ANALISIS KOMPONEN UTAMA PADA HASIL EKSTRAKSI FITUR CITRA DIGITAL
Abstract
Penelitian ini bertujuan untuk memperoleh jumlah dimensi data yang optimal untuk proses pencarian citra. Proses ekstraksi fitur citra menggunakan matriks GLCM (Grey- Level Co-occurrence Matrix), dengan memilih fitur tekstur citra. Fitur yang digunakan adalah mean, entropi, energi, kontras, dan homogenitas. Matriks ini menyimpan data co- occurrence tingkat keabuan piksel untuk ketetanggaan pada arah 0°, 45°, 90°, dan 135°. Proses reduksi dimensi data menggunakan analisis komponen utama (Principal Component Analysis, PCA).
Melalui hasil percobaan diperoleh, fitur yang dominan (signifikan) adalah mean dan entropi untuk ketetanggaan pada sudut 0 derajat. Pada ketetanggaan sudut 45 derajat maka fitur yang dominan adalah entropi dan kontras untuk. Fitur dominan disini adalah fitur utama yang dapat mewakili beberapa fitur-fitur lain yang digunakan untuk pencarian isi citra.