Hasil Pengujian

IMPLEMENTASI DAN PENGUJIAN SISTEM 4.1.Implementasi Sistem

4.3. Hasil Pengujian

Pengujian sistem dilakukan menggunakan data 20 koleksi video yang terdiri dari 4 kategori yaitu, alat tulis, buah, bunga dan elektronik. Masing-masing video yang sudah di segmentasi dan di ekstraksi pada preprocessing memiliki keyframe-keyframe yang akan dibandingkan dengan citra query yang akan diinputkan dari koleksi frame. Citra akan diubah dari RGB (Red Green Blue) menjadi Grayscale. Tujuan dari konversi ini adalah untuk mereduksi citra dari 24 bit menjadi 8 bit untuk mempermudah diolah oleh sistem. Dengan menggunakan SIFT, sistem akan melakukan proses mencari dan menentukan keypoint, kemudian menetukan descriptor masing-masing keypoint tersebut. Descriptor inilah yang akan menjadi dasar pencocokan citra pada sistem.

Kemduian sistem akan menampilkan video yang relevan berdasarkan kecocokan citra query dengan keyframe. Sehingga pengguna dapat melihat hasil temu kembali video yang relevan.

54

4.3.1. Hasil Pengujian Preprocessing

Video akan di segmentasi dengan cara pemecahan video menjadi frame-frame. Setelah proses segmentasi, sistem secara otomatis akan melakukan ekstraksi frame untuk menentukan keyframe yang akan mewakili karakter video. Masing-masing jumlah keyframe setiap video berbeda-beda sesuai durasi video.

Gambar 4.9 Segmentasi Video dan Ekstraksi Keyframe

4.3.2. Hasil Pengujian Ekstraksi Fitur

Citra query dan keyframe kemudian akan mengalami proses ekstraksi tekstur dan warna dari RGB di konversi menjadi Grayscale dengan menggunakan nilai threshold 0.5, citra 24 bit ditansformasikan menjadi 8 bit abu-abu untuk mempermudah diolah sistem.

Gambar 4.10 Ekstraksi Fitur RGB menjadi Grayscale

Ekstraksi fitur dengan SIFT dilakukan proses mencari dan menentukan keypoint, kemudian menentukan descriptor dari masing-masing keypoint tersebut.

Descriptor inilah yang akan menjadi dasar dalam pencocokan citra.

Gambar 4.11 Ekstraksi Fitur Penentuan Keypoint

Hasil dari ekstraksi SIFT adalah didapatkan keypoint location, keypoint descriptor, image keypoint location yaitu yang menjelaskan lokasi dimana keypoint tersebut berada, mempunyai 4 variabel row( baris), coloumn (kolom), scale (ukuran, panjang keypoint), orientation (arah keypoint tersebut dalam radian). Untuk menentukan orientasi dari masing-masing keypoint maka dilakukan perhitungan terhadap besar nilai gradient, m(x,y), dan arah orientasi, θ(x,y), dilakukan menggunakan persamaan berikut:

𝜃(𝑥, 𝑦) − 𝑡𝑎𝑛¹(𝐿(𝑥, 𝑦 + 1) − 𝐿(𝑥, 𝑦 − 1) 𝐿(𝑥 + 1, 𝑦) − 𝐿(𝑥 − 1, 𝑦))

Tabel 4.5 Keypoint Location

No Baris Kolom Skala Orientasi

1 194,52 55,04 15,23 0,372

2 194,52 55,04 15,23 -0,837

3 34,06 47,73 11,9 2,192

4 138,44 21,09 9,93 -0,682

… … … …

𝑚(𝑥, 𝑦) = √(𝐿((𝑥 + 1, 𝑦) − 𝐿(𝑥 − 1, 𝑦))²− (𝐿(𝑥, 𝑦 + 1) − 𝐿(𝑥, 𝑦 − 1))²

56

4.3.3. Hasil Pengujian Pencocokan Fitur

Setelah citra query telah dikumpulkan, kemudian mulai dilakukan pemrosesan pada citra. Citra yang masih RGB dirubah menjadi Grayscale. Kemudian dilakukan pemrosesan SIFT untuk dicari dan ditentukan keypoint-keypoint yang terdapat pada citra tersebut. Keypoint descriptor yaitu ciri khusus dari masing-masing keypoint yang membedakan dengan keypoint lainnya. Descriptor terdiri dari 128 ciri khusus yang diambil dari kotak 4x4 sekitar keypoint tersebut.

Dari setiap keypoint yang terdeteksi kemudian dilakukan pencocokan dimana setiap frame akan menghasilkan sebanyak 128 x k, k merupakan jumlah keypoint..

Kemunculan keypoint pada frame sangat beragam tergantung pada variasi representasi ruang-skala (scale space) antar pixel yang menyusun frame tersebut. Jumlah keypoint berbanding lurus dengan variasi ruang-skala pixel, semakin banyak variasi ruang-skala antar pixel maka semakin banyak pula jumlah keypoint yang terdeteksi. Pada proses pencocokan citra digunakan Homography Matrix untuk menyatukan (stitch) kedua citra yang saling berhubungan.

Gambar 4.12 Penentuan Descriptor Keypoint

Untuk mempermudah perhitungan harus dihasilkan keypoint yang sangat unik.

Untuk melakukan ini, ambil jendela area 16 atau 4 x 4 disekitar keypoint tersebut. Area 16 ini masing-masing kotak dibagi menjadi enam belas jendela 4 x 4. Fungsinya adalah :

f(θ,x,y) = |J(x,y)|δ(θ – J(x,y))

Tabel 4.6 Keypoint Descriptor

1 0 0 0 0 …

2 0,003933 0,001966 0,021631 0,26744 …

3 0 0 0 0 …

4 0,076606 0 0 0,009821 …

Berdasarkan nilai-nilai yang sudah dihasilkan, maka diperoleh hasil pencocokan fitur seperti pada Gambar 4.13:

Gambar 4.13 Pencocokan Fitur

4.3.4. Hasil Pencarian Video Relevan

Dengan memasukkan citra query “Alattulis1-300.jpg”, sistem mengembalikan 5 video relevan dan 1 video tidak relevan dari 20 koleksi video.

Gambar 4.14 Hasil Pencarian Video Relevan

58

4.3.5. Hasil Pengujian Sistem terhadap Database Video

Berdasarkan pengujian preprocessing sistem, diperoleh hasil sebagai berikut:

Tabel 4.7 Segmentasi Video dan Ekstraksi Keyframe

Video Keyframe

Alattulis-1

Alattulis-2

Alattulis-3

Alattulis-4

Alattulis-5

Buah-1

Buah-2

60

Buah-3

Buah-4

Buah-5

Bunga-1

Bunga-2

Bunga-3

Bunga-4

Bunga-5

62

Elektronik-1

Elektronik-2

Elektronik-3

Elektronik-4

Elektronik-5

Berdasarkan pengujian ekstraksi fitur menggunakan Scale Invariant Feature Transform, diperoleh hasil sebagai berikut:

Tabel 4.8 Ekstraksi Fitur

RGB Grayscale

Alattulis-1

Alattulis-2

64

Alattulis-3

Alattulis-4

Alattulis-5

Buah-1

Buah-2

Buah-3

Buah-4

Buah-5

Bunga-1

Bunga-2

66

Bunga-3

Bunga-4

Bunga-5

Elektronik-1

Elektronik-2

Elektronik-3

Elektronik-4

Elektronik-5

Berdasarkan pengujian pencocokan fitur, maka diperoleh hasil sebagai berikut:

Tabel 4.9 Pencocokan Fitur

Nama Pencocokan Citra

Alattulis-1

Alattulis-2

Alattulis-3

68

Alattulis-4

Alattulis-5

Buah-1

Buah-2

Buah-3

Buah-4

Buah-5

Bunga-1

Bunga-2

Bunga-3

Bunga-4

Bunga-5

Elektronik-1

Elektronik-2

Elektronik-3

70

Elektronik-4

Elektronik-5

4.3.6. Hasil Pengujian Query Kategori Alat Tulis

Hasil pengujian proses pencarian video relevan berdasarkan citra query kategori alat tulis dapat dilihat pada Gambar 4.15 hingga 4.19.

Gambar 4.15. Pencarian Video Relevan Kategori Alat Tulis 1

Dengan memasukkan citra query “Alattulis1-300.jpg”, sistem mengembalikan 5 video relevan dan 1 video tidak relevan dari 20 koleksi video.

Gambar 4.16. Pencarian Video Relevan Kategori Alat Tulis 2

Dengan memasukkan citra query “Alattulis2-80.jpg”, sistem mengembalikan 4 video relevan dari 20 koleksi video.

Gambar 4.17. Pencarian Video Relevan Kategori Alat Tulis 3

Dengan memasukkan citra query “Alattulis3-120.jpg”, sistem mengembalikan 5 video relevan dan 1 video tidak relevan dari 20 koleksi video.

72

Gambar 4.18. Pencarian Video Relevan Kategori Alat Tulis 4

Dengan memasukkan citra query “Alattulis4-300.jpg”, sistem mengembalikan 1 video relevan dari 20 koleksi video.

Gambar 4.19. Pencarian Video Relevan Kategori Alat Tulis 5

Dengan memasukkan citra query “Alattulis5-360.jpg”, sistem mengembalikan 4 video relevan dari 20 koleksi video.

4.3.7. Hasil Pengujian Query Kategori Buah

Hasil pengujian proses pencarian video relevan berdasarkan citra query kategori buah dapat dilihat pada Gambar 4.20 hingga 4.24.

Gambar 4.20. Pencarian Video Relevan Kategori Buah 1

Dengan memasukkan citra query “Buah1-60 .jpg”, sistem mengembalikan 5 video relevan dan 2 video tidak relevan dari 20 koleksi video.

Gambar 4.21 Pencarian Video Relevan Kategori Buah 2

Dengan memasukkan citra query “Buah2-160”, sistem mengembalikan 1 video relevan dari 20 koleksi video.

74

Gambar 4.22. Pencarian Video Relevan Kategori Buah 3

Dengan memasukkan citra query “Buah3-40”, sistem mengembalikan 4 video relevan dari 20 koleksi video.

Gambar 4.23 Pencarian Video Relevan Kategori Buah 4

Dengan memasukkan citra query “Buah4-240”, sistem mengembalikan 4 video relevan dari 20 koleksi video.

Gambar 4.24. Pencarian Video Relevan Kategori Buah 5

Dengan memasukkan citra query “Buah5-400”, sistem mengembalikan 1 video relevan dari 20 koleksi video.

4.3.8. Hasil Pengujian Query Kategori Bunga

Hasil pengujian proses pencarian video relevan berdasarkan citra query kategori bunga dapat dilihat pada Gambar 4.25 hingga 4.29.

Gambar 4.25. Pencarian Video Relevan Kategori Bunga 1

Dengan memasukkan citra query “Bunga1-20”, sistem mengembalikan 4 video relevan dan 1 video tidak relevan dari 20 koleksi video.

76

Gambar 4.26. Pencarian Video Relevan Kategori Bunga 2

Dengan memasukkan citra query “Bunga2-120”, sistem mengembalikan 4 video relevan dari 20 koleksi video.

Gambar 4.27. Pencarian Video Relevan Kategori Bunga 3

Dengan memasukkan citra query “Bunga3-200”, sistem mengembalikan 4 video relevan dari 20 koleksi video.

Gambar 4.28. Pencarian Video Relevan Kategori Bunga 4

Dengan memasukkan citra query “Bunga4-400”, sistem mengembalikan 4 video relevan dan 2 video tidak relevan dari 20 koleksi video.

Gambar 4.29. Pencarian Video Relevan Kategori Bunga 5

Dengan memasukkan citra query “Bunga5-360”, sistem mengembalikan 5 video relevan dan 3 video tidak relevan dari 20 koleksi video.

78

4.3.9. Hasil Pengujian Query Kategori Elektronik

Hasil pengujian proses pencarian video relevan berdasarkan citra query kategori elektronik dapat dilihat pada Gambar 4.30 hingga 4.34.

Gambar 4.30. Pencarian Video Relevan Kategori Elektronik 1

Dengan memasukkan citra query “Elektronik1-240”, sistem mengembalikan 4 video relevan dari 20 koleksi video.

Gambar 4.31. Pencarian Video Relevan Kategori Elektronik 2

Dengan memasukkan citra query “Elektronik2-660”, sistem mengembalikan 5 video relevan dari 20 koleksi video.

Gambar 4.32. Pencarian Video Relevan Kategori Elektronik 3

Dengan memasukkan citra query “Elektronik3-480”, sistem mengembalikan 3 video relevan dari 20 koleksi video.

Gambar 4.33. Pencarian Video Relevan Kategori Elektronik 4

Dengan memasukkan citra query “Elektronik4-100”, sistem mengembalikan 5 video relevan dari 20 koleksi video.

80

Gambar 4.34. Pencarian Video Relevan Kategori Elektronik 5

Dengan memasukkan citra query “Elektronik5-300”, sistem mengembalikan 5 video relevan dan 5 video tidak relevan dari 20 koleksi video.

4.3.10. Hasil Persentasi Video Relevan Terhadap Query Alat Tulis Hasil persentasi diperoleh dari hasil perhitungan:

𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑖 = 𝐾𝑒𝑦𝑓𝑟𝑎𝑚𝑒 𝐶𝑜𝑐𝑜𝑘

𝑇𝑜𝑡𝑎𝑙 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑒𝑦𝑓𝑟𝑎𝑚𝑒 𝑥 100%

Tabel 4.10 Hasil Persentasi Video Relevan Terhadap Query Alat Tulis 1 Query Alat Tulis 1

(Total Jumlah Keyframe 42) Hasil Video

Relevan Keyframe Cocok Persentasi

Alat Tulis 1 42 100%

Alat Tulis 2 23 55%

Alat Tulis 4 23 55%

Alat Tulis 3 19 45%

Alat Tulis 5 2 5%

Bunga 1 1 2%

Hasil persentasi video relevan yang di kembalikan terhadap query alat tulis 1 seperti pada Tabel 4.10 yaitu, video Alat Tulis 1 dengan total keyframe yang cocok 42 persentasi 100%, Alat Tulis 2 dengan total keyframe yang cocok 23 persentasi 55%, Alat Tulis 4 dengan total keyframe yang cocok 23 persentasi 55%, Alat Tulis 3 dengan total keyframe yang cocok 19 persentasi 45%, Alat Tulis 5 dengan total keyframe yang cocok 2 persentasi 5%, Bunga dengan total keyframe yang cocok 1 persentasi 2%.

Gambar 4.35 Hasil Persentasi Video Relevan Terhadap Query Alat Tulis 1 Dari grafik pada Gambar 4.35 kita dapat melihat hasil persentasi video relevan terhadap query alat tulis 1 dengan urutan video paling tinggi tingkat kecocokannya hingga yang terendah.

4.3.11. Hasil Persentasi Video Relevan Terhadap Query Buah 1 Hasil persentasi diperoleh dari hasil perhitungan:

𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑖 = 𝐾𝑒𝑦𝑓𝑟𝑎𝑚𝑒 𝐶𝑜𝑐𝑜𝑘

Alat Tulis 1 Alat Tulis 2 Alat Tulis 4 Alat Tulis 3 Alat Tulis 5 Bunga 1

Persentasi

Hasil Video Relevan

Hasil Persentasi Video Relevan Terhadap Query Alat Tulis 1

82

Tabel 4.11 Hasil Persentasi Video Relevan Terhadap Query Buah 1 Query Buah 1

(Total Jumlah Keyframe 35) Hasil Video

Relevan Keyframe Cocok Persentasi

Buah 1 25 71%

Hasil persentasi video relevan yang di kembalikan terhadap query buah 1 seperti pada Tabel 4.11 yaitu, video Buah 1 dengan total keyframe yang cocok 25 persentasi 71%, video Buah 5 dengan total keyframe yang cocok 16 persentasi 46%, video Buah 2 dengan total keyframe yang cocok 14 persentasi 40%, video Buah 4 dengan total keyframe yang cocok 13 persentasi 37%, video Buah 3 dengan total keyframe yang cocok 6 persentasi 17%, video Bunga 2 dengan total keyframe yang cocok 1 persentasi 3%, video Bunga 4 dengan total keyframe yang cocok 1 persentasi 3%.

Gambar 4.36 Hasil Persentasi Video Relevan Terhadap Query Buah 1 Dari grafik pada Gambar 4.36 kita dapat melihat hasil persentasi video relevan terhadap query buah 1 dengan urutan video paling tinggi tingkat kecocokannya hingga yang

Hasil Persentasi Video Relevan Terhadap Query Buah 1

4.3.12. Hasil Persentasi Video Relevan Terhadap Query Bunga 1 Hasil persentasi diperoleh dari hasil perhitungan:

𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑖 = 𝐾𝑒𝑦𝑓𝑟𝑎𝑚𝑒 𝐶𝑜𝑐𝑜𝑘

𝑇𝑜𝑡𝑎𝑙 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑒𝑦𝑓𝑟𝑎𝑚𝑒 𝑥 100%

Tabel 4.12 Hasil Persentasi Video Relevan Terhadap Query Bunga 1 Query Bunga 1

(Total Jumlah Keyframe 44) Hasil Video

Relevan Keyframe Cocok Persentasi

Bunga 1 44 100%

Alat Tulis 4 23 52%

Bunga 3 12 27%

Bunga 2 7 16%

Bunga 4 5 11%

Hasil persentasi video relevan yang di kembalikan terhadap query bunga 1 seperti pada Tabel 4.12 yaitu, video Bunga 1 dengan total keyframe yang cocok 44 persentasi 100%, video Alat Tulis 4 dengan total keyframe yang cocok 23 persentasi 52%, video Bunga 3 dengan total keyframe yang cocok 12 persentasi 27%, video Bunga 2 dengan total keyframe yang cocok 7 persentasi 16%, video Bunga 4 dengan total keyframe yang cocok 5 persentasi 11%.

Gambar 4.37 Hasil Persentasi Video Relevan Terhadap Query Bunga 1

100%

Bunga 1 Alat Tulis 4 Bunga 3 Bunga 2 Bunga 1

Persentasi

Hasil Video Relevan

Hasil Persentasi Video Relevan Terhadap Query Bunga 1

84

Dari grafik pada Gambar 4.37 kita dapat melihat hasil persentasi video relevan terhadap query bunga 1 dengan urutan video paling tinggi tingkat kecocokannya hingga yang terendah.

4.3.13. Hasil Persentasi Video Relevan Terhadap Query Elektronik 1 Hasil persentasi diperoleh dari hasil perhitungan:

𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑖 = 𝐾𝑒𝑦𝑓𝑟𝑎𝑚𝑒 𝐶𝑜𝑐𝑜𝑘

𝑇𝑜𝑡𝑎𝑙 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑒𝑦𝑓𝑟𝑎𝑚𝑒 𝑥 100%

Tabel 4.13 Hasil Persentasi Video Relevan Terhadap Query Elektronik 1 Query Elektronik 1

(Jumlah Keyframe 33) Hasil Video

Relevan Keyframe Persentasi

Elektronik 1 33 100%

Elektronk 2 28 85%

Elektronik 5 3 9%

Elektronik 3 1 3%

Hasil persentasi video relevan yang di kembalikan terhadap query elektronik 1 seperti pada Tabel 4.13 yaitu, video Elektronik 1 dengan total keyframe yang cocok 44 persentasi 100%, video Elektronik 2 dengan total keyframe yang cocok 28 persentasi 85%, video Elektronik 5 dengan total keyframe yang cocok 3 persentasi 9%, video Elektronik 3 dengan total keyframe yang cocok 1 persentasi 3%.

Gambar 4.38 Hasil Persentasi Video Relevan Terhadap Query Elektronik 1 Dari grafik pada Gambar 4.38 kita dapat melihat hasil persentasi video relevan terhadap query bunga 1 dengan urutan video paling tinggi tingkat kecocokannya hingga yang terendah.