F. Pengembangan Prototype
VI. SIMPULAN DAN SARAN
A. Simpulan
Berdasarkan penelitian yang telah dilakukan dapat disimpulkan beberapa hal, yaitu :
1. Proses pelabelan otomatis citra menghasilkan pelabelan yang cukup baik.
2. Definisi kata-kata yang merepresentasikan subjek dan objek citra dalam kamus kata terlihat penggunaannya dalam proses temu kembali.
3. Model pelabelan citra otomatis menggunakan Fuzzy C-means (FCM) dilakukan berdasarkan kata-kata yang terdefinisi dalam kamus kata.
4. Tabel indeks citra dalam penelitian ini disusun berdasarkan proses pelabelam otomatis citra dan digunakan sebagai dasar untuk proses temu kembali.
5. Hasil penelitian menunjukkan bahwa nilai rataan precision untuk hasil temu kembali menggunakan kueri berbasis teks mencapai 86.68%. Ini menunjukkan bahwa proses pencarian citra dalam basis data lebih baik karena pelabelan yang dilakukan berguna sebagai kata kunci pencarian.
B. Saran
Berdasarkan hasil dari penelitian yang dilakukan, dapat dikemukakan beberapa saran yang dapat dipertimbangkan untuk ditindaklanjuti, yaitu:
1. Penelitian ini dapat dikembangkan untuk pembentukan ontologi citra. 2. Berdasarkan penelitian, terdapat beberapa kesalahan klasifikasi yang dapat
menyebabkan hasil temu kembali citra menjadi kurang baik. Oleh karena itu, untuk penelitian selanjutnya dapat digunakan metode relevance
feedback dalam temu kembali citra agar hasil temu kembali citra menjadi
49
3. Penelitian selanjutnya dapat dikembangkan sistem temu kembali citra berdasarkan ciri warna, bentuk, dan tekstur untuk melengkapi hasil temu kembali.
4. Sampai saat ini belum ada teknik segmentasi citra yang dapat melakukan segmentasi dengan baik. Oleh karena itu, disarankan untuk dapat memperbaiki hasil segmentasi sehingga ketidaksesuaian dengan objek yang diinginkan dapat diminimalisasi.
DAFTAR PUSTAKA
Balqis, DP. 2006. Metode Fuzzy Color Histogram untuk Temu Kembali Citra Bunga. [Skripsi]. Bogor:Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Barnard K, Duygulu P, Forsyth D, de Freitas N, Blei D.M, Jordan M. I. 2003.
Matching words and pictures. Journal of Machine Learning Research. 3:1107-1135.
Belongie S, 1998. Color and Texture-Based Image Segmentation Using EM and Its Application to Content-Based Image Retrieval. Computer Science
Division, University of California at Berkeley, Berkeley, CA 94720.
Benjamins V.R, P´erez. A. G. 2004. Knowledge System Technology: Ontologies and Problem-Solving Methods. Website. www.swi.psy.uva.nl/usr/richard/ pdf/kais.pdf [15 Januari 2008].
Brodatz. 1966. Textures: A Photographic Album for Artists and Designers. http://www-dbv.informatik.uni-bonn.de/image/segmentation.html. [15 Oktober 2007].
Cox E. 2005. Fuzzy Modelling and Genetic Algorithms for Data Mining and
Exploration. San Fransisco. Morgan Kaufman Publisher.
Daubechies I. 1995. Ten Lectures on Wavelets. Capital City Press: Montpelier, Vermont.
Deschacht K, Moens MF. 2007. Text Analysis for Automatic Image Annotation. The 45th Annual Meeting of the Association for Computational Linguistics; Prague; June 2007.
Duygulu P, Barnard K, de Fretias N, Forsyth D . 2002. Object recognition as machine translation: Learning a lexicon for a fixed image vocabulary.
Proceedings of the European Conference on Computer Vision: 97-112.
Feng S., Manmatha R., Lavrenko V. 2004. Multiple Bernoulli Relevance Models for Image and Video Annotation, In Proc. IEEE Conf. Computer Vision
and Pattern Recognition.
Gonzales RC, Woods RE, 2002. Digital Image Processing. Edisi ke-2. New Jersey: Prentice Hall, Inc.
Grossman D. IR Book. http://www.ir.iit.edu/~dagr/cs529/files/ir_book/ [30 Oktober 2007].
Harsono T, Basuki A. 2005. Sistem Content Based Image Retrieval Menggunakan Fitur Dasar Gambar Untuk Image Searching. Proceeding IES 2005. Surabaya.
Han J, Ma KK.2002. Fuzzy Color Histogram and Its Use in Color Image Retrieval. IEEE Transaction on Image Processing. 8:11.
Hua X.S., Zhang H.J. 2008. Media Content Analysis. Scholarpedia.3(2):3712. http://www.scholarpedia.org/article/Media_Content_Analysis. [8 Agustus 2008]
Eakins J. 1996. Automatic image content retrieval – are we getting anywhere.In
Proceedings of Third International Conference on Electronic Library and Visual Information Research. pages 123–135.
Jain A.K., Murty M.N. dan Flynn P.J. 1999. Data Clustering : A Review. ACM
Computing Survey. 31.
Jang JS, Roger, Sun CS. Eiji M.1997. Neuro-Fuzzy and Soft Computing. A
Computional Approach to Learning and Machine Intelligence.USA.Prentice-Hall International Inc.
Jiawei H, Kamber M. 2001. Data Mining, Concepts and Techniques. Morgan Kauffman Publishers. San Fransisco, USA.
Kantardzic M. 2001. Data Mining, Concepts, Methods and Algorithm. New Jersey : IEEE.
Lavrenko V, Manmatha R, Jeon J. 2003. A model for learning the semantics of pictures. Proceedings of the 16th Conference on Advances in Neural
Information Processing Systems NIPS.
Long F, Zhang H, Feng DD. 2003. Fundamental of Content-Based Image
Retrieval.
http://www.research.microsoft.com/asia/dload_files/group/mcomputing/20 03P/ch01_Long_v40 proof.pdf. [12 September 2007].
Mori Y, Takahashi H, Oka R. 1999. Image-to-word transformation based on dividing and vector quantizing images with words. First International
Workshop on Multimedia Intelligent Storage and Retrieval Management,
Nascimento S, Mirkin B, Moura-Pires F. 2003. Modeling Propotional Membership in Fuzzy Clustering. IEEE Trans on Fuzzy Syst. 11:2.
Noorniawati VY,. 2007. Metode Support Vector Machine untuk klasifikasi pada sistem temu kembali citra [Skripsi]. Bogor : Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Sahin PG. 2003. Translating Images to words: A novel approach for object recognition [PhD thesis]. Turkey : The Department Of Computer Engineering, Middle East Technical University.
Schober, Jean-Pierre. Thorsten Hermes, Otthein Herzog.2004. Content-based Image Retrieval by Ontology-based Object Recognition. TZI Center for
Computing Technology Universitätsallee. 21-23 28359. Bremen,
Germany.
Sebe N, Lew NS, 2000. Robust Computer Vision : Theory and Application. Leiden : Leiden Institue of Advance Computer Science.
Seo N. 2006. Texture Segmentation using Gabor Filters,
http://note.sonots.com/index.php?SciSoftware%2FGaborTextureSegmenta tion.[8 November 2007].
Shi J, Malik J. 2000. Normalized cuts and image segmentation. IEEE
Transactions on Pattern Analysis and Machine Intelligence. 22:8:888-905.
Srikanth M, Varner J, Bowden M, Moldovan D. 2005. Exploiting Ontologies for Automatic Image Annotation. ACM. 1595930345/05/0008
Vertan C, Boujemaa N. 2000. Using Fuzzy Histogram and Distance for Color Image Retrieval. http://www-rocq.inria.fr/imedia/Articles/cir2000.pdf [28 September 2007].
Lampiran 3 : Warna kuantisasi untuk 30 bin histogram Warna R G B 1 64 68 53 2 20 23 16 3 165 174 177 4 49 45 41 5 107 112 95 6 115 137 173 7 84 120 138 8 246 247 246 9 150 141 114 10 166 153 128 11 211 214 213 12 135 155 170 13 241 242 239 14 90 156 218 15 153 128 102 16 251 252 251 17 51 72 35 18 119 125 107 19 190 197 190 20 85 97 96 21 115 128 59 22 106 101 76 23 178 201 224 24 74 76 69 25 64 88 89 26 233 235 231 27 174 188 213 28 150 156 156 29 125 133 132 30 86 89 61