Direction Feature Ekstraksi Fitur

2.3. Ekstraksi Fitur

Ekstraksi fitur merupakan nilai fitur yang terkandung di dalam sebuah citra yang mewakili ciri khusus dari sebuah citra. Nilai yang didapatkan dari hasil pengekstraksian fitur dari sebuah citra kemudian akan di proses untuk diklasifikasi. Ekstaksi Fitur yang digunakan di dalam penelitian ini adalah Direction Feature Extraction.

2.3.1. Direction Feature

Direction Feature adalah pencarian nilai-nilai fitur berdasarkan label arah pada setiap pixel. Pada metode Direction Feature, setiap pixel foreground pada gambar memiliki arah tersendiri dimana arah yang digunakan memiliki empat arah dan masing-masing arah diberikan label nilai tersendiri Liu Blumenstein, 2008. Arah yang digunakan dapat dilihat pada tabel 2.1 dibawah ini Agung et al, 2009. Tabel 2.1 Nilai Label dan Arah pada Direction Feature Arah Nilai Bentuk Vertikal 2 | Diagonal Kanan 3 Horizontal 4 _ Diagonal Kiri 5 \ Nilai arah pada setiap pixel dapat diperoleh melalui proses pengecekan secara raster dari arah kiri ke kanan. Pengecekan secara raster bertujuan untuk mencari pixel yang memiliki nilai 1 atau pixel yang berasal dari foreground. Selama pengecekan raster berlangsung, pixel yang memilii nilai1 atau berasal dari pixel foreground akan mengecek nilai neighbour dari pixel tersebut. Apabila P adalah pixel foreground yang tercek, pixel neighbour akan dicek adalah P1atau P5 terdapat pixel foreground maka diberikan label nilai 2, P2 atau P6 terdapat pixel foreground maka diberikan label nilai 3, P3 atau P7 terdapat pixel foreground maka diberikan label nilai 4, P4 atau P8 terdapat pixel foreground maka diberikan label nilai 5. Tabel 2.2 menunjukkan matriks neighbour pixel P dalam pelabelan nilai arah. Universitas Sumatera Utara Tabel 2.2 Matriks neighbour pixel P dalam pelabelan nilai arah P1 P2 P3 P8 P P4 P7 P6 P5 Selanjutnya, nilai-nilai fitur yang berdimensi sesuai dengan citra biner yang diubah akan mengalami proses transisi. Proses transisi melakukan pengecekan secara raster dari empat arah kiri ke kanan, kanan ke kiri, atas ke bawah, bawah ke atas. Sebelum melakukan transisi, nilai transisi maksimum didefinisikan terlebih dahulu. Apabila nilai T adalah nilai transisi maksimum yang didefinisikan, nilai W dan H adalah nilai lebar dan tinggi dari citra yang diproses. Persamaan 2.6 ukuran dari Direction Feature dari kiri menuju kanan di bawah ini. LR = T . H 2.6 Persamaan 2.7 ukuran dari transisi pada Direction Feature dari kanan menuju kanan dibawah ini. RL = T . H 2.7 Persamaan 2.8 ukuran dari transisi pada Direction Feature dari atas menuju bawah dibawah ini. UD = T . W 2.8 Persamaan 2.9 ukuran dari transisi pada Direction Feature dari bawah menuju atas dibawah ini. DU = T . W 2.9 Dimana : LR = ukuran transisi kiri ke kanan RL = ukuran transisi kanan ke kiri UD = ukuran transisi atas ke bawah DU = ukuran transisi bawah ke atas T = nilai transisi W = lebar dari citra asli H = tinggi dari citra asli Universitas Sumatera Utara Proses berikutnya adalah menormalkan ukuran fitur dari transisi fitur pertama sekali pada Direction Feature. Proses menormalkan ukuran matriks transisi bertujuan untuk mengecilkan data input fitur supaya proses pengklasifikasian menghasilkan hasil yang lebih akurat dan proses yang tidak memakan waktu terlalu banyak. Ukuran penormalan citra dilakukan secara berurutan dengan menjumlahkan baris pertama sampai dengan baris yang berindeks jumlah transisi setiap arah. Persamaan 2.10 menunjukkan ukuran normalisasi dari nilai transisi direction feature. 2.10 Dimana : NS = ukuran fitur normalisasi setiap arah DT =ukuran transisi pada direction feature pada setiap arah kiri ke kanan, kanan ke kiri, atas ke bawah, bawah ke atas T = nilai transisi Hasil akhir yang dihasilkan oleh fitur ekstraksi Direction Feature adalah nilai normalisasi dari keempat arah yang digabungkan. Nilai fitur akhir dari Direction Feature memiliki ukuran yang berukuran dengan jumlah dari normalisasi keempat arah. Persamaan 2.11 menunjukkan ukuran akhir dari nilai fitur yang dihasilkan. 2.11 Dimana : DF = ukuran dari hasil akhir Direction Feature NS = ukuran fitur normalisasi setiap arahkiri ke kanan, kanan ke kiri, atas ke bawah, bawah ke atas T = nilai transisi

2.4. Backpropagation