| dc.description.abstract | Citra memiliki bentuk, tekstur dan warna yang sangat beragam. Hal ini menyebabkan sulitnya dilakukan pencarian citra. Klasifikasi citra merupakan salah satu tahap yang paling penting pada temu kembali berbasis citra. Penelitian ini mengimplementasikan metode Support Vector Machine (SVM) dengan algoritma optimisasi Sequential Minimal Optimization (SMO) untuk tahap klasifikasi pada sistem temu kembali citra berdasarkan ciri warna. Penelitian juga membandingkan kinerja SVM dengan pendekatan jarak Euclidean pada sistem temu kembali citra. Data yang digunakan diambil dari basis data Caltech dan www.flowers.vg sebanyak 300 citra untuk berbagai macam objek. Format citra adalah JPEG berukuran 50×50 piksel. Seluruh citra di dalam basis data disegmentasi menggunakan algoritma Expectation-Maximization (EM) dan diekstraksi menggunakan metode Fuzzy Color Histogram (FCH) untuk membentuk indeks warna citra di dalam basis data. Kemudian indeks warna citra ini dilatih menggunakan algoritma optimisasi SMO untuk membentuk model klasifikasi SVM. Model klasifikasi ini digunakan untuk mengklasifikasikan citra. Dari hasil klasifikasi, diambil citra di dalam basis data yang memiliki kelas yang sama dengan citra kueri dan citra dari kelas lain yang memiliki tingkat kemiripan yang tinggi dengan citra kueri sebagai citra hasil temu kembali. Evaluasi terhadap hasil temu kembali dilakukan menggunakan rataan precision untuk setiap tingkat recall. Berdasarkan penelitian ini, temu kembali citra menggunakan metode klasifikasi SVM memiliki hasil temu kembali dengan rataan precision mencapai 76.76%, sedangkan pada temu kembali citra yang hanya berdasarkan jarak Euclidean antar citra memiliki rataan precision 50.91%. | id |
