Ekstraksi Fitur Diagonal Based Featured Extraction

Algoritmanya adalah sebagai berikut: 1. Mula-mula diperiksa jumlah pixel objek yang bernilai 1, N, di dalam jendela 3 X 3 pixel. 2. Jika N kurang atau sama dengan 2, tidak ada aksi yang dilakukan karena di dalam jendela terdapat ujung lengan objek. 3. Jika N lebih besar dari 7, tidak ada aksi yang dilakukan karena dapat menyebabkan pengikisan erosion objek. Gambar 2. 5 a Penghapusan pixel pinggir menyebabkan ketidakterhubungan, b penghapusan pixel pinggir memperpendek lengan objek, c notasi pixel yang digunakan untuk memeriksa keterhubungan. 4. Jika N lebih besar dari 2, periksa apakah penghilangan pixel tengah menyebabkan objek tidak terhubung. Ini dilakukan dengan membentuk barisan p1p2p3…p8p1. Jika jumlah peralihan 0 ® 1 di dalam barisan tersebut sama dengan 1, berarti hanya terdapat satu komponen terhubung di dalam jendela 3 X 3. Pada kasus ini, dibolehkan menghapus pixel tengah yang bernilai 1 karena penghapusan tersebut tidak mempengaruhi keterhubungan.

2.3 Ekstraksi Fitur

Ekstraksi fitur adalah proses pengukuran terhadap data yang telah dinormalisasi untuk membentuk sebuah nilai fitur. Nilai fitur digunakan oleh pengklasifikasi untuk mengenali unit masukan dengan unit target keluaran dan memudahkan pengklasifikasian karena nilai Universitas Sumatera Utara ini mudah untuk dibedakan Pradeep et. al, 2011. Secara luas, fitur adalah semua hasil pengukuran yang bisa diperoleh. Fitur juga bisa menggambarkan karakteristik objek yang dipantau Putra, 2009. Contoh dari fitur level rendah adalah intensitas sinyal. Fitur bisa berupa simbol, numerik atau keduanya. Contoh dari fitur simbol adalah warna. Contoh dari fitur numerik adalah berat. Fitur bisa diperoleh dengan mengaplikasikan algoritma pencari fitur pada data masukan. Fitur dapat dinyatakan dengan variabel kontinu, diskret atau diskret-biner. Fitur biner dapat digunakan untuk menyatakan ada tidaknya suatu fitur tertentu. Fitur yang baik memiliki syarat berikut, yaitu mudah dalam komputasi, memiliki tingkat keberhasilan yang tinggi dan besarnya data dapat diperkecil tanpa menghilangkan informasi penting Putra, 2009.

2.4 Diagonal Based Featured Extraction

Diagonal Based Feature Extraction adalah proses untuk mengenali karakter tulisan dengan metode offline di dalam pengerjaannya Pradeep, et.al, 2011. Setiap citra karakter berukuran 90 x 60 piksel kemudian dibagi menjadi 54 zona yang sama, dan masing – masing zona berukuran 10 x 10 piksel. Fitur yang akan di ekstraksi dari setiap zona piksel dengan bergerak secara diagonal dari tiap zona yang masing – masing berukuran 10 x 10 piksel. Setiap zona memiliki 19 garis diagonal dan foreground pixel yang ada disetiap baris diagonal dan dijumlahkan untuk mendapatkan sub-fitur tunggal. Kemudian, nilai dari 19 sub-fitur ini dibagi rata untuk mendapatkan satu nilai fitur dan ditempatkan di zona yang sesuai. Prosedur ini dilakukan berulang secara berurutan di semua zona. Apabila ada suatu zona yang garis diagonal nya bernilai kosong, maka nilai fitur yang sesuai dengan zona tersebut adalah 0. Untuk lebih jelas dapat dilihat seperti pada gambar 2.6. Universitas Sumatera Utara Gambar 2.6 Diagonal Based Featured Extraction Pradeep et al.2011 Algoritma diagonal based feature extraction Pradeep et al. 2011 : 1. Hitung histogram diagonal setiap zona. Histogram diagonal adalah banyaknya piksel hitam setiap diagonal pada satu zona. Setiap zona memiliki 19 nilai histogram diagonal yang disebut Histds, dimana 1 ≤ d ≤ 19. Secara jelas dapat dilihat pada gambar 2.7. Gambar 2.7 Histogram Diagonal Zona Pradeep et al. 2011 2. Hitung nilai fitur setiap zona, yaitu rata-rata histogram setiap zona, disebut Zn dimana 1 ≤ n ≤ 54. Universitas Sumatera Utara Zn = 19 3. Hitung rata-rata zona setiap baris, disebut Bi, dimana 1 ≤ i ≤ 9. Bi = 6 Baris 1 = Z1+Z2+Z3+Z4+Z5+Z6 6 Baris 2 = Z7+Z8+Z9+Z10+Z11+Z12 6 Baris 3 = Z13+Z14+Z15+Z16+Z17+Z18 6 Baris 4 = Z19+Z20+Z21+Z22+Z23+Z24 6 Baris 5 = Z25+Z26+Z27+Z28+Z29+Z30 6 Baris 6 = Z31+Z32+Z33+Z34+Z35+Z36 6 Baris 7 = Z37+Z38+Z39+Z40+Z41+Z42 6 Baris 8 = Z43+Z44+Z45+Z46+Z47+Z48 6 Baris 9 = Z49+Z50+Z51+Z52+Z53+Z56 6 4. Hitung rata-rata zona setiap kolom, disebut Kj, dimana 1 ≤ j ≤ 6 Kj = 9 Kolom 1 = Z1+Z7+Z13+Z19+Z25+Z31+Z37+Z43+Z49 9 Kolom 2 = Z2+Z8+Z14+Z20+Z26+Z32+Z38+Z44+Z50 9 Kolom 3 = Z3+Z9+Z15+Z21+Z27+Z33+Z39+Z45+Z51 9 Kolom 4 = Z4+Z10+Z16+Z22+Z28+Z34+Z40+Z46+Z52 9 Kolom 5 = Z5+Z11+Z17+Z23+Z29+Z35+Z41+Z47+Z53 9 Kolom 6 = Z6+Z12+Z18+Z24+Z30+Z36+Z42+Z48+Z54 9

2.5 Jaringan Syaraf Tiruan