Optimisasi Query Citra dengan Relevance Feedback dan Support Vector Machine

Abstract

Temu kembali citra dilakukan berdasarkan isi citra (CBIR). masing-masing citra memiliki warna, bentuk dan tekstur yang beragam sehingga perlu digunakan teknik klasifikasi agar proses pencarian dapat bekerja optimal. Relevance Feedback (RF) digunakan untuk lebih memaksimalkan hasil temu kembali citra. Penelitian ini menitikberatkan pada temu kembali citra berdasarkan ciri warna. Citra query disegmentasi menggunakan Expectation Maximization kemudian diekstraksi dengan Fuzzy Color Histogram (FCH). Kelas dari citra query diperoleh dari model klasifikasi yang dibentuk menggunakan Support Vector Machine (SVM). RF akan melakukan update pada FCH query sesuai masukan dari pengguna. Penelitian ini mengukur peningkatan yang terjadi pada temu kembali citra dengan SVM dan RF dibandingkan dengan SVM tanpa RF. Evaluasi hasil temu kembali menggunakan rataan precision untuk tiap tingkatan recall. Berdasarkan penelitian ini, hasil temu kembali citra menggunakan SVM tanpa RF memiliki rataan precision 0.74, sedangkan hasil temu kembali ctra menggunakan SVM dan RF memiliki rataan precision 0.82.