GLRLM

24
1. Judul Sitem Perolehan Citra Berbasis Isi Menggunakan Gray Level Run Leght Matrix Berdasarkan Ciri Tekstur pada Pola Batik 2. Abstrak Batik adalah kerajinan yang memiliki nilai seni tinggi dan telah menjadi bagian dari budaya Indonesia (khususnya Jawa) sejak lama. Batik di Indonesia mempunyai beragam jenis tekstur batik, warna batik, dan pola batik yang mencerminkan asal usul daerah dari batik tersebut. Dalam perkembangan zaman sekarang pola dan tekstur batik mengalami kemajuan yang pesat sehingga muncul beraneka ragam batik yang memiliki tekstur baru ataupun tekstur batik lama di padu padankan dengan tekstur batik sekarang sehingga mendapat pola tekstur batik yang baru. Usulan tugas akhir ini akan membuat suatu Sistem Perolehan Citra Berbasis Isi (SPCI) dengan ciri tekstur. SPCI merupakan metode atau teknik pencarian gambar citra yang mirip ( similar ) dengan melakukan perbandingan antara citra query dengan citra yang ada dalam basis data. Karakteristik batik yang membedakan dari masing- masing daerah dapat dilakukan dengan mengekstraksi fitur tekstur batik tersebut. SPCI ini ada dua tahapan, tahap pertama menghitung ekstraksi fitur pada gambar batik menggunakan Gray Level Run Leght Matrix untuk menghasilkan pola tekstur batik, tahap kedua menghitung jarak kemiripan menggunakan Euclidean distance yaitu semakin rendah nilai jarak suatu citra maka akan semakin tinggi tingkat kemiripannya.Usulan Tugas Akhir ini dilakukan uji coba dari 200 gambar batik dalam basis data yang akan dibagi menjadi 8 kelas yaitu Sumenep, Sampang, Pamekasan, Bangkalan, Jogja, Bali, Solo dan Pekalongan untuk dilakukan ekstraksi fitur menggunakan Gray Level Run leght Matrix dan menghitung kemiripan menggunakan Euclidean distance. Hasil yang diperoleh diharapkan memiliki 1

Transcript of GLRLM

Page 1: GLRLM

1. Judul

Sitem Perolehan Citra Berbasis Isi Menggunakan Gray Level Run Leght

Matrix Berdasarkan Ciri Tekstur pada Pola Batik

2. Abstrak

Batik adalah kerajinan yang memiliki nilai seni tinggi dan telah menjadi bagian dari budaya Indonesia (khususnya Jawa) sejak lama. Batik di Indonesia mempunyai beragam jenis tekstur batik, warna batik, dan pola batik yang mencerminkan asal usul daerah dari batik tersebut. Dalam perkembangan zaman sekarang pola dan tekstur batik mengalami kemajuan yang pesat sehingga muncul beraneka ragam batik yang memiliki tekstur baru ataupun tekstur batik lama di padu padankan dengan tekstur batik sekarang sehingga mendapat pola tekstur batik yang baru. Usulan tugas akhir ini akan membuat suatu Sistem Perolehan Citra Berbasis Isi (SPCI) dengan ciri tekstur. SPCI merupakan metode atau teknik pencarian gambar citra yang mirip (similar) dengan melakukan perbandingan antara citra query dengan citra yang ada dalam basis data. Karakteristik batik yang membedakan dari masing- masing daerah dapat dilakukan dengan mengekstraksi fitur tekstur batik tersebut. SPCI ini ada dua tahapan, tahap pertama menghitung ekstraksi fitur pada gambar batik menggunakan Gray Level Run Leght Matrix untuk menghasilkan pola tekstur batik, tahap kedua menghitung jarak kemiripan menggunakan Euclidean distance yaitu semakin rendah nilai jarak suatu citra maka akan semakin tinggi tingkat kemiripannya.Usulan Tugas Akhir ini dilakukan uji coba dari 200 gambar batik dalam basis data yang akan dibagi menjadi 8 kelas yaitu Sumenep, Sampang, Pamekasan, Bangkalan, Jogja, Bali, Solo dan Pekalongan untuk dilakukan ekstraksi fitur menggunakan Gray Level Run leght Matrix dan menghitung kemiripan menggunakan Euclidean distance. Hasil yang diperoleh diharapkan memiliki kemiripan yang cukup tinggi sesuai citra query yang diinginkan.

Kata kunci : Sistem Perolehan Citra Berbasis Isi (SPCI), batik, tekstur, Gray

Level Run Leght Matrix.

1

Page 2: GLRLM

3. Latar Belakang

Penggunaan basis data citra saat ini sangat banyak dilakukan. Seiring

dengan terus berkembangnya ukuran dari basis data citra, metode tradisional yang

biasa digunakan dalam pencarian citra sudah tidak mungkin lagi digunakan.

misalnya pencarian citra dengan kata kunci, kadang kata kunci (teks) yang kita

masukkan tidak sesuai dengan citra yang kita harapkan sehingga dengan

memberikan kata kunci saja tidak cukup, harus dikembangkan metode lain untuk

menemukan citra sebagai pengganti atau ditambahkan pada sistem kata kunci.

Oleh karena itu, dikembangkan suatu metode baru yaitu Sistem Perolehan Citra

Berbasis Isi (SPCI). [1]

SPCI merupakan teknologi pencarian citra dengan membandingkan citra

yang ada pada citra query dengan yang ada pada basis data citra. SPCI dilakukan

dengan membandingkan nilai jarak citra query dengan citra pada basis data

(image distance measure). Pengukuran nilai jarak citra dapat dikelompokkan

dengan tiga kelas utama yaitu kemiripan warna, kemiripan bentuk dan kemiripan

tekstur.[1]

Dalam usulan Tugas Akhir ini akan dikembangkan SPCI berdasarkan

kemiripan tekstur batik yang memiliki keunikan dan mempunyai ciri khas

tersendiri dari masing-masing batik. Metode yang akan digunakan adalah Gray

Level Run Leght Matrix dan pengukuran kemiripan sehingga menghasilkan pola

tekstur batik yang kita inginkan. Tekstur telah menjadi salah satu ciri yang paling

penting untuk menggolongkan, mengenali, dan mencari gambar. Tekstur

menggambarkan sifat dari permukaan obyek dalam suatu citra. Oleh karena itu,

diharapkan metode yang digunakan akan mendapat hasil yang cukup tinggi dari

proses pencocokan.

2

Page 3: GLRLM

4. Rumusan Masalah

Dari latar belakang tersebut, dapat dirumuskan beberapa permasalahan,

diantaranya adalah:

1. Bagaimana menentukan fitur tekstur batik dalam SPCI dengan

menggunakan metode Gray Level Run Leght Matrix Method.

2. Bagaimana bisa mendapatkan pencocokan kemiripan citra query

dengan citra yang ada dalam basis data dengan menggunakan

Euclidean Distance.

5. Tujuan

Tujuan penelitian yang akan dicapai dari usulan Tugas Akhir ini adalah:

1. Untuk menentukan fitur tekstur batik dalam SPCI dengan

mendapatkan atribut-atribut dari metode statistikal Gray Level Run

Leght Matrix (GLRLM), yaitu Short Run Emphasis (SRE), Long Run

Emphasis (LRE), Entropy, Grey level Uniformity (GLU), Run Length

Uniformity (RLU) dan Run Precentage (RPC).

2. Untuk membuktikan pencocokan antara citra query dan citra yang ada

dalam basis data dengan menggunakan metode Euclidean Distance

sesuai keinginan user.

6. Batasan Masalah

Agar tidak menyimpang jauh dari permasalahan, maka Tugas Akhir ini

membatasi masalah sebagai berikut:

1. Data masukan yang menjadi objek adalah beberapa citra batik dari 8

kelas, yaitu: Sumenep, Cirebon, Pamekasan, Bangkalan, Jogja, Bali,

Solo dan Pekalongan.

2. Terdapat 200 gambar yang ada di dalam basis data.

3. Citra query dan citra basis data yang digunakan berupa citra tekstur

batik dengan format Bitmap (BMP)

4. Ukuran citra 200x200 dengan citra masukan berwarna.

3

Page 4: GLRLM

5. Fitur yang digunakan fitur tekstur.

7. Tinjauan Pustaka

7.1 Penelitian Sebelumnya

Pada penelitian sebelumnya adalah analisa kayu parket dengan metode

statistikal grey level run leght matrix yang diteliti oleh Diah Ayu Septiana.

Penelitian ini bertujuan untuk mengenali beberapa jenis parket kayu yang berbeda

mempunyai tekstur yang berbeda. Dalam analisa data parket kayu dibagi kedalam

delapan jenis kayu Angus, Hevea, Kempas, Mahogany, Mindi, Oceanbangkirai,

Palisander dan Teak[2]

Farhatulailla melakukan penelitian yang berjudul Sistem Perolehan Citra

Berbasis Isi dengan citra batik menggunakan gray level co-occurence matrix

(glcm). Penelitian ini menggunakan metode ekstraksi fitur GLCM dan klasifikasi

yang digunakan Euclidean Distance. [3]

Sani Muhammad Isa dan Elsagray Juwita, 2007 melakukan penelitian yang

berjudul Aplikasi Image Retrieval Berdasarkan Tekstur Dengan Menggunakan

Transformasi Haar Wavelet. Penelitian ini menggunakan metode transformasi

Haar Wavelet sedangkan proses jarak kemiripan menggunakan Euclidean

distance. Metode ini sangat tepat untuk proses aplikasi image retrieval.[4]

Pada Tugas Akhir ini mengembangkan sedikit dari penelitian sebelumnya

yaitu merancang Sistem Perolehan Citra Berbasis Isi (SPCI) dengan gambar batik

menggunakan menggunakan Gray Level Run Leght Matrix berdasarkan ciri

tekstur. Metode yang digunakan menggunakan metode Gray Level Run Leght

Matrix sedangkan pencocokan jarak kemiripannya menggunakan metode

Euclidean Distance. Citra yang dimasukkan mempunyai ukuran citra 200x200

piksel, berupa gambar asli yang nantinya akan melakukan proses keabuan

(grayscale) demikian juga dengan citra yang ada dalam basis data.

4

Page 5: GLRLM

7.2 Pengolahan Citra

Definisi Citra adalah representasi informasi 2 dimensi yang diciptakan atau

dibuat dengan melihat atau lebih tepatnya merasakan sebuah objek. Secara

matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada bidang

2D. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari

berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik.

Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak

melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan

informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara

umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer.

Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua

data dua dimensi. [3]

7.3 Sistem Perolehan Citra Berbasis Isi (SPCI)

Pada tahun 1970an penelitian awal image retrieval dilakukan dengan

menggunakan pendekatan pengindeksan dan informasi gambar berbasis teks.

Teknik pencarian berbasis teks menjadi tidak praktis karena dua alasan, yaitu:

ukuran basis data gambar yang besar dan subyektif dalam mengartikan gambar

dengan teks. Kata kunci yang dikodekan orang terbatas pada beberapa istilah yang

dihasilkan untuk masing-masing referensi gambar. [5]

Untuk menghindari teknik tersebut, maka pada tahun 1990an image

retrieval dikembangkan lagi menggunakan pendekatan gambar yaitu teknik untuk

mencari gambar yang mempunyai kemiripan dengan kriteria gambar dari

sekumpulan gambar. Proses secara umum dari image retrieval adalah gambar

yang menjadi query dilakukan proses ekstraksi, demikian halnya dengan gambar

yang berada pada sekumpulan gambar juga dilakukan proses seperti gambar

query.[5]

Beberapa gambar database telah dibuat hanya untuk menunjukkan

bagaimana secara khusus sistem retrieval bekerja. IBM dengan Query by Image

5

Page 6: GLRLM

Content (QBIC) database proyek adalah contoh dari sistem SPCI ini. QBIC

adalah sebuah sistem penelitian yang menghasilkan produk komersial yang

dikembangkan dan dijual oleh IBM. Parameter cirri gambar yang dapat digunakan

untuk temu kembali pada sistem ini antara lain seperti histogram, susunan warna,

tekstur dan bentuk, tipe spesifik dari obyek, tipe event tertentu, nama individu,

lokasi, emosi. Gambar query yang digunakan mempunyai beberapa level, yaitu :

Level 1: retrieval dengan ciri primitif, seperti warna, tekstur, bentuk.

Level 2: retrieval dengan ciri logis, seperti tipe obyek, individu obyek atau

orang.

Level 3: retrieval dengan ciri abstrak, seperti nama even, tipe aktifitas,

emosional, religius.[5]

7.4 Batik

Batik atau kata batik berasal dari bahasa Jawa “amba” yang mempunyai arti:

“menulis” dan “titik”. Kata batik merujuk pada kain dengan corak atau gambar

yang dihasilkan oleh bahan “malam” (wax) yang diaplikasikan ke atas kain,

sehingga menahan masuknya bahan pewarna. Tradisi membatik pada mulanya

merupakan tradisi yang turun temurun, sehingga kadang kala suatu motif dapat

dikenali berasal dari batik keluarga tertentu. Beberapa motif batik dapat

menunjukkan status seseorang. Bahkan sampai saat ini, beberapa motif batik

tadisional hanya dipakai oleh keluarga keraton Yogyakarta dan Surakarta.[6]

Batik merupakan warisan nenek moyang Indonesia ( Jawa ) yang sampai

saat ini masih ada. Batik juga pertama kali diperkenalkan kepada dunia oleh

Presiden Soeharto, yang pada waktu itu memakai batik pada Konferensi PBB.

Beragam jenis batik bisa ditemukan dimana-mana, namun kita juga perlu

tahu apa saja jenis batik yang beredar di pasaran sekarang ini. Jenis-jenis tersebut

antara lain adalah:

1. Batik Tulis adalah kain yang dihias dengan tekstur dan corak batik

menggunakan tangan. Pembuatan batik jenis ini memakan waktu kurang

lebih 2-3 bulan. Proses pembuatan batik mula-mula batik dibuat di atas

6

Page 7: GLRLM

bahan dengan warna putih yang terbuat dari kapas yang dinamakan kain

mori. Motif batik dibentuk dengan cairan lilin dengan menggunakan alat

yang dinamakan canting untuk motif halus, atau kuas untuk motif

berukuran besar, sehingga cairan lilin meresap ke dalam serat kain. Setelah

beberapa kali proses pewarnaan, kain yang telah dibatik dicelupkan ke

dalam bahan kimia untuk melarutkan lilin.

2. Batik Cap adalah kain yang dihias dengan teksture dan corak batik yang

dibentuk dengan cap (biasanya terbuat dari tembaga). Proses pembuatan

batik jenis ini membutuhkan waktu kurang lebih 2-3 hari.

3. Batik Printing adalah salah satu jenis hasil proses produksi batik yang

teknis pembuatannya melalui proses sablon manual (seperti pembuatan

spanduk / kaos), atau printing mesin pabrik.[6]

Contoh gambar batik dari masing-masing daerah dan terdapat perbedaan

dari masing-masing daerah tersebut.

a. Sumenep b. Pamekasan c. Cirebon d. Bangkalan

e. Jogja f. Bali g. Solo h. Pekalongan

Gambar 1. Macam-macam batik daerah

7

Page 8: GLRLM

7.5 Tekstur

Tekstur merupakan karakteristik intrinsik dari suatu citra yang terkait

dengan tingkat kekasaran (roughness), granularitas (granulation), dan keteraturan

(regularity) susunan struktural piksel. Tekstur biasa dikenal sebagai kunci untuk

memvisualisasikan persepsi atau cara pandang seseorang dan peraturan yang

sangat penting pada pekerjaan komputer visi. Tekstur merupakan bawaan dari

benda yang terlihat dari muka dan berisi informasi penting tentang struktur

rancangan permukaan. Tekstur dicirikan sebagai distribusi spasial dari derajat

keabuan di dalam sekumpulan piksel-piksel yang bertetangga. Dengan demikian,

dapat diketahui bahwa tidak ada definisi umum untuk tekstur. Hal tersebut

tergantung pada aplikasi yang digunakan. [7]

Berdasarkan strukturnya, tekstur dapat diklasifikasikan dalam dua golongan yaitu:

1. Makrostruktur

Tekstur makro struktur memiliki perulangan pola secara periodik pada suatu

daerah citra, biasanya terdapat pada pola-pola buatan manusia dan cenderung

mudah untuk dipresentasikan secara matematis.

2. Mikrostruktur

Tekstur mikrostruktur memilki pola-pola lokal dan perulangan yang tidak

begitu jelas, sehingga tidak mudah untuk memberikan definisi tekstur yang

komprehensif.

7.6 Gray Level Run Leght Matrix

Grey level run length matrix yang biasa disingkat dengan GLRLM

merupakan salah satu metode yang populer untuk mengekstrak tekstur sehingga

diperoleh ciri statistik atau atribut yang terdapat dalam tekstur dengan mengestimasi

piksel-piksel yang memiliki derajat keabuan yang sama. Ekstraksi tekstur dengan

metode GLRLM dilakukan dengan membuat rangkaian pasangan nilai (i,j) pada

setiap baris piksel. Perlu kita ketahui maksud dari run length itu sendiri adalah jumlah

piksel berurutan dalam arah tertentu yang memiliki derajat keabuan/nilai intensitas

yang sama. Jika diketahui sebuah matrik run length dengan elemen matrik q ( i, j | θ)

dimana i adalah derajat keabuan pada masing-masing piksel, j adalah nilai run length,

dan θ adalah orientasi arah pergeseran tertentu yang dinyatakan dalam derajat.

8

Page 9: GLRLM

Orientasi dibentuk dengan empat arah pergeseran dengan interval 450, yaitu 00, 450,

900 , dan 1350. Agar lebih jelas berikut akan dijelaskan cara untuk memasangkan

nilai run yang terdapat pada citra 7 x 5 piksel, 8 derajat keabuan, dengan arah

pergeseran 00, 450, 900 , dan 1350.

Gambar 2. Contoh citra masukan dan derajat keabuan

Untuk elemen matriks citra ( i, j | 00 ) dengan ukuran 7 x 5 piksel seperti

tampak pada gambar diatas dapat diketahui bahwa ada 35 nilai

intensitas/derajat keabuan yang terdapat di dalam citra tersebut, dan pasangan

(i,j) untuk setiap baris yang dihasilkan adalah :

Dengan demikian, dapat diketahui bahwa matrik 7 x 5 dengan arah sudur 00

memiliki 15 pasangan nilai run yang dihasilkan.

Untuk elemen matriks citra ( i, j | 450 ) maka pasangan (i,j) untuk setiap

kolom yang dihasilkan adalah :

9

Page 10: GLRLM

Dengan demikian, dapat diketahui bahwa matrik 7 x 5 dengan arah sudur 450

memiliki 32 pasangan nilai run yang dihasilkan.

Untuk elemen matriks citra ( i, j | 900 ) maka pasangan (i,j) untuk setiap

kolom yang dihasilkan adalah :

Dengan demikian, dapat diketahui bahwa matrik 7 x 5 dengan arah sudur 900

memiliki 28 pasangan nilai run yang dihasilkan.

Untuk elemen matriks citra ( i, j | 1350 ) maka pasangan (i,j) untuk setiap

kolom yang dihasilkan adalah :

10

Page 11: GLRLM

Dengan demikian, dapat diketahui bahwa matrik 7 x 5 dengan arah sudur 1350

memiliki 27 pasangan nilai run yang dihasilkan.

Atribut tekstur GLRLM

Berdasarkan penelitian yang dilakukan oleh Galloway pada tahun 1975 [1],

terdapat beberapa jenis ciri tekstural yang dapat diekstraksi dari matriks run

length. Berikut variabel-variabel yang terdapat di dari ekstraksi citra dengan

menggunakan metode statistikal Grey Level Run Length Matrix :

i = nilai derajat keabuan

j = piksel yang berurutan (run)

M = Jumlah derajat keabuan pada sebuah gambar

N = Jumlah piksel berurutan pada sebuah gambar

r(j) = Jumlah piksel berurutan berdasarkan banyak urutannya (run length)

g(i) = Jumlah piksel berurutan berdasarkan nilai derajat keabuannya

s = Jumlah total nilai run yang dihasilkan pada arah tertentu

n = jumlah baris * jumlah kolom dalam perhitungan diatas n = 35

Dimana varibel-variabel tersebut akan digunakan untuk mencari nilai dari atribut-

atribut tekstur sebagai berikut :

1. Short runs emphasis (SRE)

SRE mengukur distribusi short run. SRE sangat bergantung pada banyaknya

short run dan diharapkan bernilai kecil pada tekstur halus dan bernilai besar

pada terkstur kasar.

11

Page 12: GLRLM

SRE=∑i=1

M

∑j=1

N p(i , j) /sj 2

=∑j=1

n r ( j) /sj2

2. Long runs emphasis (LRE) LRE mengukur distribusi long run. LRE sangat

bergantung pada banyaknya long run dan diharapkan bernilai besar pada

tekstur halus dan bernilai kecil pada tekstur kasar.

LRE=∑i=1

M

∑j=1

N

j 2 p(i , j)/s=∑j=1

N

r ( j ) j 2/ s

3. Grey level non-uniformity (GLN) GLN mengukur persamaan nilai derajat

keabuan diseluruh citra dan diharapkan bernilai kecil jika nilai derajat

keabuan serupa di seluruh citra.

GLN=∑i=1

M

¿¿

4. Run length non-uniformity (RLN) RLN mengukur persamaan panjangnya

run diseluruh citra dan diharapkan bernilai kecil jika panjangnya run serupa

di seluruh citra.

RLN=∑j=1

N

¿¿

5. Run percentage (RP) RP mengukur keserbasamaan dan distribusi run dari

sebuah citra pada arah tertentu. RP bernilai paling besar jika panjangnya run

adalah 1 untuk semua derajat keabuan pada arah tertentu.

RP=∑i=1

M

∑J=1

N

p (i , j)/n=∑J=1

N

r ( j)/n

7.7 Euclidean Distance

12

Page 13: GLRLM

Euclidean distance adalah metode yang paling sering digunakan untuk

menghitung kesamaan 2 vektor. yang digunakan untuk mencari data antara

parameter data referensi atau basis data dengan parameter data baru atau data uji.

[9]

D

i=√∑i=0

N

(x1−x2)2 ………………………….. (7)

Dengan:

Di = jarak terhadap tekstur i yang terkecil pada basis data

x1 = ciri dari tekstur yan diklasifikasikan

x2 = ciri dari tekstur yang terdapat pada basis-data.Tekstur akan diklasifikasikan

sebagai tekstur i apabila Di merupakan jarak terkecil dibandingkan dengan jarak

yang lainnya.

8. Metodologi (langkah-langkah)

Metode Pelaksanaan Program penelitian adalah sebagai berikut :

1. Studi literatur

Dengan cara mengumpulkan data untuk memperoleh informasi yang

diperlukan dan sebagai pedoman yang akan digunakan dalam dasar teori

dari berbagai macam referensi seperti buku, informasi dari internet dan

sumber lainnya yang berhubungan mengenai metode yang dipakai yaitu,

Sistem Perolehan Citra Berbasis Isi (SPCI), Gray Level Run Leght Matrix,

Euclidean Distance.

2. Analisa sistem

Analisa meliputi kelebihan dan kelemahan sistem yang akan dibuat.

3. Desain sistem

Setelah data yang dibutuhkan berkaitan dengan malaria telah terkumpul,

kemudian dilanjutkan proses selanjutnya. Perancangan ini meliputi

flowchart dan desain database tentang sistem yang akan dibuat.

4. Implementasi

13

Page 14: GLRLM

Penerapan desain sistem yang dibuat selanjutnya diimplementasikan ke

dalam bentuk program.

5. Pengujian sistem

Melakukan pengujian terhadap program serta mengevaluasi apakah

program yang dibuat telah sesuai dengan tujuan. Dari hasil uji coba ini

dapat dievaluasi dan dilakukan perbaikan seperlunya sehingga

menghasilkan output yang diharapkan.

6. Pembuatan laporan

Dari beberapa proses penelitian diatas disimpulkan untuk pengembangan

penelitian selanjutnya kemudian membuatan dokumentasi dari setiap tahap

dari pembuatan tugas akhir ini ke dalam bentuk laporan.

9. Rancangan System

Dalam perancangan sistem yang dibuat sebuah sistem pencarian citra query

batik tekstur yang ada di dalam basis data dengan kemiripan tertinggi dan yang

paling mendekati citra yang diinginkan oleh pengguna, terdapat proses- proses

yang dilakukan dari awal data dipilih, hingga pada akhirnya data tersebut

ditemukan jarak kemiripan.

Dengan blok diagram sebagai berikut:

Gambar 3 . Diagram Alur Sistem

14

Citra Database

Citra Query

Mengubah citra menjadi citra keabuan

Menghitung nilai sudut atau arah pergeseran

Jarak kemiripan Euclidean Distance

Ekstraksi fitur menggunakan Gray Level Run Leght Matrix

Method

Kemiripan Citra tidak

Mengubah citra menjadi citra keabuan

Menghitung nilai sudut atau arah pergeseran

Ekstraksi fitur menggunakan Gray Level Run Leght Matrix

Method

Page 15: GLRLM

Keterangan diagram alur :

1. Citra input berupa citra query batik berupa citra RGB. Untuk menyederhanakan

proses perlu diubah aras warnanya menjadi aras keabuan, dimana citra hanya

memiliki tingkat atau kadar keabuan.

2. Citra abu-abu diubah terlebih dahulu kedalam bentuk matriks, kemudian diambil

nilai yang dibutuhkan sebagai variabel dalam perhitungan GLRLM. Setelah itu

dilakukan analisa GLRLM dari nilai yang telah diperoleh sesuai dengan sudut

atau arah pergeseran dari sudut 0°, 45°, 90°, dan 135°.

3. Menentukan fitur tekstur batik dengan mencari nilai atribut dari metode GLRLM

yaitu Short Run Emphasis (SRE), Long Range Emphasis (LRE), Grey Level

Uniformity (GLU), Run Leght Uniformity (RLU), dan Run Percentage (RPC).

4. Setelah citra di ekstraksi fitur kemudian diuji untuk diambil kemiripan dengan

menggunakan Euclidean Distance.

10. Jadwal Kegiatan

Pengerjaan penelitian ini direncanakan akan dilaksanakan dalam kurun

waktu sebagai berikut :

NO KEGIATAN

BULAN

Februari Maret April Mei

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1 Studi Literatur

2 Analisa Sistem

3 Desain Sistem

4 Implementasi

5Pengujian Sistem dan

Evaluasi

6 Pembuatan Laporan

15

Kemiripan Citra tidak

Page 16: GLRLM

11. Daftar Pustaka

[1] Ramadijanti, N. 2006. “Content Based Image Retrieval Berdasarkan Ciri

Tekstur Menggunakan Wavelet”. Prosiding Seminar Nasional Aplikasi

Teknologi Informasi (Snati 2006) ISSN :1907-5022.

Yogyakarta.<http://journal.uii.ac.id/index.php/Snati/article/viewFile/

1530/1310 > diakses pada 12 Juni 2011.

[2] Dian ayu Septiana. 2009. ANALISIS TEKSTUR KAYU PARKET

DENGAN MENGGUNAKAN METODE STATISTIKAL GREY LEVEL

RUN LENGTH MATRIX. Tugas Akhir. Depok : Universitas Gunadarma.

[3] Farhatulailla. 2012. Sistem Perolehan Citra Berbasis Isi dengan citra

batik menggunakan gray level co-occurence matrix (glcm). Tugas Akhir.

Madura : Universitas Trunojoyo.

[4] Isa ,S. M., Juwita, E. 2007. “Aplikasi Image Retrieval Berdasarkan Tekstur

Dengan Menggunakan Transformasi Haar Wavelet”.Prosiding Seminar

Nasional Sistem dan Informatika SNSI 06-039. Bali.

[5] Susilo,A. 2007. Web Image Retrieval Untuk Identifikasi Bunga Dengan

Pengempokan Content Menggunakan Ciri Warna Dan Bentuk. Tugas

Akhir. Surabaya: Institut Teknologi Sepuluh Nopember.

[6] Anonim. 2011. Sejarah Batik Indonesia.

<http://www.pekalongankab.go.id/fasilitas-web/artikel/ekonomi/594-serba-

serbi-batik-pekalongan-batik-indonesia-sebagai-warisan-budaya-dunia.html>

diakses pada 10 Juni.

[7] Andi Prasetyo. 2009. Analisa Tekstur Tanah Menggunakan Metode

Statistikal Gray Level Difference Method (GLDM). Tugas Akhir. Depok :

Universitas Gunadarma.

[8] Mita Indriani. 2007. Analisa Tekstur Menngunakan Metode Run Lenght.

Tugas Akhir. Semarang : Universitas Diponegoro.

[9] Pratikaningtyas, D. 2003. Klasifikasi Motif Batik Menggunakan Metode

Transformasi Paket Wavelet. Tugas Akhir. Semarang : Universitas

Diponegoro.

16