Klasifikasi Citra Content-Based Image Retrieval Dengan Metode Shape Base Threshold

Abstract

Content Based Image Retrieval (CBIR) bekerja dengan cara mengukur kemiripan citra dengan semua citra yang ada dalam database sehingga ketepatan pencarian berbanding lurus dengan jumlah citra dalam database. Pencarian citra yang paling mirip mempunyai tingkat lamanya pencarian dengan melakukan klasifikasi citra yang bertujuan untuk mengurangi waktu pencarian lebih singkat dan akurat pada CBIR.
Implementasi Shape Base Thresholding untuk klasifikasi citra serta mengukur tingkat akurasi dan waktu klasifikasinya. Penelitian ini, dirancang aplikasi perangkat lunak dengan pemograman java JDK, aplikasi klasifikasi citra CBIR yang akan mampu mengekstrak fitur warna dan tekstur dari sebuah citra dengan menggunakan Shape Base Thereshold Color Histogram dan Entropi Base Histogram. Hasil dari proses ekstraksi fitur kemudian digunakan oleh perangkat lunak dalam proses learning dan klasifikasi dengan metode Shape Base Threshold. Perangkat lunak dibangun dengan metode analisis dan perancangan terstruktur kemudian diimplementasikan dengan Java JDK. Adapun Citra learning yang terdapat pada 8 kelas citra fitur yang di simpan quary database yaitu 596 citra bmp dan jpg dengan ukuran 400x400, sebagai sample pengujian dan masing masing citra yang terdapat pada quary data base yaitu Color Histogram dan Shape Base Thereshold Histogram yang berbeda.
Aplikasi klasifikasi citra CBIR yang dihasilkan kemudian diuji dengan parameter tingkat akurasi dan waktu klasifikasi. Hasil pengujian menunjukkan bahwa kombinasi fitur warna dan tekstur memberikan tingkat akurasi yang lebih tinggi dibandingkan dengan klasifikasi berdasarkan fitur warna saja atau tekstur saja namun membutuhkan waktu klasifikasi yang lebih lama.
Kata kunci : Klasifikasi Citra CBIR, Ekstraksi fitur, Shape Base Threshold, Entropy Base Threshold