23 BAB III METODE PENELITIAN 3.1. Tahapan Penelitian Tahapan proses penelitian ditunjukkan pada Gambar 15 berikut. Mulai 96 citra stomata Ekstraksi fitur - RGB & Skala Keabuan Ekstraksi fitur - Wavelet 9 fitur w-entropi k-fold cross validation k-fold cross validation Data Pelatihan Data Pengujian Data Pelatihan Data Pengujian Klasifikasi 1. K-NN 2. JST Analisis Akurasi Klasifikasi 1. K-NN 2. JST Perbandingan akurasi Selesai Gambar 15 Tahapan proses penelitian.
24 3.2. Data Citra Anatomi Stomata Data yang digunakan pada penelitian ini adalah data citra anatomi stomata jenis Freycinetia, yaitu F. angustifolia, F. imbricata, F. javanica, F. sumatrana (Pasaribu 2010), citra stomata diakuisisi menggunakan mikroskop digital (Mikroskop Nikon. AFX II-A). Data citra berjumlah 96 buah yang berasal dari empat jenis Freycinetia. Masing-masing jenis mempunyai 24 buah citra anatomi stomata. Dimensi citra adalah 640 x 480 piksel dengan format jpg. Dat a dari masing-masing jenis dibagi menjadi dua bagian, 20 buah untuk data latih dan 4 buah untuk data uji. 3.3. Ekstraksi fitur Ekstraksi fitur bertujuan untuk mendapatkan fitur dari citra, terdapat dua teknik untuk ekstraksi fitur. Pertama adalah pengambilan fitur red (R), green (G), dan blue (B) pada citra warna dan pada citra grayscale diambil fitur level keabuan, standar deviasi, dan empat fitur yang dikenal dengan analisis tekstur (entropi, energi, kontras, homogenitas). Kedua adalah pengambilan fitur pada citra grayscale dengan teknik dekomposisi wavelet pada level satu (4 fitur), level dua (7 fitur), level tiga (10 fitur), dan level empat (13 fitur). Proses ekstraksi fitur menggunakan program Matlab 2008. 3.3.1. RGB dan Analisis Tekstur Ekstraksi fitur pada teknik ini menghasilkan 9 fitur terdiri atas 3 fitur dari citra warna dan 6 fitur dari citra grayscale. Fitur citra warna dibagi menjadi indeks warna merah (R), indeks warna hijau (G), dan indeks warna biru (B). Fitur RGB dihasilkan dengan menghitung nilai rata -rata piksel R,G,B dari citra warna. Fitur pada citra grayscale dihasilkan dengan menghitung komponen pada analisis tekstur menggunakan persamaan (4) hingga persamaan (7), level keabuan dihitung dengan selisih nilai piksel maksimal dan minimal dibagi dengan dua, terakhir dihitung standar deviasi dari citra grayscale. Proses ekstraksi fitur RGB dan analisis tekstur ditunjukkan pada Gambar 16.
26 Proses dekomposisi wavelet terdiri atas empat level, sebagai berikut : a. Proses dekomposisi wavelet level satu Proses ini akan menghasilkan empat buah subband, yaitu : 1. Koefisien Approksimasi (subband LL 1 ) 2. Koefisien Detail Horisontal (subband HL 1 ) 3. Koefisien Detail Vertikal (subband LH 1 ) 4. Koefisien Detail Diagonal (subband HH 1 ) masing-masing subband akan diambil nilai. Hasil dekomposisi wavelet level satu akan menghasilkan empat nilai seperti ditunjukkan pada Gambar 18. Gambar 18 Ilustrasi pembentukan nilai pada dekomposisi wavelet level satu. b. Proses dekomposisi wavelet level dua Proses ini akan menghasilkan tujuh buah subband, terdiri atas empat buah subband hasil dekomposisi koefisien approksimasi pada level satu, yaitu : 1. Koefisien Approksimasi (subband LL 2 ) 2. Koefisien Detail Horisontal (subband HL 2 ) 3. Koefisien Detail Vertikal (subband LH 2 ) 4. Koefisien Detail Diagonal (subband HH 2 ) dan tiga buah subband hasil dari proses dekomposisi level satu, yaitu nilai koefisien detail horisontal (HL 1 ), vertikal (LH 1 ), dan diagonal (HH 1 ), selanjutnya masing-masing subband akan diambil nilai seperti ditunjukkan pada Gambar 19.
27 Gambar 19 Ilustrasi pembentukan nilai pada dekomposisi wavelet level dua. c. Proses dekomposisi level tiga Proses dekomposisi level tiga dilakukan sama seperti dekomposisi wavelet level satu dan dua. Jumlah subband yang dihasilkan pada dekomposisi level tiga sebanyak 10 buah, terdiri atas empat subband hasil dekomposisi koefisien approksimasi pada level dua, yaitu : 1. Koefisien Approksimasi (subband LL 3 ) 2. Koefisien Detail Horisontal (subband HL 3 ) 3. Koefisien Detail Vertikal (subband LH 3 ) 4. Koefisien Detail Diagonal (subband HH 3 ) dan tiga buah subband hasil dari proses dekomposisi level dua, yaitu nilai koefisien detail horisontal (HL 2 ), vertikal (LH 2 ), dan diagonal (HH 2 ), serta tiga buah subband hasil dari proses dekomposisi level satu, yaitu nilai koefisien detail horisontal (HL 1 ), vertikal (LH 1 ), dan diagonal (HH 1 ), selanjutnya masing-masing subband akan diambil nilai. Dekomposisi level ini menghasilkan 10 fitur seperti ditunjukkan pada Gambar 20. LL 3 LH 3 LH 2 HL 3 HH 3 HL 2 HH 2 HL 1 LH 1 HH 1 Gambar 20 Ilustrasi nilai pada dekomposisi wavelet level tiga.
28 d. Proses dekomposisi wavelet level empat Proses ini berhubungan dengan proses dekomposisi pada level -level sebelumnya. Jumlah subband pada proses ini sebanyak 13 subband, terdiri atas empat subband (LL 4, HL 4, LH 4, HH 4 ) hasil dekomposisi koefisien approksimasi pada level tiga, sembilan subband hasil koefisien detail horizontal, vertikal, dan diagonal pada level tiga (HL 3, LH 3, HH 3 ), level dua (HL 2, LH 2, HH 2 ), dan level satu (HL 1, LH 1, HH 1 ). Setiap subband akan diambil nilai. Dekomposisi level empat menghasilkan 13 fitur seperti ditunjukkan pada Gambar 21. w- entropy LL 4 w- entropy LH 4 LH 3 w- entropy HL 4 w- entropy HH 4 HL 3 HH 3 HL 2 HL 1 LH 2 HH 2 LH 1 HH 1 Gambar 21 Ilustrasi nilai pada dekomposisi wavelet level empat. 3.4. Data Latih dan Data Uji Citra stomata berjumlah 96 data terbagi atas 2 bagian, yaitu data latih (80 data) dan data uji (16 data). Data dikelompokan menggunakan 6-fold crosvalidation berdasarkan data setiap jenis, yaitu 24 buah citra. Data dibagi menjadi 6 bagian data uji, yaitu citra 1-4, citra 5-8, citra 9-12, citra 13-16, citra 17-20, dan citra 21 24. Pengelompokan detail 6-fold cros-validation ditunjukkan pada Gambar 22.
30 3.7. Alat dan Bahan Penelitian Alat dan bahan yang digunakan dalam penelitian ini adalah sebagai berikut : a. Software - Sistem Operasi : MS Window XP Profesional Version 2002 SP2 - Pemograman : Matlab 2008, Microsoft Office Excel 2007 b. Hardware - Processor Intel (R) Core TM i3 - Memori DDR 2 - RAM 2,99 GB 3.8. Waktu dan Tempat Penelitian Penelitian dilaksanakan di laboratorium Computational Intelegence (CI) Pascasarjana Departemen Ilmu Komputer IPB mulai Februari 2011 sampai dengan Februari 2012.