32
BAB IV HASIL DAN PEMBAHASAN
4.1
Hasil Pengukuran Precision
Pada penelitian ini, eksperimen dilakukan terhadap 160 gambar ZuBuD yang terdiri dari 40 kategori gambar (setiap kategori terdiri atas 4 gambar). Eksperimen dilakukan untuk mengukur precision dari sistem retrival citra berbasis konten yang menggunakan gradient vector flow, dan gradient vector flow digabung dengan histogram warna. Untuk setiap metode, eksperimen dilakukan pada setiap kategori gambar. Untuk setiap kategori gambar tersebut, dilakukan 1 kali query. Hasil precision dari setiap kategori gambar dirata-rata sehingga mendapatkan hasil precision dari metode tersebut. Dari hasil penelitian di dalam thesis ini dapat disimpulkan bahwa karakteristik dari gambar hasil retrival dari sistem retrival citra berbasis konten dengan menggunakan metode gradient vector flow memiliki sudut pengambilan gambar yang relatif sama dengan gambar query. Dan penambahan metode histogram meningkatkan akurasi sistem retrival citra berbasis konten dengan menghasilkan gambar retrival yang memiliki warna relatif sama dengan warna dari gambar query. Gambar di bawah ini merupakan contoh hasil query dari eksperimen untuk beberapa kategori gambar bangunan pada sistem retrival citra berbasis konten yang menggunakan gradient vector flow dan yang menggunakan gradient vector flow dikombinasikan dengan histogram warna.
33
Gambar 4.1 Contoh 1 Hasil Query Metode Gradient Vector Flow
Gambar 4.2 Contoh 1 Hasil Query Metode Gradient Vector Flow + Histogram
34
Gambar 4.3 Contoh 2 Hasil Query Metode Gradient Vector Flow
Gambar 4.4 Contoh 2 Hasil Query Metode Gradient Vector Flow + Histogram
35
Gambar 4.5 Contoh 3 Hasil Query Metode Gradient Vector Flow
Gambar 4.6 Contoh 3 Hasil Query Metode Gradient Vector Flow + Histogram
36
Gambar 4.7 Contoh 4 Hasil Query Metode Gradient Vector Flow
Gambar 4.8 Contoh 4 Hasil Query Metode Gradient Vector Flow + Histogram
37
Gambar 4.9 Contoh 5 Hasil Query Metode Gradient Vector Flow
Gambar 4.10 Contoh 5 Hasil Query Metode Gradient Vector Flow + Histogram
38
Gambar 4.11 Contoh 6 Hasil Query Metode Gradient Vector Flow
Gambar 4.12 Contoh 6 Hasil Query Metode Gradient Vector Flow + Histogram
39
Gambar 4.13 Contoh 7 Hasil Query Metode Gradient Vector Flow
Gambar 4.14 Contoh 7 Hasil Query Metode Gradient Vector Flow + Histogram
40
Gambar 4.15 Contoh 8 Hasil Query Metode Gradient Vector Flow
Gambar 4.16 Contoh 8 Hasil Query Metode Gradient Vector Flow + Histogram
41
Gambar 4.17 Contoh 9 Hasil Query Metode Gradient Vector Flow
Gambar 4.18 Contoh 9 Hasil Query Metode Gradient Vector Flow + Histogram
42
Gambar 4.19 Contoh 10 Hasil Query Metode Gradient Vector Flow
Gambar 4.20 Contoh 10 Hasil Query Metode Gradient Vector Flow + Histogram
43
Gambar-gambar
pada
kategori
object0018
terdiri
dari
4
gambar
yaitu
object0018.view01.png sampai dengan object0018.view04.png. Pada gambar 4.1 yang menggunakan metode gradient vector flow, terdapat 1 gambar relevan dari 4 gambar hasil temu kembali (object0018.view04.png). Hasil precision pada gambar 4.1 adalah ¼ = 25%. Pada gambar 4.2 yang menggunakan metode gradient vector flow digabung dengan histogram warna, terdapat 3 gambar relevan dari 4 gambar hasil temu kembali (object0018.view04.png, object0018.view03.png, object0018.view01.png). Hasil precision pada gambar 4.3 adalah ¾ = 75%. Peningkatan dari sistem retrival citra berbasis konten yang hanya menggunakan metode gradient vector flow ke sistem yang menggunakan metode gradient vector flow digabung dengan histogram warna, secara keseluruhan adalah sebesar 22% untuk precision. Informasi hasil pengukuran precision untuk semua metode ditampilkan pada tabel-tabel di bawah. Tabel-tabel di bawah ini berisi informasi mengenai hasil pengukuran precision dari sistem retrival citra berbasis konten yang menggunakan gradient vector flow, dan gradient vector flow digabung dengan histogram warna pada setiap kategori gambar.
Tabel 4.1 Precision dari Gradient Vector Flow & Gradient Vector Flow + Histogram No building 1 building 2 building 3 building 4 building 5 building 6 building 7 building 8 building 9 building 10 building 11 building 12
Recall/Precision gvf + histogram 0,75 0,5 0,75 0,5 1 0,75 0,25 0,75 0,75 1 0,5 0,25
gvf 0,5 0,25 0,75 0,25 0,5 0,25 0,5 0,25 0,5 0 0 0,5
44 building 13 building 14 building 15 building 16 building 17 building 18 building 19 building 20 building 21 building 22 building 23 building 24 building 25 building 26 building 27 building 28 building 29 building 30 building 31 building 32 building 33 building 34 building 35 building 36 building 37 building 38 building 39 building 40 Rata‐rata
0,75 0,5 0,5 0,75 0,25 0,75 0,75 0,5 0,75 0,5 0,5 0,25 0,25 0,5 0,25 0,5 1 0,25 0,5 1 0,5 0,5 0,5 0,25 0,75 1 1 0,75 0,6
0,75 0,5 0,5 0 0 0,25 0,5 0,75 0,25 0,25 0,5 0,25 0 1 0,25 0 0 0,25 0,5 1 0,5 0,75 1 0 0,5 0,75 0 0 0,38125
Grafik di bawah ini merupakan grafik perbandingan dari precision pada sistem retrival citra berbasis konten yang menggunakan gradient vector flow, dan gradient vector flow digabung dengan histogram warna pada setiap kategori gambar.
45
Precision 1.2 1 0.8 0.6 0.4 0.2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Gradient Vector Flow + Histogram
Gradient Vector Flow
Gambar 4.21 Grafik Perbandingan Precision
Grafik di bawah ini merupakan grafik perbandingan pasangan recall-precision dari setiap metode.
Recall ‐ Precision 0.9 0.8 0.7 Precision
0.6 0.5 0.4
Gradient Vector Flow + Histogram
0.3
Gradient Vector Flow
0.2 0.1 0 0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Recall
Gambar 4.22 Grafik Perbandingan Recall – Precision
46
4.2
Pembahasan Hasil Hasil yang telah ditampilkan sebelumnya menunjukkan bahwa sistem retrival citra
berbasis konten yang menggunakan fitur gradient vector flow dan histogram menghasilkan peningkatan precision rata-rata sebesar 22% dari sistem retrival citra berbasis konten yang hanya menggunakan fitur gradient vector flow. Metode gradient vector flow dan histogram menghasilkan nilai precision yang bervariasi antara 60% sampai dengan 85%. Query yang menggunakan metode gradient vector flow dan histogram memberikan hasil retrival yang memiliki karakteristik gambar bangunan dengan sudut pengambilan gambar yang relatif sama dan warna bangunan yang relatif sama. Dampak dari hasil di atas adalah gambar relevan yang didapatkan akan semakin meningkat dengan menggunakan metode gradient vector flow dan histogram sehingga didapat hasil yang mencukupi untuk menggunakan metode tersebut ke dalam pencarian bangunan perkotaan. Agar implementasi dapat maksimal maka dapat digunakan prosedur standar operasi untuk sudut dan waktu pengambilan gambar.