21Tugas Akhir – KI0913917/18/2011

HASIL UJI COBA 1 (2)

1. Terdapat 11 citra yang relevan sesuai dengan citracontoh yang pertama dari 20 citra yang ditampilkan.

2. Presisi untuk hasil pencarian mirip citra pada uji cobayang pertama adalah 55% dan recall adalah 11%

22Tugas Akhir – KI0913917/18/2011

HASIL UJI COBA 2 (1)

CitraCitra rotasirotasi 909000

23Tugas Akhir – KI0913917/18/2011

HASIL UJI COBA 2 (2)

CitraCitra rotasirotasi 909000

CitraCitra rotasirotasi 18018000

24Tugas Akhir – KI0913917/18/2011

HASIL UJI COBA 2 (3)

Citra flipCitra flip

25Tugas Akhir – KI0913917/18/2011

HASIL UJI COBA 2 (4)

1. Sistem temu kembali citra berhasil menemukan citraasli dari citra contoh yang telah di rotasi 900, 1800 dancitra yang diflip.

2. Masing-masing nilai presisi adalah 70%, 15% dan90%.

26Tugas Akhir – KI0913917/18/2011

HASIL UJI COBA 3 (1)CitraCitra contohcontoh diperkecildiperkecil (48x32)(48x32)

27Tugas Akhir – KI0913917/18/2011

HASIL UJI COBA 3 (2)CitraCitra contohcontoh diperbesardiperbesar (200x200)(200x200)

28Tugas Akhir – KI0913917/18/2011

HASIL UJI COBA 4CitraCitra contohcontoh warnawarna merahmerah sajasaja

29Tugas Akhir – KI0913917/18/2011

EVALUASI UJI COBA 5

30Tugas Akhir – KI0913917/18/2011

EVALUASI UJI COBA 6

31Tugas Akhir – KI0913917/18/2011

KESIMPULAN

a) Sistem temu kembali yang dibuat berhasil melakukanpencarian mirip berdasarkan tingakat keseuaian antaracitra contoh dengan citra di database dengan rata-ratapresisi yaitu 71,4%.

b) CHKM tidak terpengaruh oleh rotasi citra serta tidakterpengaruh oleh perubahan ukuran citra.

c) Pengaturan bobot yang paling baik adalah gabungan dariketiga fitur. Dengan komposisi CHKM lebih dominan.

d) Kelompok citra yang digunakan untuk Tugas Akhir inisecara umum memiliki karakteristik lebih sensitif terhadapfitur warna daripada fitur tekstur.

32Tugas Akhir – KI0913917/18/2011

DAFTAR PUSTAKA1. Chuen-Horng Lin, Rong-Tai Chen, Yung-Kuan Chan, A Smart Content-based Image Retrieval System Based

on Color and Texture Feature, Image and Vision Computing (2009) 658-665.

2. Accio! Homepage, Washington University. 2011, <URL: http://www.cse.wustl.edu/accio/ A localized CBIRSystem with multiple-instance learning. Diakses 4 April 2011>

3. TinEye reverse image search engine. 2011, <URL: http://ideeinc.com/ image recognition engine thatpowers TinEye. Diakses 4 April 2011>

4. Teori Dasar Pengolahan Citra Digital. 2011, <URL: elib.unikom.ac.id/download.php?id=22303 diakses 4April 2011>

5. PERPUSPEDIA. 2010. Konsep Image Retrieval, <URL:http://perpuspedia.digilib.pnri.go.id/index.php/Image_Retrieval" diakses 24 Mei 2011>

6. Citra (image). 2008, <URL: http://id.shvoong.com/exact-sciences/physics/1803933-citra-image/#ixzz1N8nqwZgy diakses 24 Mei 2011>

7. Ilmu perpustakaan & informasi. 2008. Recall dan Precision, <URL:http://iperpin.wordpress.com/2008/03/27/recall-precision/ diakses 20 Juni 2011>

8. Wikipedia. 2011. Precision and recall, <URL: http://en.wikipedia.org/wiki/Precision_and_recall diakses 20Juni 2011 >

9. The Dark Side of File Upload. 2006, <URL: http://aspnetresources.com/articles/dark_side_of_file_uploadsdiakses 24 Juni 2011>

10. Official Site ASP.NET. 2011, <URL: http://www.asp.net/ diakses 24 Juni 2011>.

33Tugas Akhir – KI0913917/18/2011

SELESAI

TERIMA KASIH

Dimana Ni adalah total jumlah kemunculan keseluruhanpola scan pada blok grid matriks 7x7 dan Mi adalah jumlahkemunculan pola scan ke-i pada blok grid matriks 7x7. uadalah kemungkinan pola scan pada koordinat Pi(x,y) danv adalah koordinat tetangganya.

7/18/2011

Tugas Akhir – KI09139134

RUMUS CCM

(2.3)

ba

7/18/2011

Tugas Akhir – KI09139135

RUMUS DBPSP (1)

(2.4)

Dimana ∆ (x,y)merepresentasikan nilai total perbedaandari semua arah scan dari motif ke-i pada koordinatmanapun di dalam citra.

(2.4)

ba

7/18/2011

Tugas Akhir – KI09139136

RUMUS DBPSP (2)

(2.5)

Dimana i adalah nomor motif pola scan dan Ni adalahtotal kemunculan motif ke-i di dalam keseluruhan citra.Sehingga nantinya terdapat enam buah fitur DBPSP.

b

7/18/2011

Tugas Akhir – KI09139137

RUMUS CHKM

(2.6)

Dimana N adalah total jumlah piksel pada citra dan Nkadalah jumlah piksel yang termasuk dalam kelompokwarna ke-k.

c

7/18/2011

Tugas Akhir – KI09139138

RUMUS CTCHIRS

(2.10)

Dimana w1, w2, dan w3 adalah masing-masing weightyang diberikan untuk CCM, DBPSP, dan CHKM.

7/18/2011

Tugas Akhir – KI09139139

IMPLEMENTASI CCM (1)

Implementasi penghitungan CCM

for (int u = 0; u < 7; u++){

for (int v = 0; v < 7; v++){

N[0] += M[0].Value[u][v];N[1] += M[1].Value[u][v];N[2] += M[2].Value[u][v];N[3] += M[3].Value[u][v];}

}totalPixel = (int)(N[0] + N[1] + N[2] + N[3]);

7/18/2011

Tugas Akhir – KI09139140

IMPLEMENTASI CCM (2)

for (int i = 0; i < 4; i++){for (int u = 0; u < 7; u++){for (int v = 0; v < 7; v++){

float val = M[i].Value[u][v] / N[i];m.Value[u][v] = val;

}}

Implementasi penghitungan CCM