32
D. Pengenalan Pola
Pola adalah suatu entitas terdefinisi berupa kumpulan informasi hasil pengukuran atau pemantauan yang dinyatakan dalam notasi vektor atau matrik.
Pengenalan pola pattern recognition adalah teknik pengklasifikasian suatu pola citra berdasarkan pengukuran kuantitatif fitur ciri atau sifat utama dari suatu objek
Putra, 2010:303. Metode pengenalan pola yang digunakan adalah neurofuzzy yakni penggabungan antara logika fuzzy, dengan model neural network berdasarkan
beberapa parameter statistika yang ditentukan.
1. Ekstraksi Citra
Ekstraksi Citra merupakan proses pengambilan informasi dari sebuah citra. Teknik pengambilan informasi menggunakan metode pembentukan matriks co-
occurance pada citra keabuan atau GLCM. Metode GLCM diawali dengan menentukan relasi ketetanggaan antar piksel
yang digunakan. Pendekatan paling sederhana dalam menentukan relasi ketetanggaan dengan cara melihat pola piksel pada sudut 0
o
, 45
o
, 90
o
, dan 135
o
. sesuai Gambar 18 MathWork, 2005.
Gambar 18. Derajat Tepi Pada Penentuan Relasi Ketetanggaan
33 Pola piksel pada sudut tersebut dapat dipengaruhi oleh jarak relasi. Pada
jarak relasi r menunjukkan pola relasi ketetanggaan sesuai dengan persamaan 18.
1.
,
, = |{ , ,
, | − = ; | − | = ; , = ,
, = }| 2.
,
, = |{ , ,
, | − = ; | − | = − − = ; − = ;
, = , , = }|
3.
9 ,
, = |{ , ,
, | | − | = ; − = ; , =
, , = }|
4.
,
, = |{ , ,
, | − = ; − = − = − ; − = ;
, = , , = }|
18
Matrik Co-occurence dibangun menggunakan histogram tingkat kedua berukuran L x L L menyatakan banyaknya tingkat keabuan dengan elemen-
elemen
∅,
, yang merupakan distribusi probabilitas bersama joiny
probability distribution . dari pasangan piksel dengan tingkat keabuan piksel
yang berlokasi pada koordinat j,k dengan piksel tetangga yang berlokasi pada
koordinat m,n Permatasari, 2012. Histogram tingkat kedua
,
dihitung dengan pendekatan pada persamaan 19.
, =
, ∑
,
− , =
19
Tahapan pembentukan matriks co-occurance Mathwork, 2005 sebagai berikut,
1 Membentuk Frame work
Frame work yang terbentuk akan memiliki ukuran 256 x 256 karena citra grayscale diatas memiliki 256 nilai intensitas. yaitu [0, 255].
2 Membentuk Matriks co-occurance dari matriks asal
34 Matrik baru dibuat menggunakan elemen nol dengan dimensi sebesar nilai
maksimal pada matrik asal. Rentang maksimal nilai keabuan yang digunakan sebesar 255. Matriks co-occurance didefinisikan dengan mencari jumlah
pasaran berurutan pada relasi ketetanggaannya. Ilustrasi perhitungan matriks co-occurance
sesuai Gambar 19 MathWork, 2005.
Gambar 19. Ilustrasi Pembentukan Matriks Co-Occurance 3
Mentranpose matriks, Matriks co-occurance yang sudah didapat selanjutnya dilakukan transpose
4 Menjumlahkan matriks coocurrence dengan matriks transpose.
5 Matriks baru perlu dilakukan penjumlahan untuk diubah menjadi simetris.
2. Parameter Statistika
Kategori