Bab II Landasan Teori
2.4 Efektifitas Information Retrieval System
3.1.1 Analisis Masalah 30
Masalah utama dalam penelitian ini adalah menemukan kembali citra dengan membandingkan isi (content) citra antara citra query dengan citra yang ada di dalam basis data. Isi citra yang dibandingkan adalah fitur yang dimiliki citra. Fitur yang digunakan untuk temu kembali citra dan dibandingkan hasil temu kembalinya adalah fitur warna dan fitur tekstur. Untuk mengekstraksi fitur warna pada citra digunakan metode Colour Histogram, sedangkan untuk mengekstraksi fitur tekstur pada citra digunakan metode Grey Level Co-Occurrence Matrices.
Diagram Ishikawa (fishbone diagram) digunakan untuk mengidentifikasi masalah. Diagram Ishikawa adalah sebuah alat grafis yang digunakan untuk mengidentifikasi, mengeksplorasi, dan menggambarkan suatu masalah serta sebab dan akibat masalah tersebut. Diagram Ishikawa yang digunakan untuk mengidentifikasi masalah dapat dilihat pada gambar 3.1
Temu Kembali Citra User
Machine/ Tools
Metode
Material PHP
File. Jpeg sebagai input
Basis data citra sangat besar dantemu kembali citra dengan kata kunci kurang
efektif
Metode Colour Histogram Metode Grey Level Co-Occurrence Matrices
Input citra ke basis data citra Input citra query
Gambar 3.1 Identifikasi Masalah menggunakan Diagram Ishikawa 3.1.2 Analisis Kebutuhan Sistem
Dalam pembangunan sebuah sistem, tahap analisis kebutuhan sistem perlu dilakukan dengan tujuan untuk mempermudah analisis sistem dalam menentukan keseluruhan kebutuhan secara lengkap. Analisis kebutuhan sistem dapat dikelompokkan menjadi 2 bagian yaitu kebutuhan fungsional dan kebutuhan non-fungsional.
3.1.2.1 Analisis Kebutuhan Fungsional
Dalam perancangan sebuah sistem diperlukan rekayasa kebutuhan yang merupakan sebuah proses untuk menemukan, menganalisis, mengdokumentasikan, dan memeriksa layanan serta batasan sistem. Berikut ini adalah kebutuhan-kebutuhan yang harus dapat dikerjakan oleh sistem.
1. Sistem dapat menyimpan file citra berekstensi .jpeg kedalam basis data.
2. Sistem dapat menyimpan fitur citra kedalam basis data.
3. Sistem dapat menerima input file citra query berekstensi .jpeg.
4. Sistem dapat melakukan temu kembali file citra dalam basis data citra berdasarkan fitur warna menggunakan metode Colour Histogram dan fitur tekstur menggunakan metode Grey Level Co-Occurrence Matrices.
3.1.2.2 Analisis Kebutuhan Non-Fungsional Sistem
Kebutuhan non-fungsional yang harus dapat dipenuhi oleh sistem yaitu:
1. Performa
Sistem yang akan dibangun dapat menunjukkan citra query dan citra hasil temu kembali.
2. Mudah digunakan dan dipelajari
Sistem yang dibangun harus sederhana agar pengguna dapat menggunakannya dengan mudah dan mudah dipelajari (user friendly).
3. Dokumentasi
Sistem yang akan dibangun terdapat fitur help untuk membantu pengguna dalam menggunakan sistem.
4. Hemat biaya.
Sistem yang dibangun akan mempermudah pengguna untuk efisiensi waktu, sehingga hemat biaya.
3.2 Pemodelan
Pada penelitian ini digunakan UML sebagai bahasa pemodelan untuk mendesain dan merancang sistem Content Based Image Retrieval dengan fitur warna menggunakan metode Colour Histogram dan fitur tekstur menggunakan metode Grey Level Co-Occurrence Matrices. Model UML yang digunakan adalah use case diagram, activity diagram, dan sequence diagram.
3.2.1 Pemodelan dengan Menggunakan Use Case Diagram
Sebuah use case diagram adalah sebuah diagram yang menunjukkan hubungan antara aktor dan kasus penggunaan dalam sistem.
Berdasarkan hasil analisis kebutuhan sistem, secara garis besar sistem melakukan temu kembali citra berbasis isi menggunakan fitur warna dengan metode Colour
Histogram dan fitur tekstur dengan metode Grey Level Co-Occurrence Matrices. Use case diagram dapat dilihat pada gambar 3.2.
Gambar 3.2 Use Case Diagram yang akan dikembangkan
3.2.1.1 Use Case Temu Kembali Citra
Use Case Temu Kembali Citra ini akan menjelaskan secara sederhana fungsi sistem pada saat melakukan temu kebali citra. Dapat dilihat pada Tabel 3.1 yang merupakan dokumentasi naratif dari use case Temu Kembali Citra.
Tabel 3.1 Spesifikasi Use Case Temu Kembali Citra Nama Use Case Temu Kembali Citra
Aktor Pengguna
Deskripsi Use Case ini mendeskripsikan bagaimana menemukan kembali dalam basis data citra query yang diberikan kepada sistem
Kegiatan Pengguna Respon Sistem
Alur Dasar 1. Mengakses sistem. 1. Menampilkan halaman input citra query.
2. Klik tombol Pilih Citra 2. Menampilkan Windows Explorer
3. Memilih citra query dan Klik tombol Open
4. Menampilkan citra yang dipilih pada sistem.
5. Memilih metode ekstraksi fitur yang digunakan.
5. Tidak ada
6. Klik tombol Submit 6. Menampilkan hasil temu kembali citra
Alur Alternatif Tidak Ada
Kondisi Sesudah Sistem melakukan temu kembali citra dengan metode ekstraksi fitur citra yang dipilih oleh pengguna.
3.2.1.2 Use Case Input Citra ke Database
Use case Input Citra ke Database ini akan menjelaskan secara sederhana fungsi sistem pada saat input citra ke database. Dapat dilihat pada Tabel 3.2 yang merupakan dokumentasi naratif dari use case Unput Citra ke Database.
Tabel 3.2 Spesifikasi Use Case Input Citra ke Database Nama Use Case Input Citra ke Database
Aktor Pengguna
Deskripsi Use Case ini mendeskripsikan bagaimana proses input data ke database.
Kegiatan Pengguna Respon Sistem Alur Dasar 1. Mengakses halaman upload
citra
1. Menampilkan halaman upload citra
2. Klik button pilih citra 2. Menampilkan Windows Explorer.
3. Memilih Citra dan klik button Open
3. Menampilkan jumlah citra yang dipilih.
4. Memilih kategori citra. 2. Tidak ada
3. Klik button Proses 3. Menampilkan respon bahwa citra berhasil diupload.
Alur Alternatif Tidak ada
Kondisi Sesudah Sistem menyimpan citra dan fitur citra ke database.
3.2.2 Pemodelan dengan Menggunakan Activity Diagram
Diagram aktifitas atau activity diagram menggambarkan alur kerja (workflow) atau aktifitas dari sebuah sistem.
3.2.2.1 Activity Diagram Temu Kembali Citra
Activity diagram Temu Kembali Citra akan menggambarkan hubungan aliran kerja yang telah dijelaskan pada use case Temu Kembali Citra. Activity diagram Temu Kembali citra dapat dilihat pada Gambar 3.3.
Gambar 3.3 Activity Diagram untuk Temu Kembali Citra
3.2.2.2 Activity Diagram Input Citra ke Database
Activity diagram Input Citra ke Database akan menggambarkan hubungan aliran kerja yang telah dijelaskan pada use case Input Citra ke Database. Activity diagram Input Citra ke Database dapat dilihat pada Gambar 3.4.
Gambar 3.4 Activity Diagram untuk Proses Input Citra ke Database
3.2.3 Pemodelan dengan Menggunakan Sequence Diagram 3.2.3.1 Sequence Diagram Temu Kembali Citra
Pada Gambar 3.5 dapat dilihat sequence diagram untuk proses Temu Kembali Citra.
Gambar 3.5 Sequence Diagram Proses Temu Kembali Citra
3.2.3.2 Sequence Diagram Input Citra ke Database
Pada Gambar 3.6 dapat dilihat sequence diagram untuk proses Input Citra ke Database
3.3 Perancangan Sistem 3.3.1 Flowchart
3.3.1.1 Flowchart Sistem Temu Kembali Citra
Diagram alir temu kembali citra yang dirancang dapat dilihat pada flowchart di bawah ini :
Start
Input Citra
Menghitung jarak vektor fitur citra query dan citra database dengan metode Euclidian
Mengurutkan jarak vektor fitur citra
Menampilkan citra hasil temu
kembali
Finish Ekstraksi Fitur Warna
Menggunakan Colour Histogram
Pilih Ekstraksi Warna
Ekstraksi Fitur Tekstur Menggunakan GLCM
Ya Tidak
Gambar 3.7 Flowchart Sistem Temu Kembali Citra Keterangan :
Dari Gambar 3.7 dapat dilihat gambaran dari system temu kembali citra ini. Terdapat 3 proses pada sistem. Pertama fitur citra query baik fitur warna maupun fitur tekstur diekstraksi dimana fitur citra diekstraksi dengan metode Colour Histogram dan fitur tekstur diekstraksi dengan metode Grey Level Co-Occurrence Matrices. Lalu yang kedua vektor fitur citra query dihitung jaraknya dengan semua vektor fitur citra yang ada di dalam database menggunakan metode Euclidian Distance. Setelah itu yang ketiga jarak hasil perhitungan tersebut diurutkan dari yang paling kecil ke yang paling besar (ascending). Citra yang ada di dalam database yang memiliki nilai jarak vektor fitur yang paling kecil dengan vektor fitur citra query merupakan citra yang paling
mirip fiturnya. Kemudian citra hasil temu kembali ditampilkan sesuai hasil pengurutan.
3.3.1.2 Flowchart Metode Colour Histogram Start
Kuantisasi
Selesai Hitung Probabilitas
R, G, B Ekstraksi
RGB
Normalisasi
Gambar 3.8 Flowchart Ekstrasi Fitur Warna dengan Metode Colour Histogram Keterangan :
Dari Gambar 3.8 dapat dilihat proses ekstraksi fitur warna pada citra dengan metode Colour Histogram dalam sistem yang akan dibangun ini. Pertama nilai RGB tiap piksel diekstraksi dari citra dan dikuantisasi 4 bin. Selanjutnya jumlah kemunculan tiap level warna(0, 1, 2, 3) dari R, G, dan B dihitung. Selanjutnya dilakukan normalisasi dengan cara membaginya dengan jumlah piksel yang ada pada citra.
3.3.1.3 Flowchart Metode Grey Level Co-Occurrence Matrices
Start
Konversi RGB Grayscale
Buat Grey Level Co-Occurrence Matrices Hitung Fitur Energy
Hitung Fitur Entropy
Hitung Fitur Contrast
Hitung Fitur Variance
Hitung Fitur Correlation
Hitung Fitur Inverse Difference Moment
Finish Ekstrak RGB
Gambar 3.9 Flowchart Ekstraksi Fitur Tekstur dengan Metode GLCM Keterangan :
Dari Gambar 3.9 dapat dilihat proses ekstraksi fitur tekstur pada citra dengan metode GLCM. Pertama matriks nilai RGB tiap piksel diekstraksi dari citra. Nilai RGB tersebut dikonversi ke model warna greyscale. Selanjutnya, dibuat Grey Level Co-Occurrences Matrices dari matriks greyscale citra tersebut. Kemudian fitur-fitur
tekstur antara lain Energy, Entropy, Contrast, Variance, Correlation, dan Inverse Difference Moment dihitung dengan persaman masing-masing.
3.3.2 Pseudocode
Pseudocode adalah urutan langkah-langkah algoritma yang disajikan dalam bentuk mirip seperti kode pemrograman untuk mempermudah pemahaman terhadap prinsip sebuah algoritma. Berikut ini akan dideskripsikan pseudocode yang akan digunakan di dalam sistem.
a. Pseudocode ekstraksi fitur warna menggunakan Colour Histogram
Berikut pseudocode yang digunakan dalam ekstraksi fitur warna menggunakan Colour Histogram
function __construct(citra_input, bin) : void Kamus
citra_input : objek warna : binary RGB : integer[]
r, g, b : integer
red_array, green_array, blue_array, probabilitaswarna : integer[]
datanormalizedred, datanormalizedgreen, datanormalizedblue : integer[]
Algoritma
for x0 to imagesx(citra_input) do for y0 to imagesy(citra_input) do
warna imageColorAt(citra_input, x, y);
RGB imagecolorsforindex(citra_input, warna);
r RGB['red'] x bin / 256;
g RGB['green'] x bin / 256;
b RGB['blue'] x bin / 256;
array_push(red_array, r);
array_push(green_array, g);
array_push(blue_array, b);
endfor endfor
probabilitaswarna[0] hitung_probabilitas_warna(red_array);
probabilitaswarna[1] hitung_probabilitas_warna(green_array);
probabilitaswarna[2] hitung_probabilitas_warna(blue_array);
datanormalizedred normalisasi(citra_input, probabilitaswarna[0]);
datanormalizedgreen normalisasi(citra_input,probabilitaswarna[1]);
datanormalizedblue normalisasi(citra_input, probabilitaswarna[2]);
Dalam ekstraksi fitur warna, dilakukan perhitungan probabilitas warna yang terdapat di dalam citra. Berikut adalah pseudocode fungsi untuk menghitung probabilitas warna.
function hitung_probabilitas_warna(data): integer[]
Kamus
probabilitaswarna : integer[]
temp_probabilitaswarna integer[]
counter : integer Algoritma
foreach(data as value) do
if(!array_key_exists(values, probabilitaswarna)) do probabilitaswarna[values] 0;
endif
probabilitaswarna[values] probabilitaswarna[values] + 1;
endforeach
key_sort(probabilitaswarna);
foreach(probabilitaswarna as key => nilai) do temp_probabilitaswarna[counter] nilai;
counter counter + 1;
endforeach
return temp_probabilitaswarna
Dalam ekstraksi fitur warna, dilakukan perhitungan normalisasi histogram warna citra.
Berikut adalah pseudocode fungsi untuk menghitung normalisasi.
function normalisasi (citra_input, data) : integer[]
Kamus
totalpiksel : integer;
Algoritma
totalpiksel imagesx (citra_input) x imagesy (citra_input);
for i0 to count(data) do
warna[i] round((data[i]/totalpiksel),0) x 100;
endfor;
return warna;
b. Pseudocode ekstraksi fitur tekstur menggunakan Grey Level Co-Occurrences Matrices
Berikut pseudocode yang digunakan dalam ekstraksi fitur tekstur menggunakan Grey Level Co-Occurrences Matrices
function __construct(citra_input) : void Kamus
entropyvalue, contrastvalue, energyvalue, variancevalue, correlationvalue, IDMvalue : real
warna,RGB : integer[]
Algoritma
for x0 to imagesy(citra_input) do for y0 to imagesx(citra_input) do
warna imageColorAt(citra_input, y, x);
RGB imagecolorsforindex(citra_input, warna);
matrikscitra[x][y] round((RGB['red'] + RGB['green'] + RGB['blue'])/3);
endfor endfor
x imagesx(citra_input) y imagesy(citra_input)
matriksGLCM CoOccurrenceMatriks(matriksCitra, x, y);
entropyvalue Entropy (matriksGLCM);
contrastvalue Contrast (matriksGLCM);
energyvalue Energy (matriksGLCM);
variancevalue Variance (matriksGLCM);
correlationvalue Correlation (matriksGLCM);
IDMvalue IDM(matriksGLCM);
Dalam ekstraksi fitur tekstur, dilakukan pembuatan matriks Co-Occurrence. Berikut adalah pseudocode pembuatan matriks Co-Occurrence.
function CoOccurrenceMatriks(matriksCitra, x, y) : real[][]
Kamus
glcm1, glcm2, glcm3, finalglcm : integer[][];
Algoritma :
for i0 to 255 do for j0 to 255 do glcm1[i][j] 0;
endfor endfor
for i0 to imagesy(citra_input) - 1 do for j0 to imagesx(citra_input) - 2 do
glcm1[matrikscitra[i][j]][matrikscitra[i][j+1]]++;
endfor endfor jumlah 0
for j0 to 255 do for i0 to 255 do
glcm2[j][i] glcm1[i][j];
glcm3[j][i] glcm1[j][i] + glcm2[j][i];
jumlah jumlah + glcm3[$j][$i];
endfor endfor
for j0 to 255 do for i0 to 255 do
finalglcm[i][j] glcm3[i][j] /jumlah;
endfor endfor
return finalglcm;
Dalam ekstraksi fitur tekstur, dilakukan perhitungan 6 fitur tekstur yaitu Entropy, Contrast, Energy, Variance, Correlation dan Inverse Difference Moment.Berikut berurut pseudocode algoritma perhitungan masing-masing fitur tersebut.
function Entropy(data) : real;
Kamus
Entropyvalue : real Algoritma
entropyvalue 0 for i0 to 255 do
for j0 to 255 do
entropyvalue entropyvalue + data[i][j] x -ln (data[i][j]);
endfor endfor
return entropyvalue;
function Contrast(data) : real;
Kamus
contrastvalue : real Algoritma
Contrastvalue 0 for i0 to 255 do
for j0 to 255 do
contrastvalue contrastvalue + data[i][j] x (pow(i-j),2);
endfor endfor
return contrastvalue;
function Energy(data) : real;
Kamus
energyvalue : real Algoritma
Energyvalue 0 for i0 to 255 do
for j0 to 255 do
energyvalue <- energyvalue + pow(data[$i][$j],2);
endfor endfor
return contrastvalue;
function Variance(data) : real;
Kamus
variancevalue : real meanvalue : real;
Algoritma
variancevalue 0 meanvalue Mean(data);
for i0 to 255 do for j0 to 255 do
variancevalue <- variancevalue + data[i][j] x (pow((i-MeanValue),2));
endfor endfor
return variancevalue;
function Correlation(data) : real;
Kamus
correlationvalue : real meanvalue : real;
varriancevalue : real;
Algoritma
correlationvalue 0 meanvalue Mean(data);
variancevalue Variance(data);
for i0 to 255 do for j0 to 255 do
correlationvalue <- correlationvalue +data[i][j] x (((i - meanvalue) x (j - meanvalue))/ sqrt( varriancevalue x
varriancevalue));
endfor endfor
return correlationvalue;
function IDM(data) : real;
Kamus
IDMcevalue : real Algoritma
IDMvalue 0 for i0 to 255 do
for j0 to 255 do
IDMValue <- IDMValue + data[i][j] / (1 + ((i-j) * (i - j)));
endfor endfor
return IDMvalue;
3.3.3 Kamus Data
Fitur warna dan tekstur dari citra yang diinput ke dalam database disimpan ke dalam database. Ada tiga tabel yang akan digunakan dalam perancangan database yaitu, CH, GLCM, dan Kategori. Berikut pada tabel 3.3 merupakan kamus data dari tabel CH, tabel 3.4 merupakan kamus data dari tabel GLCM, dan tabel 3.5 merupakan kamus data dari tabel Kategori.
Tabel 3.3 Kamus Data Tabel CH Nama Kolom Tipe Data Ukuran Data Keterangan Nama_gambar varchar 100 Nama file citra
r0 integer - Probabilitas warna merah intensitas 0
r1 integer - Probabilitas warna merah intensitas 1
r2 integer - Probabilitas warna merah intensitas 2
r3 integer - Probabilitas warna merah intensitas 3
g0 integer - Probabilitas warna hijau intensitas 0 g1 integer - Probabilitas warna hijau intensitas 1 g2 integer - Probabilitas warna hijau intensitas 2 g3 integer - Probabilitas warna hijau intensitas 3
b0 integer - Probabilitas warna biru intensitas 0
b1 integer - Probabilitas warna biru intensitas 1
b2 integer - Probabilitas warna biru intensitas 2
b3 integer - Probabilitas warna biru intensitas 3
Tabel 3.4 Kamus Data Tabel GLCM Nama Kolom Tipe Data Ukuran Data Keterangan Nama_gambar varchar 100 Nama file citra
Energy double - Nilai fitur energy
Entropy double - Nilai fitur entropy
Contrast double - Nilai fitur contrast
Variance double - Nilai fitur variance
Correlation double - Nilai fitur correlation
IDM double - Nilai fitur Inverse Difference Moment
Tabel 3.5 Kamus Data Tabel Kategori Nama Kolom Tipe Data Ukuran Data Keterangan
Kategori Varchar 50 Nama kategori citra Nama_gambar Varchar 100 Nama file citra 3.3.4 Perancangan Antarmuka
Sistem akan dibangun menggunakan bahasa pemrograman PHP dengan menggunakan software Notepad++ sebagai editor. Rancangan antar muka disesuaikan dengan kebutuhan dan software yang digunakan. Antar muka menggunakan 3 halaman utama dan 2 pop-up, yaitu : halaman Temu Kembali Citra, Halaman Hasil Temu Kembali, halaman Input Citra ke Database, pop-up Detail Citra Hasil Colour Histogram, dan pop-up Detail Citra Hasil GLCM . Halaman Temu Kembali Citra berfungsi sebagai tempat pengguna melakukan temu kembali citra berdasarkan citra query yang dimasukkan oleh pengguna. Halaman Input Citra ke Database berfungsi sebagai tempat pengguna menginput citra ke database. Pop-up Detail Citra Hasil Colour Histogram berfungsi untuk menampilkan Colour Histogram dari citra hasil temu kembali. Pop-up Detail Citra Hasil GLCM berfungsi untuk menampilkan nilai fitur tekstur dari citra hasil temu kembali.
3.3.4.1 Antarmuka Halaman Temu Kembali Citra
Gambar 3.10 Rancangan Halaman Temu Kembali Citra
Komponen yang dipakai untuk membangun antar muka halaman Temu Kembali Citra pada Gambar 3.10 adalah sebagai berikut :
1. Canvas “Image Query” : untuk menampilkan citra query yang dipilih oleh pengguna..
2. Button “PILIH CITRA QUERY” : untuk menampilkan windows explorer dimana pengguna dapat memilih citra query dari direktori penyimpanan komputer.
3. Combo Box “METODE EKSTRAKSI” : berfungsi sebagai tempat pengguna memilih metode ekstraksi yang diinginkannya.
4. Button “SUBMIT!” : berfungsi sebagai tombol perintah untuk melakukan temu kembali citra.
5. Link “Input Citra ke Database” : berfungsi sebagai link untuk berpindah halaman ke halaman Input Citra ke Database.
6. Link “Help” : berfungsi sebagai link untuk berpindah halaman ke Help.
7. Link “About” : berfungsi sebagai link untuk berpindah halaman ke halaman About.
3.3.4.2 Antarmuka Halaman Input Citra ke Database
Gambar 3.11 Rancangan Halaman Input Citra ke Database
Komponen yang dipakai untuk membangun antar muka halaman Input Citra ke Database pada Gambar 3.11 adalah sebagai berikut :
1. Button “Pilih Citra” : untuk menampilkan windows explorer dimana pengguna dapat memilih citra yang akan diinput ke database dari direktori penyimpanan komputer.
2. Label “Jumlah Citra” : untuk menampilkan informasi jumlah citra yang telah dipilih oleh pengguna.
3. ComboBox “Pilih Kategori” : untuk tempat pengguna memilih kategori citra yang akan dimasukkan ke database.
4. Button “PROSES” : berfungsi sebagai tombol perintah untuk menginput citra ke database.
5. Link “Temu Kembali Citra” : berfungsi sebagai link untuk berpindah halaman ke halaman Temu Kembali Citra.
6. Link “Help” : berfungsi sebagai link untuk berpindah halaman ke Help.
7. Link “About” : berfungsi sebagai link untuk berpindah halaman ke halaman About.
3.3.4.3 Antarmuka Halaman Hasil Temu Kembali Citra
Gambar 3.12 Rancangan Halaman Hasil Temu Kembali Citra
Komponen yang dipakai untuk membangun antar muka halaman Hasil Temu Kembali Citra pada Gambar 3.12 adalah sebagai berikut :
1. ComboBox “Pilih Metode Ekstraksi” : untuk memilih metode ekstraksi fitur yang berbeda.
2. Button “LIHAT” : berfungsi sebagai tombol perintah untuk melihat hasil temu kembali dengann metode ekstraksi fitur yang telah dipilih.
3. Canvas “Image Query” : berfungsi sebagai tempat menampilkan citra query.
4. Area “Citra Hasil Temu Kembali” : berfungsi sebagai area tempat menampilkan semua citra hasil temu kembali.
5. Label “Detail Citra” : berfungsi untuk menampilkan detail citra query.
6. Button “Temu Kembal” : berfungsi sebagai link untuk berpindah halaman ke halaman Temu Kembali Citra.
7. Canvas “Citra Hasil” : berfungsi sebagai tempat untuk menampilkan citra hasil temu kembali.
8. Label “Jarak” : berfungsi untuk menampilkan informasi jarak vektor fitur citra database dengan vektor fitur citra query.
3.3.4.4 Antarmuka Pop-up Detail Citra Hasil Colour Histogram
Gambar 3.13 Rancangan Pop-up Detail Citra Hasil Colour Histogram Komponen yang dipakai untuk membangun antar muka pop-up Detail Citra Hasil Colour Histogram Gambar 3.13 adalah sebagai berikut :
1. Canvas “Image Query” : berfungsi sebagai tempat menampilkan citra hasil temu kembali.
2. Label “Properti Citra” : berfungsi sebagai untuk menampilkan atribut citra query yaitu Nama Citra, Ukuran Citra, Kategori Citra, dan Jarak Euclidian antara citra tersebut dengan citra query.
3. Chart “Histogram Red” : berfungsi untuk menampilkan histogram warna merah.
4. Chart “Histogram Green” : berfungsi untuk menampilkan histogram warna hijau.
5. Chart “Histogram Blue” : berfungsi untuk menampilkan histogram warna biru.
6. Button “Close” : berfungsi untuk menutup pop-up detail citra hasil.
3.3.4.5 Antarmuka Pop-up Detail Citra Hasil Grey Level Co-Occurrence Matrices
Gambar 3.14 Rancangan Pop-up Detail Citra Hasil Grey Level Co-Occurrence Matrices
Komponen yang dipakai untuk membangun antar muka pop-up Detail Citra Hasil Colour Histogram Gambar 3.14 adalah sebagai berikut :
1. Canvas “Image Query” : berfungsi sebagai tempat menampilkan citra hasil temu kembali.
2. Label “Properti Citra” : berfungsi sebagai untuk menampilkan atribut citra query yaitu Nama Citra, Ukuran Citra, Kategori Citra, dan Jarak Euclidian antara citra tersebut dengan citra query.
3. Label “Energy” : berfungsi untuk menampilkan nilai fitur Energy.
4. Label “Entropy” : berfungsi untuk menampilkan nilai fitur Entropy.
5. Label “Contrast” : berfungsi untuk menampilkan nilai fitur Contrast 6. Label “Variance” : berfungsi untuk menampilkan nilai fitur Variance.
7. Label “IDM” : berfungsi untuk menampilkan nilai fitur IDM.
8. Label “Correlation” : berfungsi untuk menampilkan nilai fitur Correlation.
9. Button “Close” : berfungsi untuk menutup pop-up detail citra hasil
4.1 Implementasi
Tahap implementasi dilakukan setelah tahap analisis dan perancangan sistem yang akan dibuat selesai. Pada sistem terdapat 3 halaman utama dan 2 pop-up yang digunakan yang terdiri dari halaman Temu Kembali Citra, halaman Input Citra ke Database, halaman Hasil Temu Kembali, pop-up Detail Citra Hasil Colour Histogram, dan pop-up Detail Citra Hasil GLCM .
4.1.1 Halaman Temu Kembali Citra
Halaman Temu Kembali Citra merupakan halaman yang pertama kali ditampilkan pada saat pengguna mengakses sistem. Halaman ini juga berfungsi sebagai tempat pengguna melakukan temu kembali citra berdasarkan citra query yang dimasukkan oleh pengguna. Berikut pada gambar 4.1 ditampilkan Halaman Temu Kembali Citra pada sistem ini :
Gambar 4.1 Halaman Temu Kembali Citra
4.1.2 Halaman Input Citra ke Database
Pada halaman ini pengguna dapat menambahkan citra baru ke dalam database.
Pengguna dapat memilih citra yang tersimpan di direktori penyimpanan dan memilih kategori yang sesuai dengan citra yang dipilih tersebut. Jumlah maksimal citra yang dapat dipilih dalam sekali penambahan ke database adalah 10. Berikut pada gambar 4.1 ditampilkan Halaman Input Citra ke Database pada sistem ini :
:
Gambar 4.2 Halaman Input Citra ke Database
4.1.3 Halaman Hasil Temu Kembali
Halaman Hasil Temu Kembali ditampilkan kepada pengguna ketika sistem selesai melakukan temu kembali citra. Pada halaman ini ditampilkan citra query yang diberikan oleh pengguna dan hasil temu kembalinya. Berikut ditampilkan halaman hasil temu kembali pada gambar 4.3 :
Gambar 4.3 Halaman Hasil Temu Kembali
4.1.4 Pop-up Detail Citra Hasil Colour Histogram
Pop-up ini dapat dilihat pengguna dengan cara memilih salah satu citra hasil temu kembali dengan metode ekstraksi Colour Histogram. Pop-up akan menampilkan histogram warna 4 bin dari citra hasil tersebut. Berikut tampilan pop-up Detail Citra
Pop-up ini dapat dilihat pengguna dengan cara memilih salah satu citra hasil temu kembali dengan metode ekstraksi Colour Histogram. Pop-up akan menampilkan histogram warna 4 bin dari citra hasil tersebut. Berikut tampilan pop-up Detail Citra