20 65 x 86 x 3 untuk
portrait pada citra HSV dan matriks yang berukuran 86 x 65 untuk landscape atau 65 x 86 untuk portrait pada citra grayscale.
2. Segmentasi
Proses segmentasi warna dilakukan dengan mengelompokkan citra menjadi 43 bin warna referensi dan direpresentasikan dengan histogram. Pengelompokkan
seluruh warna piksel citra dengan bin warna referensi dilakukan dengan cara menghitung jarak euclid terkecil dengan persamaan 10 antara warna piksel
dengan warna referensi. Histogram citra dihitung dengan persamaan 11 untuk menghasilkan matriks distribusi warna citra.
Proses segmentasi bentuk citra menjadi tujuh vektor momen invarian dilakukan dengan menggunakan persamaan 15 - 21. Citra yang digunakan
adalah citra dalam format grayscale. Proses segmentasi bentuk dimulai dengan menghitung momen dan momen pusat citra grayscale menggunakan persamaan
12 dan 13. Selanjutnya momen pusat ini dinormalisasi menggunakan persamaan 14 untuk mendapatkan vektor momen invarian citra.
3. Implementasi Logika Fuzzy
Proses dalam sistem inferensi fuzzy terdiri dari empat tahap yaitu menghitung masukan crisp untuk fuzzyfikasi, melakukan inferensi pada setiap
kaidah fuzzy, melakukan defuzzyfikasi terhadap nilai fuzzy hasil inferensi dan pembentukan kaidah fuzzy yang merupakan proses yang berdiri sendiri.
a. Masukan Crisp
Masukan crisp ciri warna adalah jarak euclid antara dua buah citra D
basisdata dan Q query yang masing-masing direpresentasikan oleh histogram dihitung dengan persamaan 5 sebagai beikut :
21
2 1
B 1
j 2
Q j
D j
w
H H
d
∑
=
− =
28 dengan
d
w
= jarak euclid warna
H = histogram normalisasi B = jumlah bin warna
j = 1 ... B Masukan crisp ciri bentuk adalah jarak euclid d
b
tujuh vektor momen invarian
ϕ
v
antara citra D dan Q dihitung dengan persamaan 5 yaitu :
2 1
7 1
v 2
Q v
D v
b
d
∑
=
− =
ϕ ϕ
29 dengan d
b
= jarak euclid bentuk ϕ = vektor momen invarian
b. Fuzzyfikasi
Proses fuzzyfikasi pada masukan crisp warna dan bentuk adalah proses mengubah masukan crisp menjadi nilai yang bersifat fuzzy oleh fungsi
keanggotaan. Masing-masing masukan yaitu peubah warna dan bentuk serta peubah keluaran yaitu kemiripan citra dinyatakan dengan peubah linguistik
yaitu sama, mirip dan beda. Masing-masing peubah linguistik ini kemudian direpresentasikan oleh kurva cauchy. Parameter yang digunakan untuk kurva
cauchy adalah pemulus dan pusat kurva.
c. Basis Kaidah Fuzzy
Pembentukan basis kaidah fuzzy memerlukan adanya peubah linguistik yang berfungsi untuk merepresentasikan citra dari nilai yang bersifat fuzzy.
Peubah linguistik yang digunakan untuk membangun kaidah fuzzy dalam rangka pengukuran kemiripan ciri citra terdiri dari tiga kategori yaitu sama,
mirip dan beda. Ketiga peubah linguistik ini digunakan untuk anteseden yaitu ciri warna dan bentuk serta konsekuen yaitu klasifikasi citra.
22 Perancangan basis kaidah fuzzy dilakukan dengan cara menghitung
jumlah kemungkinan kombinasi keluaran dari masing-masing peubah linguistik masukan dengan metode pengklasifikasian citra secara menurun.
Misalnya jika terdapat ciri warna sama dan bentuk mirip diklasifikasikan menjadi mirip, maka untuk ciri warna sama dan bentuk beda klasifikasi
maksimum citra adalah mirip. Tabel 1. Kombinasi Kaidah Fuzzy
1 Bagian Ciri Sama
Kombinasi Ciri Citra
1 2 3 4 5 6
sama sama sama sama sama sama sama sama
sama mirip sama sama sama mirip mirip beda
sama beda sama mirip beda mirip beda beda
2 Bagian Ciri Mirip
Kombinasi Ciri Citra
1 2 3 4
mirip sama sama sama mirip
mirip mirip mirip
mirip mirip
mirip mirip
mirip beda mirip beda mirip
beda
3 Bagian Ciri Beda
Kombinasi Ciri Citra
1 2 3 4 5 6
beda sama sama sama sama mirip mirip beda beda mirip sama mirip beda mirip beda beda
beda beda beda
beda beda beda beda beda
Kombinasi keluaran yang dihasilkan dari masing-masing peubah linguistik ini adalah 6 kombinasi untuk ciri sama, 4 kombinasi untuk ciri mirip
dan 6 kombinasi untuk ciri beda Tabel 1. Sehingga jumlah basis kaidah fuzzy yang terbentuk adalah 6 x 4 x 6 = 144 basis kaidah fuzzy tipe kaidah
yang akan digunakan dalam penelitian ini Lampiran 4.
23
d. Inferensi Basis Kaidah Fuzzy
