BAB III ANALISA DAN PERANCANGAN

Transkripsi

1 BAB III ANALISA DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan yang paling awal dalam pembuatan sistem aplikasi ini. Analisis sistem dilakukan dengan tujuan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Algoritma Gray Level Co-occurrence Matric (GLCM) digunakan dalam berbagai penelitian untuk mengetahui karakteristik tekstur suatu benda melalui pemrosesan citra. Analisis tekstur yang digunakan adalah yang disarankan oleh Tomita melalui tiga tahap ti. Aplikasi yang dibuat adalah aplikasi yang akan mengklasifikasikan jenis sebuah kayu dengan menentukan persentase kemiripan dari tingkat kedua yaitu dengan menghitung Gray Level Co-Occurrence Matrix (GLCM) sehingga didapat ciri yang memiliki kemiripan paling besar. Ciri tekstur yang digunakan adalah Contract, Correlation, Entropy dan Hmogenity [13]..Perancangan Aplikasi Berdasarkan hasil analisis, maka untuk keperluan pembuatan aplikasi ini, penulis membuat sebuah rancangan yang berupa flowchart yang di bagi dalam beberapa proses pembuatan yaitu proses awal, proses Gray Level Co-occurrence Matrix (GLCM) dan proses keluaran (hasil nilai ciri tekstur citra) Proses Awal Citra berasal dari satu citra yang kemudian dipotong menjadi tigabelas citra dengan ukuran 10 x 10 piksel. Citra dibaca oleh aplikasi secara satu persatu sehingga diketahui ukuran citra dan nilai dari masing - masing citra. 23

2 24 Gambar 3.1 Flowchat baca citra

3 Proses Gray Level Co-occurrence Matrix (GLCM) Tahapan ini menerima ukuran citra dan nilai piksel citra yang kemudian diproses dengan metode Gray Level Co-occurrence Matrix (GLCM). Setelah di proses dengan metode GLCM, kemudian citra akan diproses secara matematis untuk mengetahui ciri tekstur dari citra tersebut, seperti homogeneity, contrast, correlation. Pada perhitungan metode GLCM didalamnya dilakukan beberapa proses yaitu : 1. Konversi citra masukan ke citra grayscale Konversi citra grayscale dilakukan dengan mengulang variabel i dan j dengan nilai 0 untuk pembatasan proses looping yang dilakukan proses. Proses deklarasi selanjutnya adalah dibuat array baru, dengan deklarasi array g[][] sebagai tempat hasil dari konversi citra ke dalam bentuk grayscale. Array f[][] dipanggil kembali untuk mendapatkan nilai RG untuk dihitung dengan cara seperti umumnya dengan dijumlahan lalu dibagi 3. Sehinga nilai yang didapat kedalam array g[][] adalah nilai baru. Flowcart dari proses konversi citra masukan ke citra grayscale ini dapat dilihat pada Gambar 3.2 Flowchar konversi ke grayscale di bawah ini.

4 26 start i=0, j=0, g[][]; New g [getwidht (a)] [getheight(a)] i<=getheight(a) j<=getwidth(a) R, G, B, Gr R.getRed(f[][]) G.getGreen(f[][]) B.getBlue(f[][]) Gr = (R+G+B) / 3 g[i][j] = Gr j++ i++ end Gambar 3.2 Flowchar konversi ke grayscale

5 27 2. Mencari nilai terkecil dan terbesar piksel citra Nilai citra grayscale g[][] dicari nilai piksel citra yang paling kecil dan nilai pikselyang paling besar yang ada dalam array g[][]. Pada tahap ini deklarasi variabel yang digunakan adalah min untuk nilai paling kecil dan max untuk nilai yang paling besar dari citra grayscale g[][] yang bernilai untuk nilai max dan 255 untuk nilai min sehingga didapat dilai terkecil dan terbesar dari citra. Flowcart dari pencariannilaiterkecil dan terbesar dari piksel citra dapat dilihat pada Gambar 3.3 Flowchat mencari nilai piksel terkecil dan terbesar di bawah ini.

6 28 start a, i=0, j =0, f[][] ; a = input image New f [getwidht(a)] [getheight(a)] i<=getheight(a) j<=getwidth(a) f[i][j] = getpixel (a) j++ i++ end Gambar 3.3 Flowchat mencari nilai piksel terkecil dan terbesar

7 29 3. Nilai ketetanggaan 0 derajat Variabel yang dibutuhkan yaitu i dan j untuk pembatasan looping dan dideklarasikan dengan nilai 0, selanjutnya yaitu x dan y yang dideklarasikan dengan nilai variabel min dari citra. Variabel terakhir yang diperlukan yaitu array mat_a[][] sebagai tempat dari martik framework. Proses pertama yaitu jika variabel x dan y <= nilai variabel max maka proses berjalan. Kemudian masuk kedalam looping kembali yaitu jika nilai i <= lebar citra maka masuk ke looping selanjutnya yaitu jika nilai j <= panjang-1 dari citra (panjang-1 dikarenakan untuk menghindari pembacaan citra melebihi dari batas array yang sudah dideskripsikan). Dalam proses looping utama jika nilai array g[i][j] = x dan g[i][j+1] = y sehingga jika persyaratan looping tersebut terpenuhi maka nilai dari array mat_a[][] terbentuk nilai baru dari ketetanggan 0 derajat. Flowcart untuk menentukan nilai ketetanggaan 0 derajat dapat dilihat pada Gambar 3.4 Flowchart mencari nilai ketetanggaan 0 o yang ada di bawah ini.

8 30 Gambar 3.4 Flowchart mencari nilai ketetanggaan 0 o

9 31 4. Menjumlah seluruh nilai matrik framework Nilai ketetanggaan yang telah didapat dijumlahkan untuk normalisasi. Deklarasi variabel yang dibutuhkan yaitu x, y dengan nilai masing-masing nilai dari variabel min dan variabel selanjutnya yang dibutuhkan yaitu count sebagai tempat dari hasil proses. Dalam proses looping setiap nilai mat_a[][] jika tidak menggunakan proses simetris atau diganti dengan mats[][] jika menggunakan proses simetris dijumlahkan semua dan hasil dari penjumahan tersebut dimasukan ke dalam variabel count. Flowcart untuk proses penjumlahan seluruh nilai matrik framwork dapat dilihat pada Gambar 3.5 Flowchart menjumlah nilai ketetanggaan yang sama yang ada di bawah ini.`

10 32 Gambar 3.5 Flowchart menjumlah nilai ketetanggaan yang sama

11 33 5. rmalisasi Pada proses ini nilai yang tersimpan pada mat_a/mats seluruhnya dibagi dengan jumlah mat_a/mats yang telah di proses diatas. Deklarasi variabel yang dibutuhkan dalam proses ini yaitu x, y = min dan array matc[][]. Setiap mata[][]/mats[][] dibagi dengan nilai count sehingga menjadi matrik baru yang di simpan pada matc[][]. Flowcart untuk proses rmalisasi dapat dilihat pada Gambar 3.6 Flowchart proses normalisasi pada gambar di bawah ini.

12 34 Gambar 3.6 Flowchart proses normalisasi

13 35 Setelah proses normalisasi akan menghasilkan nilai citra hasil ekstraksi dan disimpan pada matrik_c yang kemudian akan di proses selanjutnya untuk mendapatkan nilai ciri tekstur GLCM. Pada penulisan Tugas Akhir ini penulis memilih 4 ciri tekstur, yaitu Contrast, Correlation, Energy, ogeneity. 6. Contrast Contrast memiliki rumus matematika sebagai berikut :, C i,j adalah elemen matriks C. Matrix yang digunakan adalah matrix dari hasil pembacaan citra dan telah diubah menjadi matrix C. i untuk mempresentasikan baris sementara j adalah kolom dari matrix. Sigma adalah penjumlahan berulang dengan limit tertentu dimana dalam penulisan di atas limitnya berupa variable n, oleh karena itu digunakan looping. Pada proses perhitungan nilai ciri tekstur Contrast. Pada tahap ini deskripsi awal variabel yang dibutuhkan adalah x,y = min dan variabel ConCount sebagai tempat nilai hasil dari proses. Kemudian masuk kedalam rumus Contrast. Setelah itu nilai dari hasil disimpan pada ConCount. Flowcart proses contrast dapat dilihat pada Gambar 3.7 Flowchart nilai ciri Contrast di bawah ini.

14 36 Gambar 3.7 Flowchart nilai ciri Contrast

15 37 7. Correlation Pada proses perhitungan nilai ciri tekstur Correlation. Pada tahap ini deskripsi awal variabel yang dibutuhkan adalah x,y = min, variabel CorCount sebagai tempat nilai hasil dari proses, mtemp sebagai tempat preproses perhitungan correlation yaitu jumlah keseluruhan dari matc[][] dan m sebagai preproses juga untuk menghitung rata-rata dari matc[][]. Kemudian masuk ke dalam rumus Correlation. Flowcart

16 38 Gambar 3.8 Flowchart nilai ciri Correlation

17 39 8. Energy Pada tahap ini deskripsi awal variabel yang dibutuhkan adalah x,y = min, variabel EnCount sebagai tempat nilai hasil dari proses. Kemudian masuk kedalam rumus Energy. Gambar 3.7 Flowchart nilai ciri Energy di bawah ini. Gambar 3.9 Flowchart nilai ciri Energy

18 40 9. ogeneity Pada tahap ini deskripsi awal variabel yang dibutuhkan adalah x,y = min, variabel Count sebagai tempat nilai hasil dari proses. Kemudian masuk kedalam rumus ogeneity. Flowcart dari proses ogeneity dapat dilihat pada Gambar 3.10 di bawah ini.

19 41 Gambar 3.10 Flowchart nilai ciri ogeneity

20 Proses Identifikasi kemiripan Citra Pada tahap ini, nilai GLCM yang dihitung bukan hanya berasal dari satu citra saja melaikan dari 13 citra masukan yang dipilih. 5 citra pertama dalah citra pembanding sedang 8 adalah citra uji. Perhitungan nilai tekstur dari GLCM dilakukan secara berulang dari citra satu sampai citra ke 13. Tabel 3.1 Array f[][] yang akan di buat Cor1 Cor2 Cor3 Cor4 Cor5 Cor6 Cor8 Cor9 Cor10 Cor11 Cor12 Cor13 Cor14 Con1 Con2 Con3 Con4 Con5 Con6 Con8 Con9 Con10 Con11 Con12 Con13 Con14 En1 En2 En3 En4 En5 En7 En8 En9 En10 En11 En12 En13 En Hasil perhitungan tekstur 5 citra pertama dijadikan citra pembanding dengan mengolahanya dalam proses statistik dengan menghitung rata rata ke empat nilai tekstur kemudian melakukan perhitungan nilai min dan nilai max dari keempat nilai tekstur yang ada. Tabel 3.2 Array g[][] yang merupakan mean dari array f[] Cor1 Cor2 Cor3 Cor4 Cor5 Con1 Con2 Con3 Con4 Con5 En1 En2 En3 En4 En Tabel 3.3 Array h[][] nilai rentang nilai min dan max Cor5 Cor5 Con5 Con5 En5 En5 5 5

21 43 Aplikasi bertujuan untuk membandingkan citra kayu jati sehingga mampu untuk membedakan jenis kayu jati. Aplikasi bertujuan untuk membuat data base sebagai bahan pemanding kayu jati, meskipun dalam hal ini aplikasi belum memiliki data base untuk itu namun telah mewakili layanan interface dari aplikasi yang ingin dicapai. Proses perhitungan dapat dilihat pada Gambar 3. Flowchart proses identifikasi citra di bawah ini. Bagian abu abu adalah proses GLCM berlangsung.

22 44 start Input image Energy GLCM Contrast Corelation homogenity F[x+1][y] For f [x][y], y=y+4 ->x=x+1 G[][]= average f[1][y] :f[5][y] For y 1:5 H[x][y] = g[a][b] - f[x][y] For x = 1:5, y 1:4 For a=1 b=1:4 i[][]=average h[1][y] :f[5][y] For y 1:5 J[1][y]=i[x][y] - g[x][y] J[2][y]=i[x][y] - g[x][y] K[x][y] = f[x][y] ->1 if j[1][y] <=f[x][y] <=j[2][y] L[x][y] = (k[x++][y]/length k[x] )*100% Print j[1][y], j[2][y] Print L[x][y] Gambar 3.11 Flowchart proses identifikasi citra end

23 Proses Keluaran Tahapan terakhir yaitu menampilkan rentang nilai dari 4 nilai ciri tekstur serta persentase ciri kemiripan citra yang telah di buat diatas yang memproses nilai hasil perhitungan Gray Level Co-occurrence Matrix (GLCM). Pada proses ini aplikasi memanggil variabel rentang dan juga presentase untuk dijadikan keluaran pada aplikasi. Pada aplikasi ini aplikasi berupa presentase dari masing masing ciri saja, tujuan akhir dari pembangunan aplikasi ini adalah untuk membuat aplikasi yang akan memberikan keluaran pernyataan jenis kayu jati.