1
CONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM Venny Mar’atul Jannah Ismail1, Arip Mulyanto2, Abd. Aziz Bouty3 1
Mahasiswa Teknik Informatika Universitas Negeri Gorontalo Email:
[email protected] 2 Dosen Teknik Informatika Universitas Negeri Gorontalo Email:
[email protected] 3 Dosen Teknik Informatika Universitas Negeri Gorontalo Email:
[email protected]
Intisari Karawo atau kerawang merupakan salah satu kerajinan yang dihasilkan oleh daerah Gorontalo. Seiring perkembangannya pengenalan akan motif Karawo dikalangan generasi muda masih sangat kurang. Penelitian ini bertujuan untuk menerapkan metode Invariant Generalized Hough Transform dalam sistem Content Based Image Retrieval (CBIR) sehingga dapat mengenali pola pada objek Karawo serta dapat meningkatkan tingkat akurasi pengenalan motif Karawo. Metode yang digunakan dalam penelitian ini yakni metode Eksperimen, dimana metode ini memiliki beberapa tahapan penelitian diantaranya, pengambilan sampel, preprocessing, feature ekstraction, similarity matching dan juga precision dan recall. Hasil eksperimen menunjukan bahwa dalam 6 kali percobaan hasil ekstraksi penemuan motif Karawo menghasilkan nilai precision berkisar antara 20% sampai 60%, sedangkan nilai recall berkisar anatara 3.85% sampai 11.54%. Kelemahan dari penelitian ini yakni masih terdapat banyak noise pada motif yang digunakan serta masih kurangnya jumlah motif pada data training. Kata Kunci : Motif Karawo, CBIR, Invariant Generalized Hough Transform, Eksperimen Abstrack Karawo or karawang is one of handmade artproduce by Gorontalo. Along with developed, recognition of karawo’s motive in young generation still less than expectation. This research aimed to apply invariant Hough transformation method in Content Based Image Retrieval (CBIR) system in order to recognized pattern inkarawo and could increased the accurate point of karawo’s recognition. This research used experiment methods, and this method have some steps research which are, sampling, preprocessing, feature extraction, similarity matching and also precision and recall. Experiment’s result show that in 6 times experiment extraction result of karawo’s motive inventionshows precision point ranging from 20% until 60%, whereas recall point ranging from 3,85 percent until 11,54 percent. The weakness of this research there was still some noise on the motive which was used and less of amount of motive in training data.
Key words : Karawo Motive, CBIR, Invariant Generalized Hough Transform, Eksperiment
2
bentuk baik pada image query maupun image database melalui proses GVF dengan menggunakan objek hewan.
1. PENDAHULUAN Indonesia mempunyai banyak kerajinan yang memiliki banyak katakter budaya dan ciri khas setiap daerahnya sendiri. Karawo atau Kerawang merupakan salah satu kerajinan yang dihasilkan oleh Daerah di Indonesia yakni Gorontalo. Seiring perkembangannya, pengenalan akan motif Karawo dikalangan generasi muda masih sangat kurang. Untuk mengatasi masalah tersebut dibutuhkan peran suatu sistem untuk dapat mempermudah dalam mengenali suatu objek dalam hal ini yakni motif Karawo. Banyak metode yang dapat digunakan dalam mengenali suatu pola dari objek tertentu, berdasarkan kasus diatas penulis mengambil metode Invariant Generalized Hough Transform dalam mengenali suatu motif Karawo. Selain itu, penulis menggunakan metode Euclidean Distance untuk menghitung jarak terdekat antara citra masukan dengan citra template yang ada. Adapun tujuan dari penelitian ini yaitu dapat menerapkan metode Invariant GHT dalam sistem CBIR yang dapat mengenali pola pada objek Karawo serta dapat meningkatkan tingkat akurasi pada pengenalan motif Karawo. Sebelumnya, pada tahun 2012, Bouty melakukan penelitian tentang perhitungan nilai Rotasi pada Citra Batik Melalui Ekstraksi Accumulator Array dengan Metode Hill Climbing dan Low Pass Filter, yang bertujuan untuk mendapatkan nilai rotasi dari citra batik yang mengalami rotasi. Selain itu Hastuti, dkk (2009) melakukan penelitian tentang Content Based Image Retrieval Berdasarkan Fitur Bentuk Menggunakan Metode Gradient Vector Flow Snake Penelitian ini menggunakan karakteristik image berupa informasi fitur
2. TINJAUAN PUSTAKA A. Content Based Image Retrieval
Temu kembali citra atau istilah yang lebih spesifik lagi yakni Content Based Image Retrieval (CBIR) merupakan suatu aplikasi yang komputer vision yang digunakan untuk melakukan pencarian gambargambar digital paa suatu data training. Metode CBIR yang sering digunakan adalah pencarian berdasarkan kemiripan fitur bentuk, warna dan tekstur. B. Karawo Karawo adalah sebuah kata yang berasal dari bahasa Gorontalo yang berarti sulaman dengan menggunakan tangan. Karawo atau Kerawang bisa juga dikatakan tenunan atau tekaan yang berlubang-lubang. Sama seperti batik, karawo juga memiliki motif-motif tersendiri.
Gambar 1. Motif Karawo Motif sulaman Karawo bermacammacam, terutama aneka bunga, buah, atau lambing dari instansi pemerintah lainnya. C. Invariant Generalized Hough Transform Invariant Generalized Hough Transform (IGHT) merupakan pengembangan dari Generalized Hough Transform. Dimana GHT hanya untuk 3
mengatasi noise yang terdapat pada gambar namun tidak untuk memperbaiki kompleksitas komputasi.
tahapan yang terkait dengan perancangan sistem yang akan dilakukan, diantaranya:
Gambar 2. Perhitungan Nilai β dan k Untuk mendapatkan GHT Invariant perlu diketahui titik-titik pada template yang berhubungan dengan titik pada image. D. Euclidean Distance Euclidean Distance adalah salah satu metode yang digunakan untuk menghitung kemiripan antara dua citra. Jika x dan y adalah dua vector fitur dari citra data training dan citra data test dengan dimensi d, maka Euclidean Distance didefinisikan dengan :
Gambar 3. Tahapan Penelitian
4. HASIL DAN PEMBAHASAN Berikut merupakan hasil dan pembahasan dari penelitian ini : A. Hasil 1. Pengambilan Sampel Sampel yang digunakan dalam penelitian ini berupa motif Karawo. Ada beberapa motif Karawo yang digunakan sebagai data training, diantaranya :
.......... (1) E. Precisison dan Recall
Precision dan recall merupakan suatu proses validasi terhadap eksperimen, yang hasilnya dihitung berdasarkan keberhasilan penunjukan titik-titik rujukan. ...... (2) Dengan : h : Jumlah dokumen yang relevan dengan data test yang terambil n : Jumlah seluruh dokumen yang terambil nr : Jumlah seluruh dokumen relevan dalam koleksi dokumen
Gambar 4. Sampel Motif Karawo Sedangkan data test yang digunakan merupakan sampel kain Karawo yang sering digunakan dikalangan masyarakat saat ini.
3. METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah metode Eksperimen, dimana terdapat beberapa tahapan4
Gambar 5. Sampel Data Test 2. Preprocessing Pada tahap ini yang akan dilakukan oleh peneliti adalah mengubah motif yang ada ke bentuk grayscale.
Gambar 6. RGB diubah ke Grayscale Selanjutnya proses yang harus dilakukan yakni penentuan titik rujukan motif ang dapat dilakukan dengan menggunakan rumus :
Gambar 7. Algoritma Penentuan titik Rujukan Motif Berikut merupakan contah dari salah satu motif menggunakan Sehingga hasil yang didapatkan dari algoritma penentuan titik rujukan adalah sebagai berikut : Tabel 1. Contoh Rujuakan Motif
Penentuan
Titik
5
Gambar 8. Algoritma Pembentukan R-table Invariant 4. Similarity Matching Pada tahap ini akan dilakukan pencocokan antara citra data training dengan citra data test menggunakan Euclidien Distance. Dimana pada persamaan (1) berfungsi untuk menghitung jarak antara kedua citra. 5. Precision dan Recall Dalam tahap ini peneliti akan menghitung nilai Precision dan Recall dari uji coba yang dilakukan menggunakan persamaan (2). Sehingga nilai Precision dan Recall yang dihasikan dari uji coba motif Lutu yakni :
Berdasarkan Tabel 1. yang dilakukan terhadap motif lutu dengan ukuran matriks 10 x 10 pixel, maka didaptkan nilai titik rujukan yakni : Xr = round (xr/p) Yr = round (yr/p) = 311 / 64 = 328 /64 = 4.859375 = 5.125 Titik rujukan adalah (5,5)
= 0.2 = 0.03846 B. Pembahasan Berdasarkan hasil penelitian yang dilakukan, penerapan metode Invariant GHT dalam penelitian ini digunakan untuk mencari lokasi kemunculan motif Karawo pada citra penguji. Perolehan hasil yang didapatkan dari hasil keluaran aplikasi yang ada yakni, nilai Euclidien Distance dari masing-masing motif yang diuji coba memiliki nilai yang berbeda. Table 2. Perbandingan Nilai
3. Feature Extraction Motif Karawo yang telah ditentukan titik rujukannya, maka selanjutnya akan ditransformasikan kedalam besaran yang Invariant dan disimpan dalam R-Table. Dimana proses tersebut dapat dilakukan dengan menggunakan rumus :
6
Bouty, A. A. 2012. Perhitungan Nilai Rotasi Motif Pada Citra Batik Melalui Ekstraksi Accumulator Array Dengan Metode Hill Climbing dan Low Pass Filter. Depok : Universitas Indonesia. Hastuti, I., Hariadi, M., dan Purnama, I. K. E. 2009. Content Based Image Retrival Berdasarkan Fitur Bentuk Menggunakan Gradien Vektor Flow Snake. Prosiding Seminar Teknik Informatika eDemocray, UPY Yogyakarta.
Berdasarkan Table 2, nilai yang dihasilkan dari masing-masing citra yang di retrieve dihasilkan dari 26 jumlah citra data training yang ada pada aplikasi Content Based Image Retrival untuk mengidentifikasi motif karawo menggunakan menggunakan metode Invariant Generalized Hough Transform.
Ismail. Venny Mar’atul Jannah. 2014. Content Based Image Retrieval Untuk Mengidentifikasi Motif Karawo menggunakan Metode Invariant Generalized Hough Transform. Universitas Negeri Gorontalo
5. KESIMPULAN DAN SARAN
Mulyanto. A, Rohandi. M. dan Tuloli. M. S. 2013. Klasifikasi Karakter Pengguna Karawo Untuk Rekomendasi Motif Berbasis Budaya Gorontalo Menggunakan Algoritma Naïve Bayes.
Kesimpulan dari penelitian ini yakni, aplikasi mampu menampilkan citra retrieve yang merupakan citra yang memiliki nilai terdekat dengan nilai citra yang dimasukan. Dimana, data training yang digunakan dalam aplikasi ini terdiri dari 26 sampel dan 5 sampel data test. Sehingga hasil yang didapat dari penelitian ini berupa nilai precision berkisar antara 20% sampai dengan 60% dan nilai recall berkisar antara 3.85% sampai dengan 11.54%. Adapun saran untuk pengembangan selanjutnya diharapkan dapat dikembangkan dengan data training yang lebih banyak serta dapat mengurangi noise pada citra masukan, serta dapat dikembangkan pada aplikasi perangkat mobile.
Nixon, Mark S. dan Alberto S. Aguando. 2008. Feature Extraction and Image Processing,
6. DAFTAR PUSTAKA Anonim.(2011).“Karawo”.http://lifestyle .okezone.com/read/2011/07/24/2 9/483604/kerawang-kain-cantikkhas-gorontalo. Diakses tanggal 23 September 2013. 7
