merupakan contoh citra sumber yang telah dilakukan pemisahan region
. Pemisahan region digunakan untuk pengenal objek.
Gambar 21. Contoh citra hasil pemisahan citra menjadi 6 region
Hasil pemisahan region citra menjadi masukan untuk tahap ekstraksi ciri. Seluruh citra hasil segmentasi region dalam basis data
dapat dilihat pada Lampiran 2.
4. Ekstraksi Ciri Warna
Pada tahapan ekstraksi ini, setiap piksel citra akan direpresentasikan dengan peluang atau frekuensi piksel-piksel tersebut
terhadap nilai warna bin yang sudah ditentukan sebanyak 30. Bin tersebut diperoleh dari FCH menggunakan FCM. Bin FCH yang
digunakan pada penelitian ini dapat dilihat pada Lampiran 3.
Gambar 22 . Contoh citra region langit
Gambar 23. Hasil FCH dengan FCM 30 bin.
Gambar 21 adalah hasil FCH dengan FCM dari Gambar 20. Berdasarkan Gambar 21, dapat dilihat bahwa bin 23 yang cenderung
berwarna biru merupakan warna yang paling banyak muncul.
5. Ekstraksi Ciri Tekstur
Ekstraksi ciri dilakukan untuk semua region yang terbentuk. Ciri tekstur yang digunakan adalah ciri energi dimana lebar pita frekuensi
dan jarak angular S
F
B
θ
sebesar 60°. Pemilihan lebar pita angular sebesar 60° adalah karena nilai ini dianggap mendekati karakteristik sistem visual
manusia.
Gambar 24. Contoh citra region rumput
Proses filtering untuk Gambar 24, menggunakan frekuensi
3
2 2
= F
dan orientasi . Hasil filtering terlihat seperti pada Gambar
15. 60
= θ
Gambar 25. Region rumput dengan frekuensi
3
2 2
= F
dan 60
= θ
6. Penggabungan Ciri Warna dan Tekstur
Penggabungan ciri warna dan tekstur dilakukan dengan mengubah- ubah nilai pembobot antara masing-masing ciri dan kemudian
dibandingkan sehingga diperoleh pembobot ciri optimal yang menyatakan gabungan antara dua ciri dasar yaitu ciri warna dan ciri tekstur. Pengujian
dilakukan dengan mengambil beberapa kelompok citra dan mengukur perbedaan ciri dari masing-masing kelompok serta mengukur kesamaan
dari masing-masing anggota kelompok Harsono Basuki, 2005. Nilai pembobot a
c
,a
t
yang dicoba adalah a
c
= 0.7 dan a
t
=0.3. Nilai pembobot ini dipilih karena berdasarkan penelitian yang dilakukan Harsono dan
Basuki 2005 menyatakan bahwa pada nilai bobot tersebut sangat baik untuk penggabungan nilai ciri warna dan tekstur.
Nilai a
t
yang diambil selalu lebih kecil dari a
c
, karena ciri tekstur memang tidak terlalu dominan dalam penentuan ciri citra secara umum.
Nilai ciri baru diperoleh dengan rumus : Ciri baru = 0.7 Vektor ciri warna + 0.3 Vektor ciri tekstur
C. Pelabelan Citra
