4.2.1.3 Feature Extraction Ekstraksi Ciri
Feature extraction merupakan salah satu cara untuk mengenali karakter dengan melihat ciri-ciri khusus yang dimiliki oleh setiap barcode. Diketahui
bahwa barcode merupakan kumpulan kode yang berbentuk garis, di mana masing- masing ketebalan setiap garis berbeda sesuai dengan isi kode. Oleh karena itu,
setelah melakukan proses deteksi tepi langkah selanjutnya adalah feature ekstraction ekstraksi ciri.
Proses ekstraksi ciri ini, citra masukan dikodekan menurut pixel-nya, jika berwarna hitam atau kurang dari nilai treshold maka citra tersebut dikodekan 0,
sebaliknya jika berwarna putih dan lebih dari nilai threshold maka dikodekan 1. Tujuan dari proses ini yaitu untuk memberi kode yang berbeda pada setiap
karakter, sehingga karakter yang satu dengan karakter yang lain dapat dipisahkan berdasarkan kode yang dimilikinya. Disamping itu, proses pengkodean karakter
ini dimaksudkan untuk mengambil ciri feature dari sebuah barcode. Menurut Prasetyo dalam buku Pengolahan Citra Digital dan Aplikasinya
Menggunakan Matlab menyebutkan satu cara yang jelas untuk mengekstrak obyek dari background adalah dengan memilih threshold
� yang membagi mode-mode ini. Sembarang titik
, untuk dimana , � disebut object point,
sedangkan yang lain disebut background point. Citra yang di-threshold ,
didefinisikan sebagai: ,
1 , �
, � Pixel yang diberi nilai 1 berkaitan dengan obyek sedangkan pixel yang
diberi nilai 0 berkaitan dengan background.
Proses ini citra barcode yang dimasukkan ke dalam jaringan akan diproses lebih lanjut, yaitu diambil nilai perpikselnya yang selanjutnya akan diubah
kebentuk numerik 0 dan 1 atau disebut juga dengan proses normalisasi. Tidak seluruh pixel citra barcode diambil nilainya, tetapi hanya nilai pixel citra secara
horizontal. Letak pengambilan secara horizontal ini bisa dilakukan pada bagian atas, tengah atau bawah. Pengambilan ini tidak dilakukan secara keseluruhan
sebab ciri khusus dari barcode adalah sama untuk setiap baris. Nilai-nilai pixel dari proses grayscalling, edge detection, dan thresholding yang masih berukuran
besar tidak diambil secara keseluruhan tetapi diambil hanya nilai pixel pada bagian tengah-tengah citra secara horizontal. Citra input berukuran
60 × 100 pixel dikonversi menjadi
20 × 30 pixel supaya pada saat training lebih efisien waktu dan tidak berat. Data citra yang dilatihkan berbentuk vektor dengan ukuran
1 × 30 kemudian disimpan dalam database dengan nama file code_grid.mat. Seperti pada Gambar 4.4.
Gambar 4.4 Gambar Vektor Hasil Ekstraksi Ciri
Vektor ini diperoleh dari matriks data citra yang kemudian diubah kedalam bentuk vektor. Karena jumlah citra latih sebanyak 100, maka matriks yang terbentuk
dalam database sistem adalah matriks berukuran 100 × 30 yaitu gabungan dari
vektor-vektor citra latih sistem yang disimpan dalam satu database yang dinamakan code_grid_all_pro.mat.
4.2.1.4 Arsitektur Jaringan Syaraf Tiruan
Kategori