ANALISIS TEKSTUR PARKET KAYU JATI BERDASARKAN PENGGABUNGAN FITUR EKSTRAKSI METODE STATISTIKAL GLDM DAN COLOR PERCENTILE ARUM AGESTI APRILIA 50407164.

Presentasi berjudul: "ANALISIS TEKSTUR PARKET KAYU JATI BERDASARKAN PENGGABUNGAN FITUR EKSTRAKSI METODE STATISTIKAL GLDM DAN COLOR PERCENTILE ARUM AGESTI APRILIA 50407164."— Transcript presentasi:

1 ANALISIS TEKSTUR PARKET KAYU JATI BERDASARKAN PENGGABUNGAN FITUR EKSTRAKSI METODE STATISTIKAL GLDM DAN COLOR PERCENTILE ARUM AGESTI APRILIA

2 Latar Belakang Masalah
Dalam industri parket kayu jati menggunakan tenaga manusia  belum akurat  perlu otomatisasi pengklasifikasian. Analisa tekstur  klasifikasi tekstur parket kayu jati. Banyak penelitian menggunakan ekstraksi fitur dengan cara menggabungkan antara analisa tekstur dan warna.

3 Rumusan Masalah Bagaimana melakukan analisa tekstur pada citra parket kayu jati yang telah diregionisasi dengan metode statistikal GLDM dan metode color percentile?

4 Pembatasan Masalah Ekstraksi Fitur:
- Metode statistikal grey level difference method - Metode color percentile. Setiap citra akan dibagi menjadi 8x8 sub-citra. Data citra parket terdiri dari 3 kelas, A (tekstur bergaris), B (tekstur menyerupai huruf U), dan C (tekstur cacat tidak melebihi 20 persen) dengan total 60 data.

5 Tujuan Penelitian Menganalisis parket kayu jati dengan penggabungan hasil ekstraksi fitur metode statistikal GLDM dan hasil ektraksi fitur warna dengan color percentile.

6 Parket Kayu Jati Parket Kayu Jati Kelas B Parket Kayu Jati Kelas C
Parket Kayu Jati Kelas A

7 Grey Level Difference Method
Pada GLDM, perbedaan mutlak dihitung antara sepasang derajat keabuan yang terpisah oleh jarak tertentu dengan arah tertentu. Pergeseran: empat arah  0°,45°,90°,135° jarak (δ)=1,2,...... Ciri tekstural: Contrast, Angular Second Moment (ASM), Entropy, Inverse Difference Moment (IDM), dan Mean.

8 Grey Level Difference Method
Nama Rumus Fungsi Contrast CON = Σ [ i2x P( g(i|δ,Ө) ) ] Menunjukkan ukuran penyebaran (momen inersia) elemen-elemen matriks citra. Angular Second Moment ASM = Σ [ P( g(i|δ,Ө) 2) ] Menunjukkan ukuran sifat homogenitas citra. Entropy ENT = - Σ [ P( g(i|δ,Ө)) x log2 { P( g(i|δ,Ө) )}] Menunjukkan ukuran ketidakteraturan bentuk. Inverse Difference Moment IDM = Σ [ P( g(i|δ,Ө) ) / (i2+ 1) ] Menunjukkan kehomogenan citra yang berderajat keabuan sejenis. Mean MEAN = Σ [ i x P( g(i|δ,Ө) ) ] Menunjukkan ukuran dispersi dari suatu citra. Keterangan:  i  selisih antara sepasang derajat keabuan  δ  jarak pergeseran  P  probabilitas  Ө  arah pergeseran  g(i|δ,Ө)  estimasi probability density function

9 Region-GLDM con asm ent idm mean Ada 4 arah pergeseran GLDM GLDM Satu blok sub-citra menghasilkan: 20 5 GLDM Sudut 0 GLDM Sudut 45 GLDM Sudut 90 GLDM Sudut 135 Satu citra menghasilkan: 1280 Citra Parket Kayu Jati 20 GLDM 1-1 GLDM 8-8

10 Bagan Alir Region-GLDM

11 Bagan Alir Tahap Analisa GLDM

12 Script Region-GLDM Nilai pembagi untuk kolom dan baris
nRows = 8; nCols = 8; img = imread(‘*.jpg'); figure, imshow(img); [row col] = size(img) stepRow = floor(row/nRows) stepCol = floor(col/nCols) fea = []; for i=1:nRows awalRow = ((i-1)*stepRow)+1 akhirRow = (i*stepRow) for j=1:nCols awalCol = ((j-1)*stepCol)+1 akhirCol = (j*stepCol) x = img(awalRow:akhirRow, awalCol:akhirCol); x=double(x); [contrast,asm,entropy,idm,mean]=sudut0(i,j,x); sudut_0=[contrast,asm,entropy,idm,mean]; fea = [fea sudut_0]; % figure, imshow(x); end Nilai pembagi untuk kolom dan baris Mengambil nilai matriks untuk kolom dan baris Menghitung nilai matriks kolom dan baris untuk setiap sub-citra. Melakukan regionisasi atau pembagian sub-citra. Menyimpan setiap sub-citra ke dalam variabel penampung Memanggil fungsi analisa GLDM. Menyimpan hasil analisa.

13 Color Percentile Fitur persentil warna dihitung dari saluran warna histogram Ck(x), yang merupakan jumlah dari histogram yang telah dinormalisasi p(i) dari saluran warna k untuk semua nilai yang lebih kecil atau sama dengan x. Didefinisikan:

14 Color Percentile Persentil memiliki nilai real antara 0 sampai 100.
Fitur persentil bersifat sensitif untuk perubahan intensitas  mengukur nilai langsung dari saluran warna. Kondisi pencahayaan normal  nilai-nilai intensitas menyimpan banyak informasi berguna. Perbedaan antara persentil dalam setiap saluran warna yang berbeda dapat dihitung.

15 Region-Color Percentile
X0.1 X0.3 X0.5 X0.7 X0.9 Ada 3 saluran warna (rgb) CP CP Satu blok sub-citra menghasilkan: 15 5 CP (red) CP (green) CP (blue) Satu citra menghasilkan: 960 Citra Parket Kayu Jati 15 CP 1-1 CP 8-8

16 Bagan Alir Program Region-Color Percentile

17 Bagan Alir Tahap Analisa Color Percentile

18 Script Region-Color Percentile
nRows = 8; nCols = 8; img = imread(‘*.jpg'); figure, imshow(img); [row col dep] = size(img) stepRow = floor(row/nRows) stepCol = floor(col/nCols) fea = []; for i=1:nRows awalRow = ((i-1)*stepRow)+1 akhirRow = (i*stepRow) for j=1:nCols awalCol = ((j-1)*stepCol)+1 akhirCol = (j*stepCol) x = img(awalRow:akhirRow, awalCol:akhirCol, 1:dep); p=100*(0.1:0.20:1); I=x(:,1); y=prctile(I,p); yR=y; fea = [fea yR]; %figure, imshow(x); end Nilai pembagi untuk kolom dan baris Mengambil nilai matriks untuk kolom dan baris Menghitung nilai matriks kolom dan baris untuk setiap sub-citra. Melakukan regionisasi atau pembagian sub-citra. Menyimpan setiap sub-citra ke dalam variabel penampung Melakukan analisa color percentile Menyimpan hasil analisa.

19 Menyatukan GLDM dan Color Percentile
Citra Parket Kayu Jati 1280 GLDM 1-1 GLDM 8-8 Analisa GLDM 960 CP 1-1 CP 8-8 Analisa CP Analisa GLDM + Analisa CP : GLDM 1-1 GLDM 8-8 CP 1-1 CP 8-8

20 Hasil Analisa Fitur Tekstural Contrast

21 Hasil Analisa Fitur Tekstural Angular Second Moment

22 Hasil Analisa Fitur Tekstural Entropy

23 Hasil Analisa Fitur Tekstural Inverse Difference Moment

24 Hasil Analisa Fitur Tekstural Mean

25 Hasil Analisa Fitur Persentil 10

26 Hasil Analisa Fitur Persentil 30

27 Hasil Analisa Fitur Persentil 50

28 Hasil Analisa Fitur Persentil 70

29 Hasil Analisa Fitur Persentil 90

30 Hasil Analisa Pengujian Metode GLDM
Berdasarkan hasil analisa fitur tekstural contrast memiliki kemungkinan yang bagus untuk dijadikan fitur pada analisa tekstur parket kayu jati. Hal ini bisa dilihat dari perhitungan nilai mean dan standar deviasi.

31 Hasil Analisa Pengujian Metode Color Percentile
Berdasarkan nilai mean dan standar deviasi tidak ditemukan selisih nilai yang besar untuk setiap kelas. Hal ini mungkin disebabkan nilai persentil dari tiap data memiliki nilai yang identik.

32 Kesimpulan Analisa fitur  metode statistikal GLDM dan metode color percentile. Analisa tekstur  citra yang telah mengalami proses regionisasi. Citra berformat *.jpg atau *.bmp. Fitur tekstural GLDM  Contrast, Angular Second Moment (ASM), Entropy, Inverse Difference Moment (IDM), dan Mean. Fitur color percentile  persentil 10, persentil 30, persentil 50, persentil 70, dan persentil 90 Berdasarkan perhitungan nilai mean dan standar deviasi: GLDM  Contrast Color Percentile  tidak dapat disimpulkan karena semua nilai kemungkinan bersifat identik.