Adapun contoh gambar yang telah mengalami proses dari gaussian ditunjukkan pada Gambar 3.4.
Gambar 3.4. Citra Hasil Proses G aussian
3.2.3. Segmentasi Citra Thresholding
Pada tahap selanjutnya citra yang telah mengalami proses penghalusan citra gaussian akan mengalami proses segmentasi citra. Segmentasi citra dilakukan untuk
memisahkan objek dari background. Dalam proses ini citra akan dibagi menjadi dua bagian yaitu objek dan background. Proses thresholding ini akan menghasilkan citra
biner yang memberikan informasi tentang letak objek dan background. Dimana citra hanya akan berwarna hitam dan putih saja. Adapun contoh gambar yang telah
mengalami proses dari thresholding ditunjukkan pada Gambar 3.5.
Gambar 3.5. Citra Hasil Proses Thresholding
3.3. Proses Seleksi Citra
Pada tahapan ini proses seleksi citra dilakukan untuk mengenali objek-objek yang terdapat pada citra mikroskop sperma. Proses ini perlu dilakukan karena banyaknya
objek yang terdapat dalam satu citra, dan untuk mempermudah sistem dalam mengidentifikasi citra. Terdapat dua tahap yang harus dilakukan untuk mengenali
Universitas Sumatera Utara
objek-objek tersebut yaitu: pelabelan objek pada citra sperma Labelling, dan pengotakan objek pada citra sperma Bounding Box.
3.3.1. Pelabelan Objek Pada Citra Sperma Labelling
Tahapan ini termasuk dalam proses seleksi citra. Proses ini dilakukan sebelum tahapan bounding box dilakukan. Labelling dilakukan untuk memberikan label pada objek
yang terdapat pada citra. Proses ini dilakukan jika dalam satu citra memiliki banyak objek. Label akan diberikan sesuai dengan objek hasil dari segmentasi citra
thresholding.
3.3.2. Pengkotakkan Objek Pada Citra Sperma Bounding Box
Tahapan ini termasuk dalam proses dari seleksi citra, Pada proses ini objek yang terdapat pada citra akan dikotak-kotakkan yang berfungsi untuk mempermudah dalam
pengenalan objek dan memperkecil area objek. Proses bounding box ini dilakukan dengan cara memberikan kotak pada objek sesuai dengan ukuran objek dan sesuai
dengan hasil pelabelan. Dimana objek terdiri dari kepala, badan, dan ekornya saja. Adapun contoh gambar yang telah mengalami proses bounding box ditunjukkan pada
Gambar 3.6.
Gambar 3.6. Citra Hasil Proses Bounding Box
3.4. Feature Extraction
Pada penelitian ini ekstraksi fitur menggunakan metode invariant moment. Nilai invariant moment yang didapatkan akan disimpan ke dalam database sebagai nilai
hasil ciri dari objek dalam satu citra sperma. Nilai yang akan didapat dari satu objek
Universitas Sumatera Utara
sebanyak tujuh nilai, nilai ini yang disimpan kedalam database. Nilai tersebut yang akan dipakai kedalam euclidean distance.
3.4.1. Invariant Moment
Invariant moment adalah suatu metode yang mendeskripsikan ciri geometri pada sistem identifikasi objek dan pengenalan karakter. Setelah objek-objek citra
didapatkan, maka dihitung ketujuh nilai invariant moment-nya. Proses perhitungan invariant moment dengan contoh file citra hasil gaussian berukuran 100 x 100 pixel
seperti yang ditunjukkan pada Gambar 3.7
Gambar 3.7. Citra Hasil Proses Gaussian
. Langkah pertama untuk mencari nilai invariant moment dapat dimulai dengan
menghitung nilai momen dari setiap objek yang terdapat pada Gambar 3.7. Hasil proses gaussian yang dihitung dengan persamaan 2.5 dapat dilihat pada Tabel 3.1.
Tabel 3.1. Hasil Proses Gaussian
xy 1
2 3
4 5
… 99
85 127
141 137
142 145
… 59
1 130
169 188
189 190
192 …
118 2
145 189
214 217
216 216
… 141
3 141
190 218
220 219
218 …
141 4
144 191
217 219
218 219
… 142
5 145
192 216
217 218
221 …
144 …
… …
… …
… …
… …
99 71
129 148
142 141
145 …
86
Universitas Sumatera Utara
Setelah hasil proses gaussian diperoleh, nilai momen dapat dihitung dengan persamaan berikut.
;
1
=
1 =
?
3 5 , 3
Dimana m merupakan momen yang akan dicari, p dan q merupakan integer yaitu 0,1,2,…, H merupakan tinggi citra, W merupakan lebar citra, x merupakan baris, y
merupakan kolom, dan fx,y merupakan nilai intensitas citra. Nilai intensitas yang diambil merupakan nilai setelah mengalami proses gaussian. Nilai momen yang dicari
adalah ;
, ;
, dan ;
untuk setiap objek yang ada. Nilai momen yang diperoleh menggunakan persamaan diatas adalah sebagai berikut.
1. ;
= 160650 2.
; = 8479770
3. ;
= 7304730 Setelah nilai
; ,
; , dan
; diperoleh, maka perhitungan dilanjutkan dengan
menghitung nilai momen pusat dengan persamaan berikut.
1
= − ̅
1
3 − 3C
= ?
5 , 3
Dimana:
̅ =
D
EF
D
FF
dan 3C =
D
FE
D
FF
Nilai momen pusat yang diperoleh menggunakan persamaan diatas adalah sebagai berikut.
̅ = 52.78413 3C = 45.46984
Setelah nilai ̅ dan nilai 3C diperoleh, maka :
1. = 38224.09
2. = 4966543.52
3. = 1.78
4. = 655804.31
5. = 1.40
6. = -2579968.51
7. = -1.21
Universitas Sumatera Utara
Setelah nilai ,
, ,
, ,
, dan diperoleh untuk setiap objek, maka
dilanjutkan dengan normalisasi nilai momen pusat dengan persamaan sebagai berikut.
G
1
=
H
IJ
H
FFK
Dimana:
L =
1
+ 1
= ;
Maka nilai normalisasi momen pusat diperoleh, yaitu : 1.
G = 1.4810705783391106e-6
2. G
= 1.924388646307049e-4 3.
G = 6.916438376251929e-4
4. G
= 6.339754566407415e-8 5.
G = 1.3541176602811373e-5
6. G
= -2.4940926429292113e-7 7.
G = -1.1717710666820208e-6
Tahap akhir untuk memperoleh tujuh nilai invariant moment untuk setiap objek dilakukan dengan cara menghitung nilai
M. Setelah nilai M diperoleh, maka nilai tersebut langsung didefenisikan kedalam |log|
M||. M
= G
+ G M = G
−G + 4G
M = G − 3G
+ 3G + G
M
P
= G
+ G + G
+ G M
Q
= G − 3G
G + G
R G + G
− 3 G + G
S + 3G
− G G
+ G R3 G
+ G − G
+ G S
M
T
= G − G
R G + G
− G + G
S + 4G G
+ G G
+ G M
U
= 3G − G
G + G
R G + G
− 3 G + G
S − G
− 3G G
+ G R3 G
+ G − G
+ G S
Maka nilai dari tujuh invariant moment dari objek yang terdapat pada citra adalah sebagai berikut.
1. M
= 7.030959945114469 2.
M = 15.20484673197635 3.
M = 21.914878625296456 4.
M
P
= 22.60034274190014
Universitas Sumatera Utara
5. M
Q
= 44.86779365123266 6.
M
T
= 30.203467326090035 7.
M
U
= 50.89496763743394
3.5. Klasifikasi
