PENDAHULUAN LANDASAN TEORI ANALISIS DAN PERANCANGAN IMPLEMENTASI DAN PENGUJIAN KESIMPULAN DAN SARAN

5

1.7 Sistematika Penulisan

Sistematika penulisan dari skripsi ini terdiri dari beberapa bagian utama sebagai berikut.

BAB 1 PENDAHULUAN

Pada bab pendahuluan ini akan diuraikan penjelasan mengenai latar belakang penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan sistematika penulisan skripsi.

BAB 2 LANDASAN TEORI

Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval , ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan recall serta beberapa penelitian terdahulu yang relevan.

BAB 3 ANALISIS DAN PERANCANGAN

Pada bab analisis dan perancangan ini akan diuraikan mengenai analisis terhadap masalah penelitian dan perancangan terhadap sistem yang akan dibangun serta bagian-bagian yang berkaitan dengan sistem, antarmuka sistem dan penjelasan cara kerja sistem.

BAB 4 IMPLEMENTASI DAN PENGUJIAN

Pada bab implementasi dan pengujian ini akan diuraikan penjelasan mengenai implementasi dari perancangan yang telah dibuat dan pembahasan hasil pengujian terhadap implementasi. Universitas Sumatera Utara 6

BAB 5 KESIMPULAN DAN SARAN

Pada bab kesimpulan dan saran ini akan diuraikan mengenai kesimpulan dari keseluruhan uraian bab-bab sebelumnya serta saran yang diharapkan dapat bermanfaat untuk penelitian selanjutnya. Universitas Sumatera Utara BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval , ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan recall serta beberapa penelitian terdahulu yang relevan. 2.1 Content Based Image Retrieval Content Based Image Retrieval CBIR adalah proses pemanggilan citra dari database atau tempat penyimpanan citra digital lainnya sesuai dengan konten citra tersebut Chaudari,2012. Dalam CBIR fitur citra dibagi menjadi tiga fitur yaitu warna, tekstur dan bentuk. Fitur warna adalah fitur yang umum digunakan dalam CBIR karena pencarian informasi pada citra berbasis fitur warna lebih mudah dilakukan. Menurut Hastuti, et al. 2009 penelitian tentang CBIR berdasarkan primitif fitur sudah banyak dilakukan diantaranya Swain dan Ballard pada tahun 1991 menggunakan teknik pencocokan titik potong histogram, kemudian Stricker dan Orengo pada tahun 1995 mengembangkan teknik sebelumnya menjadi histogram kumulatif dari warna, kemudian Stricker dan Dimai pada tahun 1996 menggabungkan titik potong histogram dengan beberapa elemen spasial, kemudian Carson pada tahun 1997 menggunakan teknik pemisahan fitur citra query berdasarkan warna. Tahap awal dalam sistem pemanggilan citra berdasarkan konten adalah melakukan proses ekstraksi dan deskripsi pada citra dalam database sehingga menghasilkan vektor fitur. Vektor fitur citra dalam database akan membentuk fitur database . Setelah itu dilakukan proses ekstraksi dan deskripsi pada citra query yang di- input- kan oleh pengguna. Hasil proses ekstraksi akan membentuk vektor fitur. Kemudian dilakukan Similarity Comparison , yaitu mengukur jarak kesamaan antara Universitas Sumatera Utara 8 output input pengguna vektor fitur citra query dengan vektor fitur citra dalam database . Jarak kesamaan vektor fitur antara citra query dengan citra dalam database akan diurutkan. Citra dengan jarak kesamaan vektor fitur tertinggi akan di tampilkan sebagai output Long, et al. 2003. Diagram sistem pemanggilan citra berdasarkan konten dapat dilihat pada Gambar 2.1. Gambar 2.1. Diagram Sistem Content Based Image Retrieval Sumber: Long, et al. 2003 Proses paling penting pada sistem CBIR adalah ekstraksi fitur, karena hasil dari proses ini akan diketahui perbedaan pada setiap citra berdasarkan fiturnya seperti fitur tekstur, bentuk dan warna. Suatu citra memiliki fitur yang berbeda antara citra satu dengan lainnya tergantung pada karakteristik yang menonjol pada citra tersebut. Sebagai contoh dalam dunia nyata, bunga mawar dan bunga melati dapat dibedakan melalui perbedaan warnanya, kertas dan kain dapat dibedakan dari teksturnya, kemudian gambar segitiga dan persegi dapat dibedakan melalui bentuknya. Citra Query Ekstraksi Deskripsi Citra Vektor Fitur Citra Dalam Database Ekstraksi Deskripsi Citra Vektor Fitur Similarity Comparison Pengurutan Pemanggilan citra Hasil Pemanggilan citra Umpan Balik Yang Berkaitan Universitas Sumatera Utara 9 Menurut Syarif 2014, masing-masing fitur dari citra tersebut didapatkan melalui proses ekstraksi fitur yang tidak mudah, karena satu citra dapat mempunyai multiple feature . Proses ekstraksi fitur yang baik dan benar dapat menentukan keberhasilan dalam membangun suatu aplikasi citra digital.

2.2 Ekstraksi Fitur