masing rule. Hasil dari
defuzzy tiap-tiap rule di rata-rata kemudian ditentukan hasilnya melalui penentuan keputusan.
Tabel 3.2. Rule base pengenalan objek 1 Rule
if kelas r
And Nilai r
Then x is
1 1
1 1
2 1
9 9
3 1
10 10
4 3
3 3
5 5
6 6
6 2
4 4
7 3
8 2
Dimana x merupakan nomor anggota dari objek yang dikenali yang berupa angka 1,2,3,4,5,6,8,9,10,11.
3.2.4. Pengambilan database fuzzy
