ANALISIS TEKSTUR MENGGUNAKAN METODE RUN LENGTH

Indriani, Mita and Santoso, Imam and Christiyono, Yuli (2011) ANALISIS TEKSTUR MENGGUNAKAN METODE RUN LENGTH. Undergraduate thesis, University Diponegoro.

[img]
Preview
PDF - Published Version
1328Kb

Abstract

Seiring dengan berkembangnya teknologi pengolahan citra digital, manusia mengiginkan agar mesin, dalam hal ini adalah komputer, dapat mengenali citra seperti layaknya penglihatan manusia. Salah satu cara untuk mengenali citra adalah dengan membedakan tekstur citra tersebut, sehingga citra rumput dan citra jerami dapat dibedakan dengan mudah. Tekstur citra dapat dibedakan oleh kerapatan, keseragaman, keteraturan, kekasaran, dan lain-lain. Karena komputer tidak dapat membedakan tekstur seperti halnya pengelihatan manusia, maka digunakan analisis tekstur untuk mengetahui pola suatu citra digital. Analisis tekstur akan menghasilkan nilai dari ciri atau karakteristik tekstur yang kemudian dapat dioleh oleh komputer untuk proses klasifikasi. Salah satu metode analisis tekstur yang dapat digunakan adalah metode run length. Metode ini mengenali banyaknya run pada suatu pixel dengan level intensitas sama yang berurutan dalam satu arah tertentu. Ciri tekstur dapat diperoleh dari SRE (Short Run Emphasis), LRE (Long Run Emphasis), GRU (Grey Level Uniformity), RLU (Run Length Uniformity), dan RPC (Run Percentage). Pada program simulasi dengan menggunakan bahasa pemrograman Matlab, hasil analisis tekstur yang berupa lima ciri tersebut kemudian digunakan untuk klasifikasi dengan menggunakan metode LDA (Linear Discriminant Analysis) dan k-NN (k- Nearest Neighbor). Dari hasil penelitian diketahui bahwa metode run length ini digunakan untuk membedakan tekstur halus dan tekstur kasar. Tekstur halus akan menghasilkan nilai SRE, RLU, dan RPC yang besar dan nilai LRE kecil. Sebaliknya tekstur kasar akan menghasilkan nilai LRE besar namun nilai SRE, RLU, dan RPC yang kecil. Setelah dilakukan klasifikasi dengan metode LDA dan k- NN dengan k=1, 3, 5, dan 7, diperoleh hasil klasifikasi terbaik menggunakan metode k-NN untuk k=1 dengan tingkat kesalahan klasifikasi sebesar 0%. Kata kunci: tekstur, analisis tekstur, run length, klasifikasi, LDA, k-NN.**

Item Type:Thesis (Undergraduate)
Subjects:T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:Faculty of Engineering > Department of Electrical Engineering
Faculty of Engineering > Department of Electrical Engineering
ID Code:25222
Deposited By:Mr. Sudjadi Pranoto
Deposited On:07 Jan 2011 20:10
Last Modified:07 Jan 2011 20:10

Repository Staff Only: item control page