PENERAPAN DAN ANALISIS KONSEP
A UNIFIED LOG BASED RELEVANCE FEEDBACK PADA IMAGE RETRIEVAL
TUGAS AKHIR
Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
pada
Program Studi S-1 Jurusan Teknik Informatika Fakultas Teknologi Informasi
Institut Teknologi Sepuluh Nopember
Oleh :
HASAN DWI CAHYONO Nrp. 5104109615 Disetujui oleh Pembimbing Tugas Akhir :
1. Esther Hanaya, M. Sc. ……….( Pembimbing I )
2. Darlis Heru M., S. Kom. ……….( Pembimbing II)
PENERAPAN DAN ANALISIS KONSEP
A UNIFIED LOG BASED RELEVANCE FEEDBACK PADA IMAGE RETRIEVAL
Nama Mahasiswa : Hasan Dwi Cahyono NRP : 5104 109 615
Jurusan : Teknik Informatika FTIf - ITS Dosen Pembimbing : Esther Hanaya, M. Sc.
Darlis Heru M., S. Kom.
ABSTRAK
Relevance feedback telah tampil sebagai konsep yang tangguh untuk mendorong kinerja retrieval pada content – based image retrieval (CBIR). Di masa lalu, kebanyakan penelitian pada bidang ini terfokus pada desain algoritma yang efektif pada traditional relevance feedback.
Bahwasanya CBIR dapat menghimpun dan menyimpan informasi relevance feedback dari user pada sebuah history log, sebuah image retrieval system seharusnya mampu untuk mengunakan log data feedback tersebut untuk meningkatkan retrieval performance – nya.
Dalam Tugas Akhir ini, akan dibuat sebuah unified framework untuk log – based relevance feedback yang mengintegrasikan log dari feedback data kedalam konsep traditional relevance scheme untuk mempelajari secara tepat korelasi antara low – level image features dan high – level concepts.
Sebagai hasil akhir dari sistem ini adalah kumpulan image yang memiliki kesesuaian dengan query user.
A UNIFIED LOG BASED RELEVANCE FEEDBACK FOR IMAGE RETRIEVAL
Student Name : Hasan Dwi Cahyono NRP : 5104 109 615
Department : Teknik Informatika FTIf - ITS Advisors : Esther Hanaya, M. Sc.
Darlis Heru M., S. Kom.
ABSTRACT
Relevance feedback has emerged as a powerful tool to boost the retrieval performance in content – based image retrieval (CBIR). In the past, most research efforts in this field have focused on designing effective algoritms for traditional retrieval feedback.
Given that a CBIR system can collect and store user’s relevance feedback information in a history log, an image retrieval system should be able to take advantage of the log data of user’s relevance feedback to enhance its retrieval performance.
In this final project, the author proposes a unified framework for log – based relevance feedback that integrates the log of feedback data into the traditional relevance feedback schemes to learn effectively the correlation between low – level features and high – level concepts.
For the results of the systems are set of images which has similarity based on user’s query.
KATA PENGANTAR
Segala puji terucap kehadirat yang telah melimpahkan
karunia-Nya berupa rizki kepada siapa saja yang dikehendaki-Nya dari seluruh makhluk-Nya di alam semesta ini. Shalawat serta salam senantiasa terucapkan untuk kepada seorang manusia terbaik sepanjang zaman.
Melalui kata pengantar ini, penyusun ingin mengucapkan banyak ucapan
Jazakumullahu khairan katsiro (semoga membalas anda semua dengan kebaikan yang banyak) kepada pelbagai pihak yang telah membantu penyusun menyelesaikan Tugas Akhir ini, yaitu:
Ayahanda dan ibunda yang telah mendidik, mengasuh, membesarkan, menasehati, memotivasi, meluruskan dan mendoakan penyusun dengan penuh rasa ikhlas, kesabaran, tanpa pamrih, serta penuh rasa kasih sayang. Ibu Esther Hanaya, M.Sc. dan Bapak Darlis Heru M., S.Kom., selaku dosen-dosen pembimbing yang telah dengan sabar mengarahkan penyusun sehingga bisa menyelesaikan Tugas Akhir ini tepat pada waktunya.
Bapak Irfan S., S.Kom., Msc.Eng., dan Bapak Hoirul B., S.Kom selaku dosen penguji.
Bapak Fajar Baskoro, yang telah penyusun repotkan sewaktu kuliah.
Mas Ari Shidiq yang telah banyak membantu baik sebagai pembimbing “bayangan“ dan juga sebagai seorang sahabat.
Bapak / Ibu dosen IT PENS, yang telah banyak berjasa dalam perkembangan penyusun.
Teman – teman Alumni IT’00 PENS (Andri, Ipόel, Satria, Anang, dll),
teman – teman LJ (ext) (Oky, Dono, Irwan2, A’ot, Upic, Imam, Indra, dll)
dan dari (ext) TC, mantan rekan – rekan kerja di Elista PENS, kost – er
maupun alumni kost – er GK 31.
Dan kepada pelbagai pihak yang tidak mungkin penyusun sebutkan satu persatu.
Surabaya, Januari 2007
DAFTAR ISI
BAB 1 PENDAHULUAN ... 1
1.1 LATAR BELAKANG... 1
BAB 2 TEORI PENUNJANG... 5
2.1 LOW – LEVEL IMAGE REPRESENTATION... 5
2.1.1 Komponen Warna ... 5
2.1.2 Komponen Tepi ... 5
2.1.3 Komponen Tekstur ... 6
2.2 EUCLIDEAN DISTANCE... 6
2.3 DASAR SUPPORT VECTOR MACHINES... 7
2.2.1 Perkenalan ... 7
2.2.2 Hyperplane... 7
2.2.3 Optimasi Lagrange ... 9
2.2.3.1 Teori Lagrange ...9
2.2.3.2 Lagrange Multiplier ...11
BAB 3 SUPPORT VECTOR MACHINES... 15
3.1 SUPPORT VECTOR MACHINES... 15
3.2 HYPERPLANE OPTIMAL... 16
3.3 IMPLEMENTASI MAXIMAL MARGIN SVM... 21
3.4 SOFT MARGIN HYPERPLANE... 22
3.4.1 Definisi Soft Margin Hyperplane ... 22
3.5 DOT PRODUCT PADA FEATURE SPACE... 24
4.1.1 Tahap Analisis ... 27
4.1.2 Tahap Desain ... 27
4.1.3 Tahap Implementasi... 28
4.1.4 Tahap Uji Coba... 28
4.1.5 Analisis Kebutuhan Aplikasi ... 28
4.1.6 Arsitektur Sistem / Flowchart ... 29
4.1.7 A Unified Log – Based Relevance Feedback Framework ... 30
4.1.7.1Log – Based Relevance Feedback: Rumusan dan Batasan ...30
4.2 IMPLEMENTASI PERANCANGAN APLIKASI... 32
4.2.1 Perancangan Proses dalam aplikasi... 32
4.2.2 Perancangan Object-Object yang Ada Dalam Aplikasi... 35
4.2.2.1Object Utama Diagram Generate low level components / features...36
4.2.2.2Class ImageStatistics ...36
4.3.1 Lingkungan Aplikasi ... 43
4.3.2 Implementasi Object-object Utama... 43
4.3.3 Object ClassDiagram... 43
4.3.3.1Field-field Utama dari ClassDiagram...43
4.3.3.2Implementasi Ifilter / Kumpulan ClassDiagram...44
4.3.3.3Algoritma Utama Support Vector Machines....51
BAB 5 UJI COBA DAN EVALUASI ... 55
5.1 LINGKUNGAN UJI COBA... 55
5.2 SKENARIO UJI COBA... 55
GAMBAR 5.13IMAGE SET KETIGA PADA ITERASI KEEMPAT...68
GAMBAR 5.14IMAGE SET KETIGA KLASIFIKASI SVM YANG BERNILAI 1 ...69
GAMBAR 5.15IMAGE SET KEEMPAT PADA ITERASI PERTAMA...70
GAMBAR 5.16IMAGE SET KEEMPAT PADA ITERASI KEDUA...71
GAMBAR 5.17IMAGE SET KEEMPAT PADA ITERASI KETIGA...71
