1. Home
  2. Lainnya

Metode Preprocessing Metode Ekstraksi Fitur dengan Menggunakan Filter Gabor 2D

3.3. Metode Preprocessing

Proses preprocessing diperlukan dalam pengolahan suatu citra digital berwarna. Fungsinya untuk memperbaiki kualitas suatu citra dan mengolah informasi di dalamnya untuk proses berikutnya. Pada tahap ini sinyal informasi ditonjolkan dan sinyal pengganggu derau diminimalisasi Putra, 2010. Gambar 3. 3 Diagram Blok Preproses Proses preprocessing yang akan dilkaukan diawali dengan memisahkan citra asli berdasarkan kanal merah, hijau, dan biru. Kemudian diambil kanal hijau dan dilakukan penajaman kontras. Hasil penajaman kontras dikenai binerisasi dan dinegasikan. Keduanya di-cropping untuk nantinya menjadi masukkan pada tahap ekstraksi fitur.

3.3. Metode Ekstraksi Fitur dengan Menggunakan Filter Gabor 2D

Metode ekstraksi fitur dengan menggunakan Filter Gabor digunakan karena mampu mengenali karakteristik pada sistem visual manusia. Cara untuk mendapatkan nilai fitur yang terbaik pada Filter Gabor dengan mengubah nilai parameternya. Parameter yang dimiliki oleh filter Gabor antara lain frekuensi filter, sudut orientasi, lebar pita frekuensi, lebar pita angular, standar deviasi, dan meshgrid. Mandasari, 2012. merah Preprocessing hijau biru Binerisasi cropping Citra Asli Penajaman kontras Negasi cropping Algoritma untuk melakukan ekstraksi fitur menggunakan Gabor Filter berupa : 1. Menentukan nilai sigma,theta, dan F 2. Ambil data berupa citra digital berwarna retina, kemudian data tersebut dibagi dua untuk digunakan sebagai data training dan data testing 3. Melakukan multiple Gabor Transforms dengan perngubahan parameter ke data training, dan menggunakan perubahan gambar sebagai fitur. 4. Menambahkan Gabor Linear Modeling ke data training. 5. Setelah menghasilkan GLM dari data training, kita akan menguji seberapa baik Gabor dengan penambahan GLM dalam menghasilkan fitur pada testing 6. Seteleh mendapatkan nilai output dari GLM menggunakan ekstraksi fitur dari testing image, didapatkan hasil seberapa baik pendeteksi dapat menunjukan lokasi kelainan.

3.4. Metode Klasifikasi Menggunakan Support Vector Machine

Dokumen yang terkait

Klasifikasi Fragmen Metagenome Menggunakan Metode Support Vector Machine (SVM)

0 12 59

Implementasi Support Vector Machine (SVM) Untuk Klasifikasi Dokumen

9 22 29

Deteksi Malware Berbasis System Call dengan Klasifikasi Support Vector Machine pada Android

0 5 66

KLASIFIKASI DAN EKSTRAKSI SINYAL EEG-P300 MENGGUNAKAN SUPPORT VECTOR MACHINE UNTUK DETEKSI KEBOHONGAN.

7 13 30

Klasifikasi dan Kategorisasi Audio Menggunakan Wavelet dan Support Vector Machine.

0 1 17

this PDF file Sistem Klasifikasi Tingkat Keparahan Retinopati Diabetik Menggunakan Support Vector Machine | Adi Putranto | IJEIS (Indonesian Journal of Electronics and Systems) 1 PB

0 1 12

Klasifikasi Penyakit Gigi Dan Mulut Menggunakan Metode Support Vector Machine

1 4 9

Klasifikasi Gangguan Jiwa Skizofrenia Menggunakan Algoritme Support Vector Machine (SVM)

0 0 8

Klasifikasi Penyakit Kambing Dengan Menggunakan Algoritme Support Vector Machine (SVM)

0 1 6

SISTEM DETEKSI MALICIOUS SOFTWARE BERBASIS SYSTEM CALL UNTUK KLASIFIKASI BARANG BUKTI DIGITAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

0 1 8