a b Gambar 3.9 Proses citra
thresholding
, a citra
grayscale
b citra
thresholding
3.5 Ekstraksi fitur
Setelah dilakukan proses
preprocessing
, maka akan dilakukan proses ekstraksi ciri yang membentuk nilai fitur yang bersifat unik untuk mendapatkan ciri dari citra. Nilai
fitur yang didapat akan mewakili karakteristik dari citra yang akan diklasifikasikan menggunakan
Learning Vektor Quantizatin
LVQ. Pada penelitian ini, ekstraksi fitur yang digunakan menggunakan metode
zoning
.
3.5.1 Zoning
Pada penelitian ini, citra akan dibagi dalam beberapa zona, dimana setiap zona akan menghasilkan nilai fitur dengan menghitung jumlah piksel hitam tertinggi. Pada tahap
ini, citra yang berukuran 1024 x 1024 piksel akan dibagi menjadi 11 kolom dan 11 baris sehingga didapatkan 121 zona yang mewakili 121 fitur . Dalam satu zona
terdapat 100 piksel. Contoh pembagian zona yang akan dibagi dalam citra dapat dilihat pada Gambar 3.10
Universitas Sumatera Utara
Gambar 3.10 Hasil
Zoning
Citra Adapun proses metode
zoning
dalam proses ekstraksi fitur pada citra karet RSS antara lain :
1. Hitung jumlah piksel hitam setiap zona dari zona Z1 – Z121
2. Tentukan zona yang memiliki jumlah piksel hitam paling tinggi
3. Hitung nilai fitur setiap zona dari Z1-Z121 dengan persamaan
Dengan 1≤ n ≤ 121 Contoh Perhitungan
Zoning
antara lain: 1.
Jumlah Piksel hitam setiap zona antara lain Z1=20, Z10=80, Z20=40, Z50=50
2. Zona yang memiliki jumlah piksel hitam paling tinggi adalah Z10 = 80
3. Nilai fitur setiap zona antara lain :
Z1 = 2080 = 0.25 Z10 = 8080 = 1
Z20 = 4080 = 0.5 Z50 = 5080 = 0.625
Universitas Sumatera Utara
Namun dalam penelitian ini, penulis melakukan pembulatan pada nilai fitur setiap zona dengan ketentuan jika :
Pembulatan ini dilakukan agar nilai fitur yang dihasilkan akan berbentuk nilai biner yang akan digunakan sebagai nilai
input
pada proses klasifikasi pada tahap selanjutnya. Sehingga dari perhitungan zona didapat nilai fitur berupa Z1= 0, Z10=1,
Z20 = 1, Z50= 1. Dari perhitungan
zoning
pada tahap ekstraksi fitur akan menghasilkan 121 fitur yang akan digunakan sebagai nilai
input
pada proses klasifikasi menggunakan LVQ yang sesuai dengan gambar 3.11
Gambar 3.11 Nilai ekstraksi fitur menggunakan
Zoning
3.6 Klasifikasi
