Gambar 3.16 Contoh hasil fitur citra dari gambar 3.13
3.6. Tahap Pelatihan
Tahap pelatihan adalah tahap dimana citra latih yang telah dipersiapkan mulai dari akuisisi citra latih, pra-pengolahan, dan ekstraksi fitur citra menghasilkan fitur citra
latih yang akan disimpan di dalam database. Tahap pelatihan dilakukan untuk dapat mengenali citra garis telapak tangan latih dengan menyimpan fitur citra dari suatu
citra garis telapak tangan ke dalam database. Fitur citra latih yang dikumpulkan di dalam database menjadi fitur acuan untuk dibandingkan saat tahap pengujian.
Tahap pelatihan menunjukkan data citra yang telah dipersiapkan akan dilatih dan fitur yang diekstrak selanjutnya disimpan ke dalam database. Data fitur disimpan
beserta nomor id dan nama pemilik citra telapak tangan.
3.7. Tahap Pengujian
Tahap pengujian adalah tahap dimana citra uji yang tidak digunakan pada tahap pelatihan akan diuji di dalam sistem. Pada tahap ini akan dilakukan proses-proses
seperti pelatihan citra latih tetapi perbedaaannya adalah saat pengujian dilakukan, fitur citra uji yang diuji akan dibandingkan dengan fitur citra latih yang telah disimpan di
database. Jadi, tujuan dari tahap pengujian ini adalah membuktikan apakah citra uji
Universitas Sumatera Utara
yang dipilih tersebut memiliki kemiripan dengan citra latih atau tidak dan juga menampilkan jarak Euclidean ternormalisasi terkecil dari hasil pencocokan. Tahap
pengujian menunjukkan penggunaan metode proses ekstraksi fitur operasi blok non- overlapping dan proses pencocokan dengan jarak Euclidean ternormalisasi.
3.8. Pencocokan dengan Jarak Euclidean Ternormalisasi
Tahap pencocokan menggunakan jarak Euclidean ternormalisasi adalah tahapan membandingkan antara satu vektor fitur yang diuji dengan vektor fitur yang tersimpan
di dalam database. Tahap pencocokan ini merupakan tahap verifikasi kebenaran antara fitur citra uji dengan fitur citra acuan yang terdapat dalam database.
Vektor fitur citra uji u dibandingkan dengan hasil vektor fitur citra latih v yang telah disimpan. Kedua vektor tersebut dibandingkan berdasarkan kesamaan dua
vektor. Jarak Euclidean ternormalisasi menghitung akar kuadrat perbedaan
dua vektor. Semakin kecil jarak maka semakin mirip kedua vektor fitur yang
dicocokkan. Sebaliknya, semakin besar hasil jarak maka semakin berbeda
kedua vektor fitur yang dicocokkan. Sifat dari jarak Euclidean ternormalisasi adalah bahwa hasil dari jarak
berada pada rentang 0 ≤ ≤ β. Nilai ambang toleransi yang digunakan pada penelitian ini adalah 2. Jadi jika jarak yang didapat
lebih besar dari 2, maka kedua vektor yang dicocokkan tidak memiliki kemiripan. Diagram alir proses untuk menghitung jarak Euclidean ternormalisasi dapat
dilihat pada gambar 3.17.
Universitas Sumatera Utara
MULAI Input fitur
citra latih u, uji v
inisialisasi hasil_uji, u[], v[], arrayD[], min
d, unorm,vnorm ç 0
SELESAI i u.length
i = 0
unorm += u[i] u[i]; vnorm += v[i] v[i];
unorm = sqrtunorm; vnorm = sqrtvnorm;
i = 0 Yes
i u.length
d += u[i]unorm-v[i]vnormu[i]unorm-v[i]vnorm; d = sqrtd;
Yes j = 0
j arrayD.length
Yes
No i = i+1
j = j+1
i = i+1 No
arrayD[j] = d j = 0
ArrayD[0]= min No
j arrayD.length
min = arrayD[j] arrayD[j] min
Yes j = j+1
min = hasil_uji min = 0 min = 2
No
Yes
print “tidak ada
kecocokan” No
Output hasil
Gambar 3.17 Diagram alir proses menghitung jarak Euclidean ternormalisasi
Universitas Sumatera Utara
BAB 4
HASIL DAN PEMBAHASAN
Bab ini membahas hasil dari pengujian terhadap pengenalan garis telapak tangan dengan menggunakan metode ekstraksi fitur operasi blok non-overlapping dan
pencocokan dengan jarak Euclidean ternormalisasi. Pembahasan bertujuan untuk memberikan hasil dari penerapan pemrograman terhadap metode ekstraksi fitur dan
hasil yang didapat dari pengujian.
4.1. Implementasi
Kategori