d. Homogenitas homogenity yaitu fitur untuk mengukur ke-homogen-an variasi
intensitas dalam citra, dinyatakan dengan Persamaan 2.21. e.
Inverse moment, yaitu fitur untuk pengukuran kuantitatif himpunan intensitas pixel dari suatu bentuk, dinyatakan dengan Persamaan 2.22.
f. Maximum probabilty, yaitu fitur untuk menghitung nilai probabilitas maksimum
pasangan intensitas, dinyatakan dengan Persamaan 2.23. g.
Korelasi correlation, yaitu fitur yang mengukur kekuatan dan arah hubungan linier dari pasangan intensitas, dinyatakan dengan Persamaan 2.24.
∑∑
= =
− =
N i
N j
j i
p log
j i
p Entropy
1 1
, ,
2.18
∑∑
= =
=
N i
N j
j i
p Energy
1 1
2
,
2.19
∑∑
= =
− =
N i
N j
j i
p j
i Contrast
1 1
2
,
2.20
∑∑
= =
− +
=
N i
N j
j i
j i
p Homogenity
1 1
1 ,
2.21
∑∑
= ≠
=
− =
N i
N j
i j
j i
j i
p Moment
Inverse
1 1
2
, 2.22
, j
i p
max y
probabilit Maximum
= 2.23
∑∑
= =
− −
=
N i
N j
j i
j i
j i
p j
i n
Correlatio
1 1
,
σ σ
µ µ
2.24 Dimana pi,j adalah elemen kolom ke-i, baris ke-j dari matriks co-occurrence yang
telah dinormalisasi. µ
i
adalah nilai rata-rata kolom ke-i dan µ
j
adalah nilai rata-rata baris ke-j pada matriks p.
σ
i
adalah standard deviasi kolom ke-i dan σ
j
adalah standard deviasi baris ke-j pada p.
2.5 Cosine Similarity
Cosine similarity digunakan untuk mengukur kemiripan dua buah vektor vektor A dan vektor B dengan menggunakan cosinus sudut diantara kedua vektor. Persamaan
2.25, memperlihatkan rumus cosine similarity.
Universita Sumatera Utara
∑ ∑
∑
= =
=
× ×
= ⋅
= Θ
=
n i
i n
i i
n i
i i
B A
B A
B A
B A
Similarity
1 2
1 2
1
cos
2.25
Dimana A dan B adalah vektor yang memiliki n elemen. Nilai kemiripan yang dihasilkan adalah -1 yang berarti vektor A dan B adalah serupa dan berlawanan arah.
Nilai 1 berarti verktor A dan B tepat sama, 0 berarti tidak mirip sama sekali dan selainnya menyatakan tingkat kemiripan vektor A dan vektor B.
2.6 Formula
Bayes
Formula Bayes digunakan untuk menghitung peluang bersyarat yaitu peluang suatu kejadian setelah kejadian lain terjadi Neapolitan, 2004. Persamaan 2.26
memperlihatkan formula Bayes.
| B
P B
A P
B A
P ∧
=
2.26 Dengan bentuk lain Formula Bayes pada Persamaan 2.26 juga dapat ditulis seperti
Persamaan 2.27.
| |
B P
A P
A B
P B
A P
=
2.27
PA|B disebut juga posterior probability adalah peluang A terjadi setelah B terjadi. PA
∧
B adalah peluang A dan B terjadi bersamaan. PB|A disebut likehood adalah peluang B terjadi setelah A terjadi.
PA disebut juga prior adalah peluang kejadian A. PB adalah peluang kejadian B dan PB
≠ 0
2.6.1 Bayesian network Bayesian network adalah sebuah graf berarah tanpa siklus directed acyclic graph
yang digunakan sebagai representasi grafis pengambilan keputusan reasoning dalam wilayah yang tidak pasti. Simbol-simbol jaringan bayesian yang terdiri dari
Neapolitan, 2004:
Universita Sumatera Utara
1. Satu set node, setiap node merepresentasikan setiap variabel yang ada di sistem
2. Link antara dua node yang merepresentasikan hubungan sebab dari satu node ke
node lain. 3.
Distribusi bersyarat.
Hubungan antara n variabel dapat dibangun dengan bantuan pakar, dari data observasi atau dari gabungan keduanya. Jika diberikan n variabel dan satu set data
observasi, maka semua hubungan relationship yang mungkin harus ditentukan. Telah dibangun sebuah model bayesian network yang digunakan untuk CBIR
Content Based Image Retrieval seperti pada Gambar 2.7.
Gambar 2.7. Model Umum Bayesian Network untuk CBIR
Pada Gambar 2.7, C
1
..C
n
merupakan karakteristik citra, sedangkan I
1
..I
j
adalah citra-citra yang terdapat di dalam database. Garis berarah menunjukkan peluang sebuah citra I
j
memiliki karakteristik C
i
. Nilai peluang kemiripan antara citra query Q dan citra I di database dapat dihitung menggunakan formula Bayes pada
Persamaan 2.28.
| Q
P Q
I P
Q I
P
j j
∧ =
2.28
2.7 Recall Dan Precision