BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Penggunaan citra yang semakin meningkat menimbulkan kebutuhan retrival citra yang juga semakin meningkat. Diperlukan suatu metode retrival citra yang efektif dan efisien. Retrival citra pada saat ini menggunakan cara retrival berbasis teks. Hal ini berarti bahwa tiap citra memiliki pengenal dengan cara memberikan informasi tambahan berupa teks kepada suatu gambar. Permasalahan utama pada cara ini adalah dengan semakin bertambahnya citra digital, akan semakin susah memberikan informasi pada tiap-tiap citra secara manual. Selain itu, terdapat kendala di mana suatu citra dapat memiliki arti yang berbeda-beda untuk tiap orang yang melihat citra tersebut. Kendala berikutnya terdapat pada penggunaan bahasa, di mana suatu gambar yang sama harus diterjemahkan ke banyak bahasa sesuai dengan asal pencari gambar. Solusi dari masalah ini adalah dengan menggunakan retrival citra berbasis citra. Retrival citra ini dapat mengatasi ketiga permasalahan di atas. Pertama, tidak diperlukan lagi pemberian informasi secara manual. Kedua, tidak akan ada perbedaan padangan karena citra dianalisis oleh komputer. Ketiga, karena tidak perlu adanya pemasukan informasi kepada citra, maka secara otomatis tidak akan terdapat perbedaan bahasa.
21 Secara umum, terdapat tiga fitur yang digunakan dalam sistem retrival citra berbasis citra. Fitur yang digunakan adalah warna, tekstur, dan bentuk. Tranformasi Walsh-Hadamard merupakan suatu cara ekstraksi fitur warna yang akan digunakan dalam sistem retrival citra. 3.2 Metode Umum Secara umum, retrival citra berbasis konten memiliki dua tingkatan. 1. Ekstraksi fitur Citra yang ada harus diekstraksi fiturnya. Kegunaan ekstraksi fitur adalah untuk mendapatkan vektor fitur di mana vektor fitur yang dihasilkan harus jauh lebih kecil daripada citra yang ada. Vektor fitur ini yang kemudian akan dimasukkan ke dalam database fitur. 2. Eksekusi kueri Citra yang menjadi kueri akan diekstraksi vektor fiturnya. Vektor fitur yang didapatkan akan dibandingkan dengan vektor fitur yang ada di dalam database fitur. Dengan menggunakan jarak kemiripan antara kedua vektor fitur tersebut, akan kita dapatkan suatu nilai yang apabila kita berikan suatu nilai batas (threshold), maka akan dapat kita ambil citra-citra yang memiliki content yang sama dengan citra yang kita kueri.
22 3.3 Perancangan 3.3.1 Perancangan Program Dari metode umum di atas, prosedur retrival citra dibagi menjadi dua yaitu: 1. Ekstraksi Fitur a. Penyesuaian ukuran citra Citra yang berbeda-beda ukurannya dijadikan ukuran 64x64. Ukuran citra harus dalam bentuk 2 n. b. Pembagian citra ke dalam sub-sub citra Citra dibagi menjadi beberapa sub citra. Pembagian ini dilakukan dengan memotong citra menjadi potongan-potongan persegi yang sama besar di mana ukurannya harus dalam bentuk 2 n. c. Pencarian rata-rata baris dan kolom Citra yang sudah dibagi-bagi dicari rata-rata baris dan kolomnya. Setiap sub-citra akan memiliki vektor rata-rata baris dan kolom. d. Transformasi vektor rata-rata dengan transformasi Walsh- Hadamard dan pembobotan bagian citra Vektor rata-rata yang sudah didapatkan ditransformasi untuk mendapatkan vektor fitur. Pembobotan dilakukan dengan asumsi bagian tengah citra akan memiliki fitur yang lebih tinggi dibandingkan bagian sudut citra.
23 e. Pegindeksan citra Vektor fitur disimpan ke dalam basis data fitur. Vektor fitur ini akan mewakili citra yang ada dalam basis data citra. 2. Eksekusi Kueri a. Penyesuaian ukuran citra Citra yang akan digunakan sebagai kueri disamakan ukurannya dengan citra yang diindeks vektor fiturnya. Proses ini sama dengan penyesuaian ukuran citra pada saat ekstraksi fitur dilakukan. b. Pembagian citra ke dalam sub-sub citra Citra dibagi menjadi beberapa sub citra. Proses ini sama dengan proses pembagian citra yang dilakukan pada saat ekstraksi fitur dilakukan. c. Pencarian rata-rata baris dan kolom Proses pencarian rata-rata sama dengan proses pencarian rata-rata pada saat ekstraksi fitur dilakukan. d. Tranformasi vektor rata-rata dengan tranformasi Walsh-Hadamard Proses ini sama dengan proses transformasi vektor rata-rata pada saat ekstraksi fitur dilakukan.
24 e. Pencocokan fitur Vektor fitur yang dihasilkan dari citra kueri dibandingkan dengan vektor fitur yang ada di dalam basis data fitur. Citra-citra yang memiliki jarak kemiripan tertentu dengan vektor fitur citra kueri akan dianggap sebagai citra yang merupakan kelompok yang sama dengan citra kueri. Citra Citra Citra Penyesuaian Ukuran Citra Pembagian citra ke dalam sub sub citra Pencarian rata rata baris dan kolom dan pembobotan bagian citra Transformasi Walsh Hadamard Pengindeksan Citra Database Gambar 3.1 Diagram Kerja Penyimpanan Vektor Fitur Database Hasil Pencarian Pencocokan Fitur Citra Penyesuaian Ukuran Citra Pembagian citra ke dalam sub sub citra Pencarian rata rata baris dan kolom dan pembobotan bagian citra Transformasi Walsh Hadamard Gambar 3.2 Diagram Kerja Kueri Pada Retrival Citra Berbasis Konten
25 3.3.2 Perancangan Algoritma Program Algoritma yang dipakai secara garis besar adalah sebagai berikut: 1) Mengatur ukuran citra agar menajadi. 2) Mencari rata-rata warna dari citra. 3) Melakukan transformasi Walsh-Hadamard terhadap rata-rata citra tersebut untuk mendapatkan vektor fitur yang akan digunakan untuk membandingkan kemiripan citra. Terdapat 8 metode yang dilakukan dengan menggunakan algoritma di atas. Masing-masing metode yang dilakukan adalah sebagai berikut: 1. Gray Row Mean Gambar yang sudah diatur agar berukuran diubah menjadi gambar grayscale, kemudian diambil rata-rata warnanya untuk masing-masing baris sehingga akan mendapatkan vektor fitur berukuran 64. Vektor fitur ini kemudian ditransformasi dengan transformasi Walsh-Hadamard menjadi vektor fitur berukuran 64 yang kemudian digunakan sebagai vektor fitur untuk menentukan nilai kemiripan. Berikut adalah proses transformasinya: Gambar Rata rata Baris (64 Baris) Vektor Fitur
26 2. Gray Column Mean Gambar yang sudah diatur agar berukuran diubah menjadi gambar grayscale, kemudian diambil rata-rata warnanya untuk masing-masing kolom sehingga akan mendapatkan vektor fitur berukuran 64. Vektor fitur ini kemudian ditransformasi dengan transformasi Walsh-Hadamard menjadi vektor fitur berukuran 64 yang kemudian digunakan sebagai vektor fitur untuk menentukan nilai kemiripan. Berikut adalah proses transformasinya: Gambar Rata rata Kolom (64 Kolom) Vektor Fitur
27 3. Gray Row Column Mean Gambar yang sudah diatur agar berukuran diubah menjadi gambar grayscale, kemudian diambil rata-rata warnanya untuk masing-masing kotak yang berukuran 8 x 8 sehingga akan mendapatkan vektor fitur berukuran 64. Vektor fitur ini kemudian ditransformasi dengan transformasi Walsh-Hadamard menjadi vektor fitur berukuran 64 yang kemudian digunakan sebagai vektor fitur untuk menentukan nilai kemiripan. Berikut adalah proses transformasinya: Gambar (8 baris x 8 kolom) Vektor Fitur
28 4. RGB Row Mean Gambar yang sudah diatur agar berukuran diambil rata-rata warna masing-masing baris untuk setiap dimensi warnanya (Red, Green, dan Blue). Vektor fitur ini kemudian ditransformasi dengan transformasi Walsh-Hadamard menjadi vektor fitur berukuran 64 untuk masing-masing dimensi warna yang kemudian digabungkan dan sebagai vektor fitur untuk menentukan nilai kemiripan. Berikut adalah proses transformasinya: Rata rata Baris (64 Baris) (RED) Gambar (GREEN) Rata rata Baris (64 Baris) (BLUE) Rata rata Baris (64 Baris) Vektor Fitur
29 5. RGB Column Mean Gambar yang sudah diatur agar berukuran diambil rata-rata warna masing-masing kolom untuk setiap dimensi warnanya (Red, Green, dan Blue). Vektor fitur ini kemudian ditransformasi dengan transformasi Walsh-Hadamard menjadi vektor fitur berukuran 64 untuk masing-masing dimensi warna yang kemudian digabungkan dan sebagai vektor fitur untuk menentukan nilai kemiripan. Berikut adalah proses transformasinya: (RED) Rata rata Kolom (64 Kolom) Gambar (GREEN) Rata rata Kolom (64 Kolom) (BLUE) Rata rata Kolom (64 Kolom) Vektor Fitur
30 6. RGB Row Column Mean Gambar yang sudah diatur agar berukuran diambil rata-rata warna masing-masing kotak yang berukuran 8 x 8 untuk setiap dimensi warnanya (Red, Green, dan Blue). Vektor fitur ini kemudian ditransformasi dengan transformasi Walsh- Hadamard menjadi vektor fitur berukuran 64 untuk masing-masing dimensi warna yang kemudian digabungkan dan sebagai vektor fitur untuk menentukan nilai kemiripan. Berikut adalah proses transformasinya: (RED) (8 baris x 8 kolom) Gambar (GREEN) (8 baris x 8 kolom) (BLUE) (8 baris x 8 kolom) Vektor Fitur
31 7. Gray Row Column Mean 2 Walsh Dalam metode ini dilakukan transformasi Walsh-Hadamard sebanyak 2 kali. Transformasi ini dilakukan terhadap keseluruhan citra dan terhadap posisi tengah citra yang berukuran 32 x 32. Transformasi tambahan yang khusus dilakukan untuk bagian tengah citra ini bertujuan untuk meningkatkan keefektifan pencarian citra. Metode ini berasumsi bahwa kebanyakan citra memiliki fokus untuk citra yang terletak di tengah (citra yang di tengah biasanya merupakan objek yang ingin diambil). Transformasi pertama dalam metode ini dilakukan untuk citra berukuran 32 x 32 yang terletak di tengah citra. Metode yang dilakukan sama halnya dengan metode Gray Row Column Mean. Perbedaannya terletak pada ukuran gambar yang ditransformasi, yaitu 32 x 32 dan fitur vektor ini dikalikan dengan nilai 1.25 untuk meningkatkan persentase perbedaan citra apabila perbedaan tersebut terletak di tengah gambar. Transformasi kedua dalam metode ini sama persis dengan metode Gray Row Column Mean. Kedua hasil transformasi ini kemudian digabungkan menjadi suatu vektor fitur baru yang digunakan untuk menentukan nilai kemiripan. Berikut adalah proses transformasinya:
32 (8 baris x 8 kolom) Gambar 32 x 32 (4 baris x 4 kolom) Vektor Fitur
33 8. RGB Row Column Mean 2 Walsh Dalam metode ini dilakukan transformasi Walsh-Hadamard sebanyak 2 kali. Transformasi ini dilakukan terhadap keseluruhan citra dan terhadap posisi tengah citra yang berukuran 32 x 32. Transformasi tambahan yang khusus dilakukan untuk bagian tengah citra ini bertujuan untuk meningkatkan keefektifan pencarian citra. Metode ini berasumsi bahwa kebanyakan citra memiliki fokus untuk citra yang terletak di tengah (citra yang di tengah biasanya merupakan objek yang ingin diambil). Transformasi pertama dalam metode ini dilakukan untuk citra berukuran 32 x 32 yang terletak di tengah citra. Metode yang dilakukan sama halnya dengan metode RGB Row Column Mean. Perbedaannya terletak pada ukuran gambar yang ditransformasi, yaitu 32 x 32 dan fitur vektor ini dikalikan dengan nilai 1.25 untuk meningkatkan persentase perbedaan citra apabila perbedaan tersebut terletak di tengah gambar. Transformasi kedua dalam metode ini sama persis dengan metode RGB Row Column Mean. Kedua hasil transformasi ini kemudian digabungkan menjadi suatu vektor fitur baru yang digunakan untuk menentukan nilai kemiripan. Berikut adalah proses transformasinya:
(RED) (8 baris x 8 kolom) 34 (GREEN) (8 baris x 8 kolom) Gambar (BLUE) (8 baris x 8 kolom) 32 x 32 (RED) (4 baris x 4 kolom) 32 x 32 (GREEN) (4 baris x 4 kolom) 32 x 32 (BLUE) (4 baris x 4 kolom) Vektor Fitur
35 Selain 8 metode di atas, terdapat persentase nilai yang dibandingkan dalam pencarian kemiripan citra. Pada percobaan ini, dilakukan pembandingan kemiripan citra dengan persentase vektor fitur yang diambil sebesar 50%, 60%, 70%, 80%, 90%, dan 100%. Dengan menggunakan persentase pembandingan seperti di atas, maka dapat dihasilkan fitur vektor yang lebih kecil daripada fitur vektor aslinya. Ukuran fitur vektor yang lebih kecil tentunya akan dapat menghemat ukuran penyimpanan fitur vektor yang merupakan hal yang sangat penting dalam pencarian citra.
36 3.3.3 Perancangan Flowchart Program Untuk mempermudah penggunaan program, penggunaan program dapat digambarkan dalam flowchart. Penggunaan program dapat digambarkan dengan flowchart sebagai berikut: Mulai Masuk Form Pilih Algoritma Y Generate Hasil Transformasi Semua Gambar Ulang N Pilih Gambar Generate Jarak Kedekatan 6 Gambar Terdekat Y Ulang N Selesai Gambar 3.3 Flowchart Penggunaan Aplikasi Retrival Citra Berbasis Konten
37 3.3.4 Perancangan Layar Sebelum membuat program aplikasi, maka perlu dilakukan terlebih dahulu perancangan layar aplikasi sebagai gambaran dalam pembuatan antarmuka aplikasi. Terdapat 2 form yang akan dipakai dalam aplikasi ini, yaitu form Retrival Citra dan form About. Berikut adalah rancangan layar form dan susunan menu pada program aplikasi: 1) Rancangan susunan menu Menu Image Retrieval About Gambar 3.4 Rancangan menu 2) Rancangan layar form Retrival Citra Image Retrieval Percentage Image 1 Image 2 Method Method 1 Method 2 Image 3 Image 4 Method n Source Image Image 5 Image 6 Choose Picture
38 Gambar 3.5 Rancangan Form Retrival Citra 3) Rancangan layar form About About Program : Content Based Image Retrieval Created : Winardi Kurniawan Year : 2009 2010 Gambar 3.6 Rancangan Form About