B
B
a
a
b
b
1
1
4
4
S
S
i
i
s
s
t
t
e
e
m
m
M
M
u
u
l
l
t
t
i
i
m
m
e
e
d
d
i
i
a
a
D
D
a
a
n
n
B
B
a
a
s
s
i
i
s
s
d
d
a
a
t
t
a
a
14.1 Pendahuluan
Dalam beberapa tahun terakhir, data multimedia digital disimpan dalam bentuk image, video dan audio. Banyak penelitian yang telah dilakukan agar penyimpanan (storage) dan permintaan (retrieval)
informasi multimedia lebih efisien dan efektif. Situasi yang sama terjadi kira-kira tiga puluh tahun yang lalu ketika banyak data alphanumerik disimpan dalam form-form komputer. Hal ini menuju kepada pengembangan sistem manajemen basisdata (database management systems), yang mana sekarang ini merupakan aplikasi komputer yang paling populer dan paling banyak digunakan oleh hampir setiap organisasi, perusahaan dan individual. Tetapi yang menjadi masalah adalah dimana sistem manajemen basisdata tidak dapat menangani data multimedia secara efektif karena perbedaan karakteristik antara data alphanumerik dan multimedia. Dengan demikian teknik-teknik permintaan (retrieval) dan pengindeksan
(indexing) multimedia tentu diperlukan.
Gambar 14.1 Arsitektur Komponen-komponen multimedia
14.2 Defenisi Multimedia
Untuk menghindari kebingungan atau kesalahpahaman, pada bagian berikut ini akan diberikan defenisi-defenisi dan konsep-konsep yang penting yang sering digunakan dalam multimedia.
14.2.1 Jenis-Jenis Media Dan Multimedia
Media mengacu kepada jenis dari informasi atau jenis dari representasi informasi, seperti data alphanumerik, image, audio dan video. Terdapat banyak cara untuk mengklasifikasikan media.
Klasifikasi umum didasarkan pada format fisik dan keterhubungan media dengan waktu. Berdasarkan dimensi waktu maka terdapat dua kelas media, yaitu: statik (static) dan dinamis
(dynamic).
Media statik tidak memiliki dimensi waktu, arti dan isinya
tidak tergantung pada waktu representasi. Media statik menyangkut data alphanumerik, grafik, dan image yang tidak bergerak.
Media dinamis memiliki dimensi waktu, artinya dan
frame per detik, tergantung pada sistem video yang digunakan). Hal yang sama, ketika diputar ulang suatu rangkaian audio atau musik, hanya satu laju pemutaran ulang yang biasa dilakukan. Pemutaran ulang (play bak) pada tingkat/laju yang lebih lambat ataupun lebih cepat akan mengubah arti maupun kualitas dari audio.
Karena hal tersebut maka media harus dimainkan ulang secara berkesinambungan pada laju/tingkat yang tetap, yang sering disebut dengan media berlanjut (continuous media). Hal ini juga sering disebut dengan media isochronous karena keterhubungan yang tetap antara tiap unit media dan waktu.
Multimedia mengacu kepada kumpulan dari beberapa media yang digunakan secara bersama. Secara sederhana bahwa paling sedikit terdapat satu jenis media yang bukan data alphanumerik (sebagai contoh, paling sedikit satu jenis media seperti image, audio atau video).
Banyak istilah yang sering digunakan untuk menyatakan multimedia, seperti informasi multimedia, data multimedia, sistem multimedia, komunikasi multimedia, aplikasi multimedia, perancangan multimedia dan banyak lagi. Data multimedia mengacu kepada representasi dari beberapa jenis media yang dapat dibaca oleh komputer. Informasi multimedia mengacu kepada penyampaian informasi oleh beberapa jenis media. Tetapi kadang-kadang informasi multimedia dan data multimedia sering digunakan secara bergantian.
14.3 Pencarian Informasi Dokumen Berbasis Teks
Sistem pencarian informasi (information retrieval systems)
umum pencarian informasi dapat mengacu kepada pencarian jenis informasi yang lainnya.
14.4 Pencarian Dan Pengindeksan Multimedia
Pencarian pada sistem manajemen basisdata didasarkan pada struktur data yang digunakan harus sama. Pencarian informasi sering juga disebut pencarian berbasis teks. Pencarian berbasis isi mengacu kepada kepada pencarian berdasarkan pada bentuk media yang sesungguhnya seperti warna atau bentuk, termasuk juga catatan-catatan yang ada pada suatu media. Pencarian berbasis isi secara umum berdasarkan atas kesamaan daripada query dengan field-field di dalam database.
Sistem pencarian informasi multimedia mengacu kepada pencarian informasi multimedia menggunakan gabungan dari sistem manajemen basisdata, pencarian informasi (information retrieval), dan teknik-teknik pencarian berbasis isi. Pada suatu sistem pencarian informasi multimedia, beberapa hal seperti penerjemahan dan pengontrolan keamanan mungkin tidak dipakai. Penerapan secara penuh yang sering disebut dengan suatu sistem manajemen basisdata multimedia.
14.5 Ekstraksi Bentuk, Representasi Isi, Dan
Pengindeksan
14.6 Kebutuhan Untuk Sistem Pencarian Informasi
Multimedia
Kebutuhan untuk sistem pencarian informasi multimedia menyangkut tiga hal. Pertama, kebanyakan data multimedia ditangkap (capture)
dan disimpan (storage). Untuk menggunakan informasi yang terapat dalam data ini, sistem pencarian dan pengindeksan secara efisien dan efektif tentu diperlukan. Kedua, data multimedia memiliki persyaratan dan karakteristik khusus yang signifikan berbeda dengan data alphanumerik. Dengan demikian sistem manajemen basisdata tentulah tidak cocok untuk menangani data multimedia. Ketiga, walaupun teknik-teknik pencarian informasi dapat membantu dalam pencarian multimedia, mereka tidak cukup untuk menangani data multimedia secara efektif.
14.7 Perkembangbiakan Data Multimedia Dan
Karakteristiknya
Kita sekarang dihadapkan dengan suatu ledakan dari informasi multimedia. Sebagai contoh, sejumlah image dan video yang besar sekarang sedang diciptakan dan disimpan di internet. Banyak lukisan dan image diubah kedalam bentuk digital agar lebih mudah dalam pemrosesan, distribusi dan pemeliharaan. Image dari berita-berita televisi dan suratkabar juga diubah kedalam bentuk digital untuk memudahkan penyimpanan dan pemeliharaan. Sejumlah besar dari image medik juga dikirimkan dari satu tempat ke tempat lainnya dengan cara mengubahnya kedalam data digital dan mengirimkannya melalui satelit. Kecenderungan ini akan berlanjut dengan kemajuan teknologi penyimpanan dan digital yang terjadi sekarang ini.
Dalam database multimedia tidak hanya terjadi peningkatan jumlah data yang akan disimpan, tetapi juga jenis data dan karakteristiknya yang sungguh berbeda dari data alpanumerik.
Data multimedia khususnya audio dan video merupakan data yang sangat intensif. Sebagai contoh, rangkaian video 10 menit dengan kwalitas yang baik membutuhkan kira-kira 1.5 GB media penyimpanan tanpa kompresi.
Audio dan video memiliki suatu dimensi sementara (temporal)
dan mereka harus dimainkan pada laju yang tetap untuk mencapai efek yang diinginkan.
Audio digital, image dan video ditampilkan dalam suatu rangkaian nilai dan struktur semantik yang kurang jelas bagi komputer secara otomatis untuk mengenali isinya.
Banyak aplikasi-aplikasi multimedia membutuhkan penampilan yang bersamaan dengan jenis media yang banyak dalam menentukan cara pengkoordinatan berdasarkan ruang dan keadaan.
Arti dari data multimedia kadang-kadang bersifat fuzzy dan subjektif. Sebagai contoh, banyak orang mungkin mengintepretasikan image yang sama dengan cara yang berbeda.
Data multimedia kaya akan informasi. Banyak parameter yang diperlukan untuk menyajikan isinya dengan baik.
14.8 Sistem Manajemen Basisdata Multimedia
Multimedia Database Management System (MMDBMS) harus menyediakan suatu lingkungan yang sesuai untuk menggunakan dan mengelolah data multimedia. Oleh karena itu, dia harus mendukung berbagai jenis data multimedia sebagai tambahan pada penyediaan fasilitas untuk fungsi DBMS tradisional seperti pembuatan basisdata, pemodelan data, permintaan data, akses dan organisasi data, dan ketergantungan data.
14.9 Sistem Manajemen Basisdata Dan Perannya Dalam
Data Multimedia
Sistem manajemen basisdata (database manajemen systems) sekarang sedang dikembangkan dan digunakan secara luas dalam struktur data. Sistem manajemen basisdata yang dominan adalah sistem manajemen basisdata relasional (relational database manajemen systems).
Dalam sistem manajemen basisdata relasional, informasi diorganisasikan dalam bentuk tabel-tabel dan relasi-relasi. Baris-baris dari tabel bersesuaian dengan item informasi atau rekord, sedangkan kolom bersesuaian dengan atribut. Bahasa query terstruktur (structured query language/SQL) digunakan untuk membentuk tabel-tabel dan menyisipkan, mencari informasi dari tabel-tabel tersebut.
Sebagai contoh akan ditunjukkan bagaimana SQL membentuk suatu tabel dan menyisip dan mencari informasi dari tabel tersebut. Misalkan kita ingin membentuk suatu tabel yang berisikan rekord-rekord pelajar yang terdiri atas nomor pelajar, nama dan alamat. Pernyataan yang digunakan untuk membentuk atribut-atribut tersebut dalam SQL adalah :
Create table PELAJAR (
No integer,
Nama char(20),
Alamat char(100));
Tabel 14.1 Tabel PELAJAR Awal
Nim Nama Alamat
kedalam tabel, Anda dapat menggunakan perintah SQL seperti di bawah ini :
Insert into PELAJAR values(1295046,’Jeconia, Jl. C. Simanjuntak, Gg. Bolodewo No. 644 Terban Yogyakarta’);
Statement di atas akan menyisipkan satu baris rekord kedalam tabel PELAJAR seperti yang ditunjukkan dalam Tabel 14.2. Banyak rekord pelajar dapat disisipkan kedalam tabel dengan menggunakan pernyataan yang sama.
Tabel 14.2 Tabel PELAJAR Setelah Satu Rekord Disisipkan
No Nama Alamat
1295046 Jeconia Jl. C. Simanjuntak, Gg. Bolodewo No. 644 Terban
Yogyakarta
Informasi dalam tabel dicari dengan menggunakan perintah SQL
select. Sebagai contoh, jika diinginkan mencari nama dari pelajar dengan nomor pelajar 1295046, dapat digunakan pernyataan pencarian berikut ini :
Select nama
From PELAJAR
Where No=1295046
Untuk mendukung field-field variabel yang besar dalam sistem manajemen basisdata relasional, suatu konsep yang disebut object binari yang besar (binary large objects/BLOB) telah diperkenalkan. Suatu BLOB merupakan string bit yang besar dengan panjang yang bervariasi. Sebagai contoh, jika diinginkan untuk menyimpan image pelajar pada contoh rekord pelajar di atas, maka dapat dilakukan dengan menggunakan pernyataan SQL seperti di bawah ini:
Create table PELAJAR (
No Integer,
Nama char(20)
Alamat char(100)
Image BLOB);
BLOB biasanya hanyalah untaian bit string dan pengoperasian seperti perbandingan tidak dapat dilakukan terhadapnya. Dengan demikian, sistem manajemen basisdata relasional tidak mengenal isi atau arti dari BLOB. Semuanya hanya dikenal sebagai suatu blok data.
Jenis lain dari sistem manajemen basisdata adalah sistem manajemen basisdata berbasis objek (object-oriented database management
systems/ OODBMS). OODBMS menggabungkan kemampuan
basisdata (seperti penyimpanan dan pencarian) dan bentuk berorientasi objek (enkapsulasi, warisan dan pengenal objek). Suatu pendekatan umum adalah menggabungkan bentuk berorientasi objek dengan basisdata relasional.
Sistem gabungan disebut sebagai suatu sistem basisdata berelasi objek. Dalam sistem tersebut, objek-objek dengan tepat didefenisikan dalam arti berorientasi objek. Dengan demikian, masing-masing objek berisikan properti atau atribut dan metoda atau fungsi yang digunakan untuk memanipulasi properti-properti. Sebagai contoh, kita dapat mendefenisikan suatu klas type yang disebut IMAGE seperti di bawah ini :
Private
Ukuran integer,
Resolusi inetger,
Isi float[],
Public
…..
)
Selanjutnya mendeklarasikan image sebagai tipe dari CITRA yang dapat digunakan dalam tabel seperti berikut ini:
Create tabel PELAJAR(
No integer,
Nama char(20),
Alamat char(100),
Image IMAGE);
Perbedaan utama antara BLOB dan objek adalah objek didefenisikan sebagaimana mestinya, termasuk propertinya dan mengijinkan operasi pada properti-propertinya, sedangkan BLOB tidak.
14.10 Sistem Pencarian Informasi Dan Peranannya Dalam
Pencarian Multimedia
audio, image dan video. Teknik-teknik pencarian informasi yang biasa dapat digunakan untuk pencarian informasi multimedia.
Bagaimanapun juga, penggunaan dari pencarian informasi untuk menangani data multimedia mempunyai keterbatasan-keterbatasan seperti berikut ini:
Keterangan yang diberikan pada umumnya menggunakan proses manual dan membutuhkan waktu yang lebih;
Keterangan pada umumnya tidak lengkap dan lebih bersifat subjektif;
Teknik-teknik pencarian informasi tidak dapat menangani
query dalam bentuk-bentuk selain daripada teks (seperti audio dan image);
Beberapa bentuk-bentuk multimedia seperti susunan (teksure)
image dan bentuk objek sulit diketahui, jika tidak memungkinkan, pengimageannya menggunakan teks.
14.11 Pendekatan Terintegrasi Pada Pencarian Dan
Pengindeksan Informasi Multimedia
14.12 Sistem Pencarian Informasi Multimedia
Gambar dibawah ini memberikan suatu gambaran dari operasi sistem pencarian informasi multimedia. Item-item informasi yang ada terdapat dalam basisdata diproses terlebih dahulu untuk mengambil bentuk dan arti dan diindeks berdasarkan pada bentuk dan arti tersebut. Selama proses pencarian informasi, permintaan pengguna
(user) diproses dan bentuk utamanya diambil. Bentuk-bentuk ini kemudian dibandingkan dengan bentuk-bentuk atau indeks dari tiap-tiap item informasi dalam basisdata.
Item-item informasi yang bentuk-bentuknya paling menyerupai dengan permintaan diambil dan ditampilkan kepada pengguna.
Gambar 14.2 Model Pengambilan Informasi Secara Umum
14.13 Kemampuan Dan Aplikasi-Aplikasi Umum Dari
Sistem Pencarian Informasi Multimedia
Sistem pencarian informasi multimedia diharapkan dapat tangguh dan fleksibel. Kemampuannya dapat diimagekan dengan jenis-jenis
14.13.1 Query Berdasarkan Metadata
Metadata mengacu kepada atribut-atribut formal dari item-item basisdata seperti nama pengarah dan tanggal pembuatan. Suatu contoh query dalam suatu aplikasi video dapat berupa “tampilkan video yang diciptakan oleh JAMES pada tahun 1997”. Jenis query seperti ini dapat dilakukan dengan kemampuan sistem manajemen basis data.
14.13.2 Query Berdasarkan Keterangan
Keterangan mengacu kepada image dari isi item-item basisdata. Query-query dalam kunci-kunci atau bentuk teks yang bebas dan pencarian didasarkan pada kesamaan antara query dan keterangan. Suatu contoh query dapat seperti “tampilkan bagian video yang penciptanya mengendarai sepeda”. Jenis query seperti ini menganggap bahwa item-item diberi keterangan dengan tepat dan dapat dilakukan dengan teknik-teknik pencarian informasi.
14.13.3 Query Didasarkan Pada Pola Dan Bentuk
Pola data mengacu kepada statistik informasi tentang data multimedia, seperti kebisingan, distribusi warna, dan image susunan. Suatu contoh query misalkan “tampilkan frame video dengan distribusi warna biru paling banyak”. Untuk menjawab jenis query seperti ini, statistik informasi tentang item-item basisdata sebelumnya telah dikumpulkan dan disimpan.
14.13.4 Query Dengan Contoh
Query-query dalam bentuk objek multimedia seperti image, sketsa, dan potongan-potongan audio. Sebagai contoh “tampilkan suatu movie yang adegannya sama dengan ”. Jenis query seperti ini dapat menjadi kompleks dengan mengikutkan ruang dan keterhubungan antara objek-objek.
14.13.5 Query Dengan Spesifik Aplikasi
perincian informasi seperti ukuran dari suatu objek dan proses penyimpanan dari suatu data.
14.14 Pecarian Informasi Multimedia
14.14.1 Pencarian Informasi Multimedia Berbasis Teks
Teknik-teknik pencarian informasi penting dalam sistem manajemen informasi multimedia karena dua alasa utama. Pertama, terdapat sejumlah data dokumen teks yang besar pada banyak organisasi seperti perpusatakaan-perpustakaan. Teks adalah sumber informasi yang sangat penting dari suatu organisasi. Untuk menggunakan informasi yang disimpan dalam dokumen-dokumen ini, suatu sistem pencarian informasi yang efektif dan efisien diperlukan. Kedua, teks dapat digunakan untuk memberi catatan-catatan pada media seperti audio, image dan video. Teknik-teknik pencarian informasi yang biasa dapat digunakan untuk pencarian informasi multimedia.
Pokok-pokok dua perancangan utama dari sistem pencarian informasi adalah bagaimana menampilkan dokumen dan query-query dan bagaimana membandingkan kesamaan antara dokumen dan representasi query. Model pencarian menentukan kedua aspek ini. Empat pencarian yang umum digunakan adalah pencocokan yang tepat, ruang vektor, probabilitas, dan berbasis cluster. Pencocokan yang tepat yang paling umum adalah model boolean.
secara khusus. Karena operasi-operasi pencarian teks bergantung langsung pada representasi isi yang digunakan untuk menjelaskan rekord-rekord yang disimpan, suatu usaha yang besar yang harus dilakukan untuk menganalisa isi dari dokumen-dokumen yang disimpan yang membawa pada pembentukan kata kunci-kata kunci dan indeks.
Proses pencarian dokumen dasar diperagakan pada gambar dibawah ini. Seperti yang ditunjukkan pada sisi kanan dari image, dokumen-dokumen diproses tidak secara langsung untuk mendapatkan representasi-representasi dokumen. Representasi-representasi ini disimpan secara bersama dengan dokumen itu sendiri. Selama pencarian (sebelah kiri dari image), pengguna melakukan query yang diproses (secara langsung) untuk mendapatkan representasi querynya. Kemudian representasi query dibandingkan dengan representasi dokumen. Dokumen yang dipertimbangkan berhubungan dengan sistem yang dicari dan ditampilkan kepada pengguna, dimana pengguna mengevaluasi dokumen yang diberikan dan memutuskan yang cocok baginya.
Gambar 14.3 Proses pencarian informasi
14.14.2 Pengindeksan Dan Pencarian Audio
Manusia memiliki kemampuan yang mengagumkan untuk membedaan jenis-jenis audio yang berbeda. Misalkan diberikan suatu potongan audio, langsung dapat kita katakan jenis dari audio tersebut (misalkan, apakah audio manusia, musik, atau bising), kecepatan (cepat atau lambat), suasana (bahagia, sedih, rileks),dan menentukan kemiripannya dengan potongan audio lainnya. Bagaimanapun juga, komputer melihat suatu potongan audio sebagai suatu rangkaian dari nilai.
pencarian ini tidak dapat mendukung query seperti “cari potongan audio yang mirip dengan yang sedang dimainkan seseorang”.
Untuk menyelesaikan masalah di atas, teknik-teknik pencarian audio berdasarkan isi diperlukan. Pencarian audio berdasarkan isi yang paling sederhana menggunakan perbandingan sampel dengan sampel dengan query dan potongan-potongan audio yang disimpan.
Pendekatan ini tidak dapat berjalan dengan baik karena signal audio sangat berbeda dan potongan-potongan audio yang berbeda mungkin direpresentasikan dengan tingkat sampel yang berbeda dan mungkin menggunakan jumlah bit yang berbeda untuk tiap sampel. Karena hal tersebut, pencarian audio berdasarkan isi umumnya didasarkan pada sekumpulan dari bentuk-bentuk audio yang diambil, seperti rata-rata amplitudo dan distribusi frekwensi.
Pendekatan umum pada pencarian dan pengindeksan audio berdasarkan isi adalah :
Audio diklasifikasikan kedalam beberapa jenis audio yang umum seperti audio, musik dan bising.
Jenis-jenis audio yang berbeda diproses dan diindeks dengan cara yang berbeda. Sebagai contoh, jika audio adalah audio, pengenal audio diterapkan dan audio diindeks berdasarkan pada kata-kata yang dikenali.
Melakukan query potongan-potongan audio dengan cara klasifikasi berdasarkan kemiripan, diproses dan diindeks. Potongan-potongan audio dicari berdasarkan atas kemiripan
antara index query dan index audio yang terdapat dalam basisdata.
ruang pencarian setelah klasifikasi dikurangi pada klas audio yang khusus selama proses pencarian.
Signal audio direpresentasikan dalam domain waktu (representasi amplitudo waktu) atau domain frekwensi (representasi besarnya frekwensi).
Ciri-ciri yang berbeda diturunkan atau diambil dari kedua representasi tersebut.
14.14.3 Bentuk Diturunkan Dari Domain Waktu
Domain waktu atau representasi amplitudo waktu adalah teknik representasi signal dasar yang paling banyak, dimana suatu signal direpresentasikan sebagai amplitudo yang bermacam-macam sejalan dengan waktu. Nilai signal dapat positif atau negatif tergantung pada tekanan audio di atas atau di bawah tekanan udara equilibrium ketika diam. Dengan hal ini dianggap bahwa 16 bit digunakan untuk merepresentasikan tiap-tiap sampel audio. Dengan demikian jangkauannya antara 32767 (215-1) s/d -32767. Dari hal ini akan dapat ditentukan energi rata, tingkat melewati nol, dan rasio keheningan.
Energi rata
Energi rata-rata menyatakan kekerasan dari signal audio. Terdapat banyak cara untuk menghitungnya. Satu contoh perhitungan sederhana adalah :
N
n
x
E
Nn
∑
−=
=
1
0 2
)
(
dimana E adalah energi rata dari potongan audio, N adalah total jumlah sampel dalam potongan audio, dan x(n) adalah nilai sampel dari n sampel.
Tingkat melewati nol
N
n
x
n
x
ZC
N n2
|
)
1
(
sgn
)
(
sgn
|
1∑
=−
−
=
dimana sgnx(n) adalah tanda dari x(n) dan bernilai 1 jika x(n) positif dan -1 jika x(n) bernilai negatif.
Rasio Keheningan
Rasio keheningan menyatakan perbandingan dari potongan radio yang hening. Keheningan didefenisikan sebagai suatu periode dalam nilai amplitudo absolut dari sejumlah nomor tertentu dari sampel yang dibawah nilai ambang (threshold). Sampel dianggap tenang atau diam ketika amplitudonya dibawah ambang amplitudo. Rasio keheningan dihitung sebagai rasio antara jumlah periode diam dan panjang total dari potongan audio.
14.14.4 Bentuk Diturunkan Dari Doman Frekwensi
Representasi domain waktu tidak menampilkan komponen-komponen frekwensi dan distribusi frekwensi dari suatu signal audio. Representasi domain frekwensi diturunkan dari representai doman waktu sesuai dengan transformasi Fourier. Transformasi Fourier diimagekan sebagai setiap signal dapat didekomposisi kedalam komponen-komponen frekwensinya. Dalam domain frekwensi, signal direpresentasikan sebagai amplitude dengan bermacam-macam frekwensi, menyatakan jumlah energi pada frekwensi yang berbeda.
Bandwidth
Distribusi Energi
Dari spektrum signal sangat mudah melihat distribusi signal melewati komponen-komponen frekwensi. Sebagai contoh, kita dapat melihat jika signal mempunyai komponen-komponen frekwensi tinggi yang signifikan. Informasi ini sangat berguna untuk klasifikasi audio karena musik umumnya memiliki komponen frekwensi yang lebih dari audio. Karena itu sangat penting untuk menghitung tinggi dan rendahnya energi band frekwensi. Sebagai contoh bahwa frekwensi-frekwensi dari signal audio jarang melewati 7 kHz. Dengan demikian kita dapat membagi keseluruh panjang spektrum sepanjang garis 7 kHz. Komponen frekwensi di bawah 7 kHz adalah band yang rendah dan sebaliknya adalah band yang tinggi. Total energi untuk masing band dihitung sebagai jumlah dari kekuatan dari masing-masing sampel di dalam band.
Harmonicity
Bentuk domain frekwensi kedua dari bunyi adalah harmonicity. Dalam bunyi harmonicity komponen spektral paling banyak adalah yang terendah, dan yang paling penting frekwensi yang terkeras. Frewkensi yang terendah disebut frekwensi fundamental. Musik biasanya lebih harmonis daripada bunyi-bunyi yang lainnya. Apakah suatu bunyi harmonis ditentukan dengan pengecekan apakah komponen frekwensi dominan adalah perkalian dari frekwensi fundamental.
14.15 Pengindeksan Dan Pencarian Citra
Terdapat empat pendekatan utama untuk pencarian dan pengindeksan citra. Pertama, isi citra dimodelkan sebagai sekumpulan atribut-atribut yang diambil secara manual dan dikelola dalam kerangka sistem manajemen basis data biasa. Query-query dilakukan dengan menggunakan atribut-atribut ini.
Dengan demikian citra dapat diindeks dan dicari menggunakan model basisdata relasional yang didasarkan pada atribut-atribut tersebut. Kekurangan utama dari pendekatan ini adalah atribut-atribut ini mungkin tidak dapat menjelaskan isi daripada citra dengan lengkap, dan jenis query yang dapat dilakukan hanyalah berdasarkan dari atribut-atribut dari citra tersebut.
Pendekatan kedua berdasarkan pada subsistem pengenalan objek atau pengambilan bentuk yang terintegrasi. Subsistem ini mengotomisasi pengambilan citra dan pengenalan objek. Tetapi pendekatan secara otomatis untuk pengenalan objek membutuhkan perhitungan yang luas, sulit.
Pendekatan ketiga menggunakan teks bebas untuk menjelaskan citra dan menggunakan teknik-teknik pencarian informasi untuk melakukan pencarian citra. Teks dapat menjelaskan isi abstraksi dari suatu citra. Tetapi karena ada struktur untuk menjelaskan hal ini, maka keterangan citra dapat ditambahkan secara bertahap. Hal ini tentu akan tetap menimbulkan kekurangan, tetapi hal ini dapat diatasi dengan melakukan umpan balik yang dilakukan sistem kepada pengguna dengan cara sistem memiliki pengetahuan untuk melakukannya.
Pendekatan keempat menggunakan bentuk citra level rendah seperti warna dan bentuk untuk melakukan pengindeksan dan pencarian citra. Keuntungan dari pendekatan ini adalah proses pencarian dan pengindeksan dilakukan secara otomatis dan hal ini mudah diimplementasikan. Hal ini telah terbukti bahwa pendekatan ini menghasilkan kinerja pencarian yang cukup baik.
14.15.1 Pencarian Citra Berdasarkan Teks
Pada umumnya terdapat dua perbedaan yang signifikan antara pencarian citra berbasis text dengan pencarian dokumen teks biasa.
Pertama, Dalam sistem pencarian citra berbasis teks, deskripsi teks harus dimasukkan (mungkin judul dari citra). Pemberian keterangan umumnya dilakukan secara manual karena pemahaman atas citra dengan baik tidak mungkin. Karena itu pemberian keterangan adalah hal yang sangat penting dalam teknik pencarian citra berbasis teks.
Kedua, deskripsi teks mungkin tidak lengkah atau lebih bersifat subjektif. Dengan demikian penggunaan basis pengetahuan dan umpan balik merupakan hal yang sangat penting dalam pencarian citra berbasis teks. Umpan balik sangat efektif sehingga pengguna dapat menentukan apakah citra yang diinginkan telah cocok berdasarkan query yang dilakukannya. Dan juga, karena deskripsi teks yang tidak lengkap, pengguna dapat menggunakan umpan balik untuk memodifikasi deskripsi untuk membuat deskripsi tersebut lebih lengkap dan akurat.
14.15.2 Teknik Pencarian Citra Berdasarkan Warna Dasar
Ide dari teknik pencarian citra berdasarkan warna dasar adalah untuk mencari suatu image dari basisdata citra yang mungkin sama dengan query citra yang dilakukan oleh pengguna. Tiap-tiap citra yang terdapat di dalam basisdata citra direpresentasikan menggunakan warna-warna yang telah dipilih sebelumnya.
Selama pencarian citra, histogram adalah query citra atau diperkirakan sesuai dengan query pengguna. Perbedaan antara histogram dari query citra dan citra yang terdapat di dalam basis data diukur. Citra dengan jarak histogramnya lebih kecil dari batas yang telah ditentukan sebelumnya diambil dari basisdata dan ditampilkan kepada pengguna. Atau dapat dikatakan citra k pertama dengan jarak yang lebih kecil ditampilkan.
Banyak ukuran jarak histogram yang telah dilakukan. Pengukuran jarak yang paling sederhana antara citra I dan H adalah :
∑
=
−
=
n
l
hl
il
H
I
d
1
|
|
)
,
(
dimana il dan hl adalah angka pixel dalam citra I dan H. Pengukuran jarak lainnya yang umum digunakan adalah dengan menggunakan jarak Euclidean.
Adapun cara kerja dari teknik pencarian citra berbasis warna dapat dijelaskan sebagai berikut. Misalkan dimiliki tiga buah image dengan ukuran 8 x 8 pixel dan masing-masing pixel adalah salah satu warna dari C1..C8. Citra pertama memiliki 8 pixel yang masing terdiri atas 8 warna. Citra kedua memiliki 7 pixel yang masing-masing warnanya C1..C4, dan 9 pixel yang masing-masing-masing-masing warnanya C5..C8. Citra ketiga memiliki 2 piksel yang warnanya adalah C1 dan C2, dan 10 pixel yang warnanya adalah C3..C8.
Selanjutnya akan didapat tiga histogram seperti di bawah ini :
H1=(8,8,8,8,8,8,8,8)
H2=(7,7,7,7,9,9,9,9)
H3=(2,2,10,10,10,10,10,10)
maka jarak antara ketiga image di atas adalah :
d(H1,H2)=1+1+1+1+1+1+1+1=8
d(H2,H3)=5+5+3+3+3+1+1+1+1=23
Dengan demikian citra 1 dan citra 2 paling mirip dan citra 1 dan citra 3 paling berbeda berdasarkan perhitungan rumus di atas.
14.16 Pengindeksan Dan Pencarian Video
Video kaya akan informasi. Suatu video yang lengkap terdiri atas judul, track bunyi (audio dan bukan audio), dan image tersimpan yang dimainkan pada kecepatan yang tetap. Dengan demikian dapat dipandang bahwa video sebagai gabungan dari teks, audio dan citra dengan suatu dimensi waktu. Disamping hal tersebut, beberapa metada video seperti judul dan pengarang disatukan dengan video.
Dengan demikian metode-metode dibawah ini dapat digunakan dalam pencarian dan pengindeksan video.
Metode berdasarkan metadata. Video diindeks dan dicari
didasarkan pada metadata yang terstruktur dengan menggunakan sistem manajemen basis data tradisional. Metadata yang umum adalah judul video, pengarang, tanggal pembuatan dan jenis video.
Metode berdasarkan teks. Video diindeks dan dicari
berdasarkan pada bagian judul yang sesuai dengan menggunakan teknik-teknik pencarian informasi. Naskah dan bagian judul biasanya sudah ada pada beberapa jenis video seperti program berita dan bioskop, dengan tujuan mengurangi kebutuhan akan pemberian catatan secara manual. Informasi sementara dapat ditambahkan dengan teks yang sesuai pada frame-frame yang berhubungan.
Metode berbasiskan audio. Video diindeks dan dicari
didasarkan pada audio kata yang diucapkan dengan menggunakan teknik-teknik pencarian informasi.
Metode berbasiskan isi. Terdapat dua pendekatan umum
pada pencarian dan pengindeksan video berbasiskan isi. Pendekatan pertama, video sebagai kumpulan dari citra-citra dan frame-frame yang berdiri sendiri, dan menggunakan metode-metode pencarian dan pengindeksan citra untuk melakukan pencarian informasi. Masalah yang dapat timbul dengan pendekatan ini adalah pengabaian keterhubungan sementara antara frame-frame video, dan dibutuhkan untuk memproses citra yang banyak. Pendekatan kedua membagi rangkaian video kedalam kelompok-kelompok frame yang mirip, dan pencarian dan pengindeksan didasarkan pada representasi dari kelompok-kelompok frame tersebut.
14.16.1 Pencarian Dan Pengindeksan Berdasarkan Metadata
Metadata untuk video telah tersedia bagi beberapa format-format video yang standar. Pencarian dan pengindeksan video dapat didasarkan atas metadata ini dengan menggunakan sistem manajamen basis data biasa. Sebagai contoh, informasi spesifik dari sistem MPEG-2 mendefinisikan empat tabel yang berisikan informasi-informasi yang penting untuk demultiplex dan menampilkan program melalui suatu pengiriman aliran. Informasi yang lainnya seperti hak cipta dan bahasa dapat diperoleh dari tabel peta program.
14.16.2 Pencarian Dan Pengindeksan Berdasarkan Atas Catatan
Video dapat diindeks dan dicari berdasarkan atas catatan dengan menggunakan teknik-teknik pencarian informasi. Catatan adalah penting karena catatan dapat memberikan isi yang paling jelas dari suatu video.
Catatan dapat diperoleh melalui tiga cara seperti dibawah ini :
Pertama, video dapat secara manual diterjemahkan dan diberi catatan. Hal ini akan menghabiskan waktu yang banyak, tetapi hal ini secara luas masih digunakan karena pemahaman secara otomatis akan isi video tidak mungkin dilakukan pada suatu video. Terdapat dua aspek yang dapat dilakukan pada kasus ini. Pertama dengan menyediakan kerangka kerja yang baik dalam pemasukan data secara manual. Kedua adalah membentuk batasan pengetahuan dari tiap jenis video agar dapat pemberian catatan dapat dilakukan dengan semi otomatis.
Kedua, banyak video memiliki naskah dan bagian judul yang berhubungan yang dapat langsung digunakan untuk pencarian dan pengindeksan video.
Ketiga, Jika sub judul tidak tersedia, pengenalan audio dapat digunakan pada track audio untuk mendapatkan kata yang diucapkan, yang kemudian dapat digunakan untuk pencarian dan pengindeksan. Pendekatan ini tantangannya masih banyak karena audio dan bukan audio umumnya bercampur dalam track audio, dan disana juga terdapat musik latar belakang atau kebisingan dalam signal audio, yang menuju kepada tingkat pengenalan yang rendah.
14.17 Informasi Image, Audio Dan Video
Gambar 14.4 Antarmuka dari Audio
Tampilan Metadata
Tampilan Histogram
Tampilan histogram di form terdiri atas dua jenis, yaitu : teks dan grafik.
Gambar 14.6 Tampilan Histogram Dalam Bentuk Teks
Histogram juga dimungkinkan untuk disimpan ke suatu file teks dengan ekstensi .fhd (file histogram data).
Berikut adalah contoh tampilan file histogram data (fhd).
$00 = 3568
$01 = 1075
$02 = 876
$03 = 1116
$04 = 1008
$05 = 737
$06 = 1004
$07 = 1028
$08 = 919
$09 = 908
$0A = 888
$0B = 836
$0C = 1146
$0D = 1046
$0E = 1018
$0F = 1012
$10 = 832
$11 = 1044
$12 = 1012
$13 = 978
$14 = 964
$15 = 1058
$16 = 991
$17 = 818
$18 = 1213
$19 = 1153
$1A = 1166
$C4 = 1161
$C5 = 1156
$C6 = 1364
$C7 = 1585
$C8 = 1262
$C9 = 1155
$CA = 1326
$CB = 1218
$CC = 1174
$CD = 916
$CE = 1045
$30 = 1059
$31 = 1211
$32 = 1089
$33 = 1113
$34 = 888
$35 = 1129
$36 = 1115
$37 = 1066
$38 = 1138
$39 = 1130
$3A = 1120
$3B = 1158
$3C = 969
$3D = 1055
$3E = 1060
$3F = 1241
$59 = 1178
$5A = 1104
$5B = 1172
$5C = 1244
$5D = 1055
$5E = 1080
$5F = 1051
$60 = 1015
$61 = 1034
$62 = 1175
$63 = 1376
$64 = 1144
$65 = 1250
$66 = 1179
$67 = 1051
$68 = 883
$69 = 1108
$6A = 1026
$6B = 1330
$6C = 1199
$6D = 1308
$6E = 1353
$6F = 1137
$70 = 1052
$71 = 1403
$72 = 1341
$73 = 1179
$90 = 1136
91 = 1278
$92 = 1273
$93 = 1087
$94 = 1002
$95 = 1253
$96 = 1330
$97 = 1072
$98 = 1041
$99 = 1048
$9A = 973
$9B = 960
$9C = 1130
$9D = 1013
$9E = 1011
$9F = 1044
$A0 = 803
$A1 = 919
$A2 = 751
$A3 = 969
$A4 = 1008
$A5 = 1111
$A6 = 1009
$A7 = 1087
$A8 = 874
$A9 = 1039
$1B = 1207
$1C = 1137
$1D = 1236
$1E = 1125
$1F = 1222
$20 = 1069
$21 = 906
$22 = 961
$23 = 1356
$24 = 1348
$25 = 1013
$26 = 879
$27 = 1149
$28 = 876
$29 = 1014
$2A = 1111
$2B = 1041
$2C = 1193
$2D = 1132
$2E = 1051
$2F = 909
$C0 = 904
$C1 = 892
$C2 = 991
$C3 = 1246
$40 = 846
$41 = 1041
$42 = 905
$43 = 943
$44 = 858
$45 = 875
$46 = 1214
$47 = 1070
$48 = 1135
$49 = 1217
$4A = 1033
$4B = 1073
$4C = 964
$4D = 962
$4E = 1162
$4F = 1042
$50 = 871
$51 = 1004
$52 = 1046
$53 = 994
$54 = 928
$55 = 1166
$56 = 1245
$57 = 1200
$58 = 1188
$74 = 953
$75 = 1215
$76 = 1252
$77 = 1103
$78 = 1013
$79 = 1035
$7A = 1006
$7B = 1142
$7C = 1030
$7D = 1112
$7E = 1158
$7F = 994
$80 = 946
$81 = 931
$82 = 950
$83 = 921
$84 = 790
$85 = 970
$86 = 1178
$87 = 969
$88 = 1071
$89 = 1048
$8A = 995
$8B = 984
$8C = 1259
$8D = 1264
$8E = 1372
$8F = 1252
$AB = 1326
$AC = 1216
$AD = 1238
$AE = 1287
$AF = 1182
$B0 = 1035
$B1 = 1385
$B2 = 1215
$B3 = 1126
$B4 = 1108
$B5 = 1206
$B6 = 1475
$B7 = 1384
$B8 = 1366
$B9 = 1341
$BA = 932
$BB = 1258
$BC = 1080
$BD = 990
$BE = 1023
14.18 Kesimpulan
penyimpanan digital (disket, harddisk, flash disk). Media penyimpanan digital hadir dengan berbagai kelebihan maupun kekurangannya. Adapun kelebihannya seperti: mudah dibawa (portable), ukuran fisik yang kecil, kemampuan menyimpan yang besar (dapat dibayangkan satu disket 31/2”=1,44MB mampun menyimpan sebanyak 1.440.000 karakter). Kekurangannya adalah media penyimpanan yang digital masih dirasakan cukup mahal, perawatan yang sulit dan kurang handal dalam menghadapi gangguan manusia maupun alam, seperti: benturan, kena debu, banjir, dan sebagainya.
Teknik pencarian dengan histogram membagi citra kedalam kelompok-kelompok warna. Banyaknya kelompok warna tergantung dari kehandalan pengelompokan yang diinginkan. Misalkan, bila kelompok warna yang sebanyak 256 dirasakan telah dapat menampung seluruh warna yang biasa dipakai atau bila diinginkan tingkat ketelitian yang lebih tinggi bisa saja dipakai kelompok warna sebanyak 512. Tetapi hal ini tentu saja harus dibayar dengan banyaknya waktu yang dibutuhkan untuk melakukan pemrosesan.
