Metode GLCM termasuk dalam metode statistik dimana dalam perhitungan statistiknya menggunakan distribusi derajat keabuan (histogram) dengan mengukur tingkat kekontrasan, granularitas, dan kekasaran suatu daerah dari hubungan ketetanggaan antar piksel di dalam citra. Metode statistik terdiri dari ekstraksi fitur orde pertama dan ekstraksi fitur orde kedua. Ekstraksi fitur orde pertama dilakukan melalui histogram citra sedangkan ekstraksi fitur statistik orde kedua dilakukan dengan matriks kookurensi, yaitu suatu matriks antara yang merepresentasikan hubungan ketetanggaan antar piksel dalam citra pada berbagai arah orientasi dan jarak spasial. (Novamizanti, 2015)

Metode ini merupakan metode yang paling banyak digunakan untuk analisis tekstur. Metode ini diperkenalkan oleh Haralick tahun 1973. Matrix GLCM dihitung dari nilai pixel yang berpapasan dan memiliki nilai intensitas tertentu. 

GLCM digunakan untuk mengetahui parameter kelayakan asphalt drum. Pada tahap pre-processng citra RGB diubah ke bentuk citra grayscale, kemudian akan dilakukan deteksi tepi yang telah ditentukan. 

Proses pengukuran GLCM dapat dilihat pada Gambar 2.2 berikut :

Gambar 2.2 Proses Pengukuran GLCM

Salah satu teknik untuk memperoleh ciri statistik orde dua adalah dengan menghitung probabilitas hubungan ketetanggaan antara dua piksel pada jarak dan orientasi sudut tertentu. Pendekatan ini bekerja dengan membentuk sebuah matriks kookurensi dari data citra asli, dilanjutkan dengan menentukan fitur sebagai fungsi dari matriks antara tersebut. 

Kookurensi berarti kejadian bersama, yaitu jumlah kejadian satu level nilai piksel bertetangga dengan satu level nilai piksel lain dalam jarak (d) dan orientasi sudut (θ) tertentu. Jarak dinyatakan dalam piksel dan orientasi dinyatakan dalam derajat. Orientasi dibentuk dalam empat arah sudut dengan interval sudut 45°, yaitu 0°, 45°, 90°, dan 135°. Sedangkan jarak antar piksel biasanya ditetapkan sebesar 1 piksel. Pada Gambar 2.3 menunjukkan operasi pembuatan matrix GLCM pada sudut 0o dan jarak 1 pixel.

Gambar 2.3 Ilustrasi pembuatan matriks GLCM (Roeslan, 2011)

Matriks kookurensi merupakan matriks bujursangkar dengan jumlah elemen sebanyak kuadrat jumlah level intensitas piksel pada citra. Setiap titik (p,q) pada matriks kookurensi berorientasi θ berisi peluang kejadian piksel bernilai p bertetangga dengan piksel bernilai q pada jarak d serta orientasi θ dan (180−θ).

Sekian dulu penjelasan kita kali ini jika inovator butuh bantuan untuk implementasi hebatnya di bidang Teknologi Otomasi yang meliputi Internet Of Things (IoT), Elektronika (Ardunio, STM32, Raspberry, dll) , Instrumentasi dan informatika (Pengolahan Citra, Kecerdasan Buatan (AI), Software Aplikasi) langsung saja kontak akun sosial media kami dengan link WA berikut ini.

Jasa Arduino Bandung Internet of Things Bandung. Jasa Arduino Surabaya Internet of Things Surabaya. Jasa Arduino Jakarta Internet of Things Jakarta. Jasa Arduino Depok. Jasa Arduino Malang. Jasa Arduino Bandung. Jasa Arduino Batam. Jasa Arduino Bekasi. Jasa Arduino Surabaya. Jasa Arduino Semarang. Jasa Arduino Surakarta. Jasa Arduino Pekanbaru. Jasa Arduino Tangerang Selatan. Jasa Arduino Bekasi. Jasa Arduino Makassar. Jasa Arduino Tangerang. Jasa Arduino Medan. Jasa Arduino Palembang. Jasa Arduino Jogja. Jasa Arduino Yogyakarta.