Pengklasteran K-Means Database Citra Untuk Meningkatkan Akurasi Pencarian Query CBIR Menggunakan Intensitas Warna
Meningkatnya jumlah gambar digital yang tersimpan dalam media penyimpanan database dan kemampuan komputer untuk menyediakan kebutuhan informasi pengguna dengan cepat telah menjadi kebutuhan penting saat ini. Efisiensi pencarian citra dalam database berukuran besar menggunakan sistem CBIR (Content B...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Department of Mathematics, FMIPA, Universitas Padjadjaran
2013-04-01
|
| Series: | Jurnal Matematika Integratif |
| Online Access: | http://jurnal.unpad.ac.id/jmi/article/view/10200 |
| _version_ | 1811315995885699072 |
|---|---|
| author | Juli Rejito |
| author_facet | Juli Rejito |
| author_sort | Juli Rejito |
| collection | DOAJ |
| description | Meningkatnya jumlah gambar digital yang tersimpan dalam media penyimpanan database dan kemampuan komputer untuk menyediakan kebutuhan informasi pengguna dengan cepat telah menjadi kebutuhan penting saat ini. Efisiensi pencarian citra dalam database berukuran besar menggunakan sistem CBIR (Content Based Image Retrieval) telah menjadi kebutuhan. Makalah ini bertujuan untuk mendapatkan solusi peningkatan akurasi query CBIR pada database WANG sebanyak 1.000 record database citra yang memiliki resolusi 256 x 384 piksel dan 384 x 256 piksel. Solusi yang diusulkan berupa model arsitektur sistem yang mengintegrasikan optimasi query dan pengklasteran partisi dengan harapan bahwa model ini akan meningkatkan tingkat akurasi pencarian dan efisiensi waktu hasil pencarian. Pembentukan klaster didasarkanpada nilai PSNR minimum dan maksimum yang dihasilkan dari perbandingan antara ekstraksi fitur warna record database citra dan citra dasar, yang ditunjukkan dalam pembentukan 2, 4 ,8 ,16, dan 32 cluster sebagai indeks cluster sekaligus difungsikan sebagai penyaring. Hasil implementasi model ini
menunjukkan bahwa akurasi nilai F -Score untuk query CBIR non klastermeningkat ketika diterapkan query CBIR menggunakan 5 klastermenggunakan ekstraksi fitur intensitas warna yang ditunjukkan oleh nilai F-Score dari 0,14 menjadi 0,17.
Kata kunci : CBIR, Pengklasteran, PSNR, WANG Database, Intensitas Warna, F-Score |
| first_indexed | 2024-04-13T11:41:07Z |
| format | Article |
| id | doaj.art-e37820f37f1540608d94e25101cbaf62 |
| institution | Directory Open Access Journal |
| issn | 1412-6184 2549-9033 |
| language | Indonesian |
| last_indexed | 2024-04-13T11:41:07Z |
| publishDate | 2013-04-01 |
| publisher | Department of Mathematics, FMIPA, Universitas Padjadjaran |
| record_format | Article |
| series | Jurnal Matematika Integratif |
| spelling | doaj.art-e37820f37f1540608d94e25101cbaf622022-12-22T02:48:19ZindDepartment of Mathematics, FMIPA, Universitas PadjadjaranJurnal Matematika Integratif1412-61842549-90332013-04-01919110810.24198/jmi.v9.n1.10200.91-1085928Pengklasteran K-Means Database Citra Untuk Meningkatkan Akurasi Pencarian Query CBIR Menggunakan Intensitas WarnaJuli Rejito0Program Studi Teknik Informatika, Jurusan Matematika, Fakultas MIPA, Universitas PadjadjaranMeningkatnya jumlah gambar digital yang tersimpan dalam media penyimpanan database dan kemampuan komputer untuk menyediakan kebutuhan informasi pengguna dengan cepat telah menjadi kebutuhan penting saat ini. Efisiensi pencarian citra dalam database berukuran besar menggunakan sistem CBIR (Content Based Image Retrieval) telah menjadi kebutuhan. Makalah ini bertujuan untuk mendapatkan solusi peningkatan akurasi query CBIR pada database WANG sebanyak 1.000 record database citra yang memiliki resolusi 256 x 384 piksel dan 384 x 256 piksel. Solusi yang diusulkan berupa model arsitektur sistem yang mengintegrasikan optimasi query dan pengklasteran partisi dengan harapan bahwa model ini akan meningkatkan tingkat akurasi pencarian dan efisiensi waktu hasil pencarian. Pembentukan klaster didasarkanpada nilai PSNR minimum dan maksimum yang dihasilkan dari perbandingan antara ekstraksi fitur warna record database citra dan citra dasar, yang ditunjukkan dalam pembentukan 2, 4 ,8 ,16, dan 32 cluster sebagai indeks cluster sekaligus difungsikan sebagai penyaring. Hasil implementasi model ini menunjukkan bahwa akurasi nilai F -Score untuk query CBIR non klastermeningkat ketika diterapkan query CBIR menggunakan 5 klastermenggunakan ekstraksi fitur intensitas warna yang ditunjukkan oleh nilai F-Score dari 0,14 menjadi 0,17. Kata kunci : CBIR, Pengklasteran, PSNR, WANG Database, Intensitas Warna, F-Scorehttp://jurnal.unpad.ac.id/jmi/article/view/10200 |
| spellingShingle | Juli Rejito Pengklasteran K-Means Database Citra Untuk Meningkatkan Akurasi Pencarian Query CBIR Menggunakan Intensitas Warna Jurnal Matematika Integratif |
| title | Pengklasteran K-Means Database Citra Untuk Meningkatkan Akurasi Pencarian Query CBIR Menggunakan Intensitas Warna |
| title_full | Pengklasteran K-Means Database Citra Untuk Meningkatkan Akurasi Pencarian Query CBIR Menggunakan Intensitas Warna |
| title_fullStr | Pengklasteran K-Means Database Citra Untuk Meningkatkan Akurasi Pencarian Query CBIR Menggunakan Intensitas Warna |
| title_full_unstemmed | Pengklasteran K-Means Database Citra Untuk Meningkatkan Akurasi Pencarian Query CBIR Menggunakan Intensitas Warna |
| title_short | Pengklasteran K-Means Database Citra Untuk Meningkatkan Akurasi Pencarian Query CBIR Menggunakan Intensitas Warna |
| title_sort | pengklasteran k means database citra untuk meningkatkan akurasi pencarian query cbir menggunakan intensitas warna |
| url | http://jurnal.unpad.ac.id/jmi/article/view/10200 |
| work_keys_str_mv | AT julirejito pengklasterankmeansdatabasecitrauntukmeningkatkanakurasipencarianquerycbirmenggunakanintensitaswarna |