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