GLRLM
-
Upload
agung-battle-locust -
Category
Documents
-
view
269 -
download
24
Transcript of GLRLM
![Page 1: GLRLM](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/1.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/2.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/3.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/4.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/5.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/6.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/7.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/8.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/9.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/10.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/11.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/12.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/13.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/14.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/15.jpg)
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](https://reader036.fdokumen.com/reader036/viewer/2022082410/5572114b497959fc0b8eba63/html5/thumbnails/16.jpg)
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