Ekstraksi Fitur Tumbuhan Obat dengan Metode Fraktal

parameter dimensi fraktal yaitu satu parameter diperoleh dari citra keseluruhan global dan empat parameter diperoleh dari citra setiap local region. a b Gambar 7 Pembagian citra global a dan local region b. b. Kode Fraktal Pada penelitian ini ada dua tahap yang dilaksanakan untuk mendapatkan kode fraktal citra daun tumbuhan obat. Tahap pertama membentuk blok domain dan blok range. Blok domain dibentuk dengan mempartisi citra asli menjadi subcitra ukuran 8x8 piksel dan 4x4 piksel. Setiap empat piksel dari subcitra yag terbentuk dihitung rata-ratanya sehingga ukuran menjadi 4x4 piksel dan 2x2 piksel. Proses partisi ini membentuk 20 blok domain. Ilustrasi partisi pembentukan blok domain ditunjukan pada Gambar 8. Gambar 8 Ilustrasi pembentukan blok domain. Blok range dibentuk dengan mempartisi citra asli menggunakan partisi quadtree . Partisi ini membagi citra menjadi empat bagian yang sama besar secara rekursif sampai ukuran 2 x 2 piksel. Proses partisi ini membentuk 80 blok range yang terbagi ke dalam empat kelompok dan masing masing 20 blok domain. Pembagian kelompok berdasarkan bagian kiri atas, bagian kanan atas, bagian kiri bawah dan bagian kanan bawah. Ilustrasi partisi pembentukan blok range dengan partisi quadtree ditunjukan pada Gambar 9. Gambar 9 Ilustrasi pembentukan blok range. Tahap kedua adalah mengukur kemiripan antara blok domain dan blok range. Kemiripan diukur dengan menghitung skala kontras, faktor kecerahan dan RMS dari masing-masing pasangan blok domain dan blok range. Pasangan dengan nilai RMS atau nilai error terkecil adalah pasangan yang dianggap paling mirip. Hasil Ekstraksi citra daun dengan kode fraktal menghasilkan empat nilai kode fraktal yaitu skala kontras s, faktor kecerahan g, rata rata blok range Avgrange dan rata-rata blok domain Avgdomain .

3.1.4. Clustering Tumbuhan Obat dengan Fuzzy C-Means

Pada penelitian ini ada dua rancangan percobaan yang digunakan untuk clustering tumbuhan obat yaitu : - Clustering FCM berdasarkan nilai dimensi fraktal - Clustering FCM berdasarkan nilai kode fraktal Clustering dilakukan terhadap 400 data latih. Adapun langkah-langkahnya adalah sebagai berikut : 1. Menginput data berupa matrik-matrik ukuran n x m n= jumlah sampel data, m = atribut data yang merupakan nilai dimensi fraktal pada percobaan pertama dan nilai kode fraktal pada percobaan kedua 2. Menetapkan parameter yang diperlukan antara lain : - Jumlah cluster c = 20 - Pangkat w = 2 - Maximum iterasi maxiter = 100 - Kriteria penghentian e = 10 - Fungsi objektif awal P -5 - Iterasi awal t = 1 = 0 3. Membentuk matriks partisi awal U derajat keanggotaan dalam cluster secara acak menggunakan persamaan 6, dengan ketentuan jumlah setiap kolom pada matrik harus sama dengan 1. 4. Menghitung pusat cluster dengan persamaan 7 5. Menghitung fungsi obyektif pada iterasi ke t , 6. Memperbaiki derajat keanggotaan setiap anggota, menggunakan persamaan 9 dengan tujuan mencari jarak antara pusat cluster dan data menggunakan persamaan 8 7. Memeriksa kondisi berhenti ; Jika │P t - P t-1 Maka proses berhenti dan nilai derajat keanggotaan baru dapat digunakan untuk clustering dari citra daun tumbuhan obat. │ ε atau t maxiter Jika tidak : t =t+1 Proses kembali ke langkah 4.

3.1.5. Pengujian Hasil Identifikasi Citra Daun Tumbuhan Obat

Pada penelitian ini ada dua pengujian yang dilakukan untuk menentukan keberhasilan identifikasi citra tumbuhan obat, yaitu : 1. Pengujian identifikasi tumbuhan obat menggunakan FCM berdasarkan dimensi fraktal 2. Pengujian identifikasi tumbuhan obat menggunakan FCM berdasarkan kode fraktal Untuk menghitung tingkat akurasi hasil pengujian digunakan confusion matrik antara data real dan data prediksi dari citra daun tumbuhan obat.