33 b. Citra RGB
⎥ ⎥
⎥ ⎦
⎤ ⎢
⎢ ⎢
⎣ ⎡
= ,
, ,
,
j i
j i
j i
y x
b y
x g
y x
r y
x crgb
dengan crgb = citra RGB r, g, b = nilai warna R, G, B
x, y = koordinat piksel i
= 1 ... m
j = 1 ... n
c. Warna Referensi : ]
[
j j
j j
v s
h w
= dengan w = warna referensi
h = nilai hue s = nilai saturation
v = nilai value j =
1 … B jumlah bin warna referensi
2. Parameter Pengindeksan
Pada tahap pertama ini sistem melakukan pembacaan data citra RGB dan menghasilkan data warna citra dalam bentuk matriks bilangan integer dengan
skala 0 – 255 berukuran m x n x 3. Kemudian data citra RGB ini digunakan untuk melakukan praproses yaitu reduksi dimensi citra dan transformasi model warna.
Reduksi dimensi citra ini dilakukan jika jumlah piksel citra lebih besar dari 5.590 piksel. Citra dalam sistem temukembali untuk keperluan segmentasi warna
dan bentuk seluruhnya berdimensi 86 x 65 piksel untuk citra landscape atau 65 x 86 untuk citra portrait. Proses transformasi citra RGB menjadi HSV digunakan
untuk melakukan segmentasi warna dan menjadi grayscale untuk melakukan segmentasi bentuk. Parameter yang digunakan untuk pengindeksan citra adalah :
34 a. Citra HSV
⎥ ⎥
⎥ ⎦
⎤ ⎢
⎢ ⎢
⎣ ⎡
= ,
, ,
,
j i
j i
j i
y x
v y
x s
y x
h y
x chsv
dengan chsv = citra HSV h, s, v = nilai warna H, S, V
x, y = koordinat piksel
i =
1 ... m j =
1 ... n b. Citra grayscale
, ,
j i
y x
f y
x cgray
= dengan cgray = citra grayscale
f = nilai intensitas warna
i =
1 ... m j =
1 ... n
3. Parameter Sistem Inferensi Fuzzy
Fuzzyfikasi dalam sistem termukembali ini merupakan proses awal dalam sistem inferensi fuzzy untuk pengukuran kemiripan citra. Proses fuzzyfikasi
dilakukan dengan terlebih dahulu membuat kurva keanggotaan fuzzy untuk setiap peubah linguistik. Parameter yang digunakan untuk pembuatan kurva peubah
linguistik ini adalah sebagai berikut :
1.
Jumlah citra basisdata : N
2.
Jumlah bin warna : B
3.
Jarak euclid ciri warna :
2 1
B 1
j 2
Q j
D j
w
H H
d
∑
=
− =
4.
Jarak euclid ciri bentuk :
2 1
7 1
v 2
Q v
D v
b
d
∑
=
− =
ϕ ϕ
5.
Lebar partisi : N
p
6.
Pusat kurva sama :
sama
= γ
35
7.
Pusat kurva mirip :
∑
=
=
p
N 2
1 i
i p
mirip
d N
2 1
γ
8.
Pusat kurva beda :
∑
=
=
p p
N 3
N i
i p
beda
d N
2 1
γ
9.
Pemulus kurva :
α
10.
Lebar kurva :
2 1
N 1
i 2
i
d d
1 N
1 ⎟
⎠ ⎞
⎜ ⎝
⎛ −
− =
∑
=
σ
Setelah kurva masing-masing peubah linguistik terbentuk maka proses fuzzyfikasi dilakukan dengan memproyeksikan jarak euclid pada masing-masing
kurva peubah linguistik untuk mendapatkan nilai fuzzy masukan dengan menggunakan persamaan sebagai berikut :
1. Nilai fuzzy sama :
α
σ µ
i sama
d 1
1 +
=
2. Nilai fuzzy mirip :
α
σ γ
µ
| |
mirip i
mirip
d 1
1 −
+ =
3. Nilai fuzzy beda :
α
σ γ
µ |
|
beda i
beda
d 1
1 −
+ =
dengan µ
sama
= nilai fuzzy ciri sama µ
mirip
= nilai fuzzy ciri mirip µ
beda
= nilai fuzzy ciri beda
C. Dekomposisi Sistem
