BAB III ALGORITMA DAN PERANCANGAN SISTEM
3.3. Algoritma yang Digunakan
3.3.1. Algoritma Penyimpanan Informasi Rata-Rata Edge
a. Penyimpanan informasi piksel rata-rata keseluruhan edge.
Input: Citra motif batik berukuran 200 x 200 piksel.
Output: Matriks hasil rata-rata keseluruhan edge berukuran 1x64.
Algoritma:
1. Baca citra motif batik.
2. Ubah citra motif batik ke gray 8 bit.
3. Citra motif batik gray dikenakan deteksi tepi menggunakan
Canny.
4. Hitung tinggi dan lebar citra motif batik.
5. Membagi citra motif batik berukuran 200x200 piksel menjadi 8 vektor secara vertikal dan horizontal sehingga mendapatkan 64 unit,setiap unit berukuran 25x25 piksel.
6. Menjumlahkan objek (satu) dalam setiap unit untuk dijumlahkan.
7. Jumlah objek (satu) keseluruhan dalam setiap unit dibagi dengan 625 (ukuran 25x25 = 625), sehingga didapat hasil rata-rata dalam satu unit. Hal ini dilakukan untuk setiap unit. 8. Hasil rata-rata keseluruhan edge disimpan.
9. Sehingga didapat matriks hasil rata-rata edge berukuran 1x64.
b. Penyimpanan informasi piksel vektor horizontal
Input: Citra motif batik berukuran 200 x 200 piksel.
Output: Matriks hasil rata-rata edge horizontal berukuran 1x8.
Algoritma:
2. Ubah citra motif batik ke gray 8 bit.
3. Citra motif batik gray dikenakan deteksi tepi menggunakan
Canny.
4. Hitung tinggi dan lebar citra motif batik.
5. Membagi citra motif batik berukuran 200x200 piksel menjadi 8 vektor secara vertikal dan horizontal sehingga mendapatkan 64 unit,setiap unit berukuran 25x25 piksel.
6. Menjumlahkan objek (satu) dalam setiap unit.
7. Jumlah objek (satu) dalam setiap unit dibagi dengan 625 (ukuran 25x25 piksel = 625), sehingga didapat hasil rata-rata dalam satu unit. Hal ini dilakukan untuk setiap unit.
8. Hasil rata-rata setiap unit dijumlahkan secara vektor horizontal kemudian dibagi 8 (8 merupakan jumlah unit yang dijumlahkan secara vektor horizontal). Hal ini dilakukan untuk setiap unit.
9. Sehingga didapat matriks hasil rata-rata edge vektor
horizontal berukuran 1x8.
c. Penyimpanan informasi piksel vektor vertikal
Input: Citra motif batik berukuran 200 x 200 piksel
Output: Matriks hasil rata-rata edge vertikal berukuran 1x8
Algoritma:
1. Baca citra motif batik.
2. Ubah citra motif batik ke gray 8 bit.
3. Citra motif batik gray dikenakan deteksi tepi menggunakan
Canny.
5. Membagi citra motif batik berukuran 200x200 piksel menjadi 8 vektor secara vertikal dan horizontal sehingga mendapatkan 64 unit,setiap unit berukuran 25x25 piksel.
6. Menjumlahkan objek (satu) dalam setiap unit.
7. Jumlah objek (satu) dalam setiap unit dibagi dengan 625 (ukuran 25x25 piksel = 625), sehingga didapat hasil rata-rata dalam satu unit. Hal ini dilakukan untuk setiap unit.
8. Hasil rata-rata setiap unit dijumlahkan secara vektor vertikal kemudian dibagi 8 (8 merupakan jumlah unit yang dijumlahkan secara vektor vertikal). Hal ini dilakukan untuk setiap unit.
9. Sehingga didapat matriks hasil rata-rata edge vektor vertikal
berukuran 1x8.
d. Penyimpanan informasi piksel rata-rata keseluruhan edge, vektor horizontal, dan vertikal.
Input: Citra motif batik berukuran 200 x 200 piksel.
Output: Matriks rata-rata keseluruhan edge, rata-rata edge
vektor horizontal, dan vektor vertikal berukuran 1x80. Algoritma:
1. Baca citra motif batik.
2. Ubah citra motif batik ke gray 8 bit.
3. Citra motif batik gray dikenakan deteksi tepi menggunakan
Canny.
4. Hitung tinggi dan lebar citra motif batik.
5. Membagi citra motif batik berukuran 200x200 piksel menjadi 8 vektor secara vertikal dan horizontal sehingga mendapatkan 64 unit,setiap unit berukuran 25x25 piksel.
6. Menjumlahkan objek (satu) dalam setiap unit.
7. Jumlah objek (satu) dalam setiap unit dibagi dengan 625 (ukuran 25x25 piksel = 625), sehingga didapat hasil rata-rata dalam satu unit. Hal ini dilakukan untuk setiap unit. 8. Kemudian hasil rata-rata setiap unit dijumlahkan secara
vektor horizontal kemudian dibagi 8 (8 merupakan jumlah unit yang dijumlahkan secara vektor horizontal). Hal ini dilakukan untuk setiap unit.
9. Kemudian hasil rata-rata setiap unit dijumlahkan secara vektor vertikal kemudian dibagi 8 (8 merupakan jumlah unit yang dijumlahkan secara vektor vertikal). Hal ini dilakukan untuk setiap unit.
10. Hasil rata-rata keseluruhan edge disimpan.
11. Hasil rata-rata edge vektor horizontal disimpan.
12. Hasil rata-rata edge vektor vertikal disimpan.
13. Sehingga didapat matriks hasil rata-rata keseluruhan edge,
rata-rata edge vektor vertikal, dan vektor horizontal
berukuran 1x80.
e. Penyimpanan informasi piksel rata-rata edge vektor horizontal dan vektor vertikal.
Input: Citra motif batik berukuran 200 x 200 piksel.
Output: Matriks rata-rata edge vektor horizontal, dan vektor
vertikal berukuran 1x16. Algoritma:
1. Baca citra motif batik.
3. Citra motif batik gray dikenakan deteksi tepi menggunakan
Canny.
4. Hitung tinggi dan lebar citra motif batik.
5. Membagi citra motif batik berukuran 200x200 piksel menjadi 8 vektor secara vertikal dan horizontal sehingga mendapatkan 64 unit,setiap unit berukuran 25x25 piksel.
6. Menjumlahkan objek (satu) dalam setiap unit.
7. Jumlah keseluruhan objek (satu) dalam setiap unit dibagi dengan 625 (ukuran 25x25 piksel = 625), sehingga didapat hasil rata-rata dalam satu unit. Hal ini dilakukan untuk setiap unit.
8. Hasil rata-rata setiap unit dijumlahkan secara vektor horizontal kemudian dibagi 8 (8 merupakan jumlah unit yang dijumlahkan secara vektor horizontal). Hal ini dilakukan untuk setiap unit.
9. Hasil rata-rata setiap unit dijumlahkan secara vektor vertikal kemudian dibagi 8 (8 merupakan jumlah unit yang dijumlahkan secara vektor vertikal). Hal ini dilakukan untuk setiap unit.
10. Hasil rata-rata edge vektor horizontal disimpan.
11. Hasil rata-rata edge vektor vertikal disimpan.
12. Sehingga didapat matriks hasil rata-rata edge vektor
vertikal dan vektor horizontal berukuran 1x16.
f. Penyimpanan informasi piksel warna RGB, rata-rata keseluruhan edge, rata-rata edge vektor horizontal, dan vektor vertikal.
Input: Citra motif batik berukuran 200 x 200 piksel.
Output: Matriks warna RGB, rata-rata keseluruhan edge, rata-rata
edge vektor horizontal, dan vektor vertikal berukuran 1x87.
Algoritma:
1. Baca citra motif batik.
2. Hitung nilai rata-rata red, rata-rata green, rata-rata blue,
kadar red, kadar green, kadar blue, dan rata-rata hasil
rata-rata red, green, blue.
3. Ubah citra motif batik ke gray 8 bit.
4. Citra motif batik gray dikenakan deteksi tepi menggunakan
Canny.
5. Hitung tinggi dan lebar citra motif batik.
6. Membagi citra motif batik berukuran 200x200 piksel menjadi 8 vektor secara vertikal dan horizontal sehingga mendapatkan 64 unit,setiap unit berukuran 25x25 piksel.
7. Menjumlahkan objek (satu) dalam setiap unit.
8. Kemudian jumlah objek (satu) dalam setiap unit dibagi dengan 625 (ukuran 25x25 piksel = 625), sehingga didapat hasil rata-rata dalam satu unit. Ini merupakan rata-rata keseluruhan edge. Hal ini dilakukan untuk setiap unit.
9. Hasil rata-rata setiap unit dijumlahkan secara vektor horizontal kemudian dibagi 8 (8 merupakan jumlah unit yang dijumlahkan secara vektor horizontal). Ini merupakan rata-rata edge vektor horizontal. Hal ini dilakukan untuk setiap
unit.
10. Hasil rata-rata setiap unit dijumlahkan secara vektor vertikal kemudian dibagi 8 (8 merupakan jumlah unit yang dijumlahkan secara vektor vertikal). Ini merupakan rata-rata
11. Hasil perhitungan warna RGB disimpan. 12. Hasil rata-rata keseluruhan edge disimpan.
13. Hasil rata-rata edge vektor horizontal disimpan.
14. Hasil rata-rata edge vektor vertikal disimpan.
15. Sehingga didapat matriks hasil perhitungan warna, rata-rata keseluruhan edge, rata-rata edge vektor vertikal, dan
horizontal berukuran 1x87.