Representasi Data Wilayah

1
Representasi Data Wilayah

• Prof.Dr. Aniati Murni (R 1202)
• Dina Chahyati, MKom (R 1226)
• Fakultas Ilmu Komputer
• Universitas Indonesia

2
Representasi Data Wilayah

• Vector area (polygon)
• Raster relational table
• Raster quadtree

3
Representasi Vektor Polygon-based

• Wilayah dinyatakan dalam representasi polygon,
  yaitu list titik-titik (x,y) yang terhubung
  membentuk closed loop.

4
Representasi Raster Relational Table

• Wilayah dinyatakan dalam table yang terdiri dari
  record dengan attribute-attribute-nya.

5
Representasi Raster - Quadtree

• Quadtree data structure
• Representasi Quadtree

6
Representasi Quadtree

• Contoh Citra 8x8 64 bytes Representation Code
• 0 0 0 0 1 1 0 0
• 0 0 0 1 1 1 1 0
• 0 0 0 1 1 1 1 0
• 0 0 1 1 1 1 1 0 dst.nya
• 0 0 1 1 1 1 1 0
• 0 0 0 1 1 1 0 0
• 0 0 0 0 1 0 0 0
• 0 0 0 0 0 0 0 0
• Informasi Yang Disimpan
• data 33 cells
• Quadtree Traversal bisa Preorder Traversal
• atau Depth-First Search

7
Tujuan konversi format citra

• Data citra tidak selalu disimpan dalam bentuk
  matriks (visual format) yang memerlukan tempat
  penyimpanan data yang besar
• Representasi data citra yang tidak berbentuk
  matriks (non-visual format) biasanya dilakukan
  untuk tujuan
• Untuk memudahkan manipulasi data, contoh proses
  pengenalan bentuk jaringan sakit yang
  direpresentasi sebagai koordinat garis batas
  wilayah obyek
• Untuk menghemat tempat penyimpanan data, contoh
  pada basis data spasial yang biasanya citra perlu
  dikompresi

8
Metode representasi data lainnya

• Directional Chain Code
• Run-Length Code

9
Directional Chain Code
8-directional chain code Representation Code
Citra
Citra berukuran 8x8 bytes 64 bytes Informasi
yang disimpan Posisi awal (x,y) dan arah 0 7 6 6
6 5 5 3 3 2 1 2 1 Yaitu sebanyak 15 bytes
10
Run-Length Code

• Contoh Citra 8x8 64 bytes Representation Code
• 0 0 0 0 1 1 0 0
• 0 0 0 1 1 1 1 0
• 0 0 0 1 1 1 1 0
• 0 0 1 1 1 1 1 0
• 0 0 1 1 1 1 1 0
• 0 0 0 1 1 1 0 0
• 0 0 0 0 1 0 0 0
• 0 0 0 0 0 0 0 0
• Informasi Yang Disimpan
• 22 pairs of integers 44 bytes

• (0,3), (1,2), (0,2)
• (0,3), (1,4), (0,1)
• (0,3), (1,4), (0,1)
• (0,2), (1,5), (0,1)
• (0,2), (1,5), (0,1)
• (0,3), (1,3), (0,3)
• (0,4), (1,1), (0,3)
• (0,8)

11
Feature Extraction and Selection

• Feature Extraction
• Ekstraksi ciri yang merepresentasikan / merupakan
  measure karakteristik obyek, dan potensial untuk
  membedakan obyek-obyek yang ada pada citra
• Feature Selection
• Ciri yang tersedia bisa banyak, masalahnya adalah
  bagaimana memilih kombinasi ciri terbaik yang
  dapat mengenali setiap obyek dengan akurat.
  Kemudian berkembang berbagai metode seleksi ciri
  pendekatan bottom up atau top down, pendekatan
  filter atau wrapper, pendekatan lainnya.

12
Beberapa phenomena

• Curse of dimensionality
• Peningkatan dimensi ciri tidak menjamin
  peningkatan ketelitian pengenalan
• Peak phenomenom
• Peningkatan jumlah ciri sampai pada tingkat
  tertentu akan meningkatkan ketelitian pengenalan,
  lebih dari jumlah ciri tersebut akan menurunkan
  tingkat pengenalan

13
Beberapa metode seleksi ciri

• Metode seleksi ciri
• SFS (Sequential Forward Selection bottom up)
• SBS (Sequential Backward Selection top down)
• SFFS (Sequential Forward Floating Selection)
• Genetic Algorithm
• Metode seleksi ciri terdiri dari 2 proses
• Search ciri
• Cek criterion function and combine feature
• Pendekatan metode seleksi (criterion function)
• Filter (Bhattacarya distance)
• Wrapper (Classification method)