ABSTRAK
Website penjualan produk yang menggunakan sistem pencarian berbasis teks untuk mencari produk-produk yang dijual merupakan suatu hal yang sudah biasa. Sistem pencarian berbasis teks ini, walaupun mudah untuk digunakan, masih memiliki kekurangan. Salah satunya adalah terbatasnya hasil pencarian yang dikembalikan terhadap teks yang digunakan sebagai kata kunci pencarian. Penelitian ini bertujuan untuk membuat metode pencarian dengan menggunakan fitur tepi yang dapat diambil dari citra.
Ada dua metode pencarian yang akan digunakan dalam penelitian ini. Setiap metode akan menggunakan dua fitur tepi yang dihasilkan dari dua algoritma deteksi tepi. Algoritma pertama adalah algoritma deteksi tepi Canny dan yang kedua adalah operator Sobel. Sedangkan untuk metode pencariannya, metode pertama yang digunakan adalah menghitung jumlah piksel tepi yang berpotongan antara satu produk dengan produk yang lain. Metode kedua adalah menghitung jarak antara satu fitur tepi produk dengan fitur tepi produk lain.
Hasil akhir dari kedua metode ini akan menunjukkan bahwa tepi yang dihasilkan dari operator Sobel menghasilkan hasil pencarian yang lebih baik ketika diproses dengan menggunakan metode menghitung jumlah piksel tepi yang berpotongan.
ABSTRACT
A text-based search system used to find a product is a common feature found in a website used to display various products sold by a shop. Text-based search system, while easy enough to implement, still has its shortcoming. For instance, the search results are limited to the text given as the keyword. This research are going to create a search method that use edge, a feature that can be extracted from an image, to be used as search key.
Two methods will be used as search method in this research. Each method will process two edge features generated from two different edge detection algorithms. The first edge is from Canny edge detection algorithm and the second edge is from Sobel operator. As for the search methods, the first method is calculate the amount of edge pixels that intersect between the one product and the other. The second method is calculate distance between one product edge and other product edge.
The result from these methods will show that edge detected by using Sobel operator generate a better search result when processed by using calculate the amount of pixels that intersect method.
DAFTAR ISI
DAFTAR ISI ... i
DAFTAR GAMBAR ... iii
DAFTAR TABEL ... iv
DAFTAR KODE SUMBER ...v
BAB I PENDAHULUAN ...1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 2
1.3 Tujuan ... 2
1.4 Batasan Masalah... 2
1.5 Sistematika Pembahasan ... 2
BAB II LANDASAN TEORI ...4
2.1 XPages ... 4
2.2 Sintaks XML XPages ... 6
2.3 XPages Properties ... 7
2.4 Notes Document ... 8
2.5 Manajemen Data Semi-Terstruktur ... 9
2.6 Pengenalan Fitur... 9
2.7 Algoritma Deteksi Tepi Canny ... 11
2.8 Operator Sobel ... 14
2.9 JSFeat ... 15
2.9.1 matrix_t ... 15
2.9.2 grayscale ... 16
2.9.3 gaussian_blur ... 16
2.9.4 sobel_derivatives ... 17
2.9.5 canny ... 17
BAB III ANALISIS DAN DISAIN ...19
3.1 Analisis ... 19
3.1.1 Sistem Pencarian yang Berjalan Saat Ini ... 19
3.2 Sumber Data ... 22
3.2.1 Kategori Produk ... 22
3.2.2 Jumlah Data ... 23
3.3 Disain Antarmuka ... 23
BAB IV PENGEMBANGAN PERANGKAT LUNAK ...26
4.1 Implementasi Modul ... 26
4.2 Implementasi Antarmuka ... 32
BAB V TESTING DAN EVALUASI SISTEM ...36
5.1 Rencana Pengujian ... 36
5.1.1 Penentuan Data Kontrol ... 36
5.1.2 Ekstraksi Fitur Tepi ... 36
5.1.3 Perhitungan Jumlah Piksel Tepi yang Berpotongan ... 36
5.1.4 Perhitungan Jarak Matriks... 37
5.1.5 Perhitungan Nilai Precision dan Recall Produk Pembanding ... 37
5.1.6 Perhitungan Average Precision dan Mean Average Precision ... 38
5.2 Pelaksanaan Pengujian ... 39
BAB VI KESIMPULAN DAN SARAN ...53
6.1 Kesimpulan ... 53
6.2 Saran ... 54
DAFTAR GAMBAR
Gambar 2.1 Control pallet pada Domino Designer ... 5
Gambar 2.2 Arsitektur XPages ... 6
Gambar 2.3 Halaman XPages baru ... 7
Gambar 2.4 XPages properties data ... 8
Gambar 2.5 Penggunaan blok CDATA pada sintaks XPages... 8
Gambar 2.6 Properti Notes Document ... 9
Gambar 2.7 Diagram algoritma deteksi tepi Canny ... 11
Gambar 2.8 Citra grayscale dan citra asli produk Box Rotan Print L... 12
Gambar 2.9 Citra produk Box Rotan Print L setelah diaplikasikan Gaussian filter ... 13
Gambar 2.10 Citra fitur tepi produk Box Rotan Print L hasil algoritma deteksi tepi Canny ... 14
Gambar 2.11 Kernel operator Sobel... 14
Gambar 2.12 Citra produk Box Rotan Print L setelah diaplikasikan operator Sobel ... 15
Gambar 3.1 Diagram aktivitas pencarian produk berbasis teks ... 17
Gambar 3.2 Diagram aktivitas pencarian produk berbasis citra ... 18
Gambar 3.3 Halaman utama website ... 20
Gambar 3.4 Halaman hasil pencarian ... 20
DAFTAR TABEL
Tabel 2.1 Pengenal fitur umum ... 10
Tabel 5.1 Contoh tabel recall-precision ... 38
Tabel 5.2 Nilai recall dan precision untuk Boneka Bebek Kecapaian L ... 39
Tabel 5.3 Nilai recall dan precision untuk Boneka Bebek Malas L... 40
Tabel 5.4 Nilai recall dan precision untuk Box Selat... 40
Tabel 5.5 Nilai recall dan precision untuk Dus Hias Hijau isi 4 Natal ... 41
Tabel 5.6 Nilai recall dan precision untuk Kartu Imlek ... 41
Tabel 5.7 Nilai recall dan precision untuk Postcard Imlek ... 42
Tabel 5.8 Nilai recall dan precision untuk Dompet Corduroy-Jeans 2 Rits... 42
Tabel 5.9 Nilai recall dan precision untuk Gantungan Bebek Jas Hujan ... 42
Tabel 5.10 Nilai recall dan precision untuk Keyholder Swing Leg B ... 43
Tabel 5.11 Nilai recall dan precision untuk Almond Chip L ... 43
Tabel 5.12 Nilai recall dan precision untuk Celemek Tali Lukis Natal ... 44
Tabel 5.13 Nilai recall dan precision untuk Tutup Galon Hitam ... 44
Tabel 5.14 Nilai recall dan precision untuk Kantong I-Pad Kaki Bebek 9" ... 44
Tabel 5.15 Nilai recall dan precision untuk Tempat HP Kerut Tekstur... 45
Tabel 5.16 Nilai recall dan precision untuk Tempat HP Serut Pink ... 45
DAFTAR KODE SUMBER
Kode Sumber 4.1 Fungsi javascript algoritma deteksi tepi Canny ... 22
Kode Sumber 4.2 Fungsi javascript operator Sobel ... 23
Kode Sumber 4.3 Fungsi javascript compareCanny ... 25
Kode Sumber 4.4 Fungsi javascript compareSobel ... 26
Kode Sumber 4.5 Fungsi javascript distanceCanny ... 27
Kode Sumber 4.6 Fungsi javascript distanceSobel ... 27
BAB I
PENDAHULUAN
1.1Latar Belakang
Website merupakan salah satu media elektronik yang dapat digunakan satu pihak untuk menyampaikan informasi kepada pihak lain. Penggunaan website pada sebuah usaha yang menawarkan berbagai macam produk diharapkan dapat memaksimalkan informasi yang disampaikan kepada konsumen. Salah satu usaha yang menggunakan media ini adalah Toko Menu Cookies & Sephine Craft.
Toko ini menggunakan website untuk menyampaikan info produk-produk yang ditawarkan. Toko ini menggunakan teknologi IBM Domino untuk pengembangan websitenya. IBM Domino memiliki sistem basis data dan pencarian berbasis teks terintegrasi. Fitur ini dimanfaatkan oleh toko untuk dijadikan sebagai fitur pencarian pencarian produk yang ada di dalam website. Tapi fitur pencarian berbasis teks ini menjadi sebuah keterbatasan ketika calon konsumen ingin mencari produk yang tidak tahu diketahui pasti namanya.
Sebagai contoh kasus, calon konsumen ingin mencari tempat kue dengan nama “Box Rotan Print L” dengan memasukkan “box kayu” sebagai teks untuk dicari. Sistem tidak akan mengembalikan produk “Box Rotan Print L” di dalam hasil pencarian karena produk ini tidak memiliki kata “box” dan “kayu”, dan produk “Box Create isi 6” merupakan salah satu hasil pencarian yang dikembalikan. Produk ini memiliki kemiripan secara visual dengan dengan “Box Rotan Print L”.
Ada beberapa faktor dapat membuat suatu benda disebut mirip dengan benda lainnya. Salah satunya adalah garis tepi. Garis tepi dapat mendefinisikan bentuk suatu benda dan dari bentuk benda inilah benda yang satu dapat disebut mirip dengan benda yang lain. Selain itu, garis yang ada pada citra relatif tidak terlalu terpengaruh dengan perubahan intensitas cahaya pada citra. Mengambil contoh kasus sebelumnya, “Box Rotan Print L” dan “Box Rotan Print” akan memiliki garis tepi dengan bentuk persegi panjang.
konsumen tetap bisa menemukan produk yang diinginkan dengan memilih produk yang memiliki citra yang secara visual mirip dengan produk yang diinginkan.
1.2Rumusan Masalah
Berdasarkan penjabaran latar belakang, maka rumusan masalah yang digunakan adalah:
1.2.1Bagaimana cara untuk mencari produk-produk yang memiliki fitur garis yang mirip?
1.2.2Bagaimana cara menampilkan produk-produk yang memiliki garis yang mirip?
1.3Tujuan
Untuk menjawab rumusan masalah yang ada, maka tujuan dari penelitian ini adalah:
1.3.1Membuat metode untuk mencari produk-produk yang memiliki fitur garis yang mirip.
1.3.2Membuat metode untuk menampilkan produk-produk yang memiliki fitur garis yang mirip
1.4Batasan Masalah
Batasan-batasan masalah yang penulis gunakan dalam proses penelitian ini adalah:
1. Website dikembangkan dengan menggunakan teknologi XPages 2. Basis data yang digunakan berorientasi dokumen
3. Fungsi pencarian teks yang digunakan sudah disediakan oleh IBM Domino
4. Pengategorian produk yang salah tidak diantisipasi
5. Produk-produk yang mirip sudah dihitung terlebih dulu dan disimpan di dokumen produk yang bersangkutan
Bab I Pendahuluan terdiri dari latar belakang, rumusan masalah, tujuan, batasan masalah, dan sistematika pembahasan.
Bab II Landasan Teori terdiri dari teori-teori yang mendukung pengerjaan tugas akhir, seperti XPages, Sintaks XML XPages, XPages Properties, Notes Document, Manajemen Data Semi-Terstruktur, Pengenalan Pola, Pengenalan Fitur, Ekstraksi Fitur, Algoritma Deteksi Tepi Canny, Operator Sobel, JSFeat, dan Precision and Recall.
Bab III Analisis Dan Disain membahas mengenai analisis sistem pencarian yang sedang berjalan dan yang akan dikembangkan.
Bab IV Pengembangan Perangkat Lunak membahas implementasi disain sistem dan fungsi yang terdapat dalam sistem.
Bab V Testing Dan Evaluasi Sistem membahas pengujian terhadap sistem pencarian menggunakan metode blackbox testing.
BAB VI
KESIMPULAN DAN SARAN
6.1Kesimpulan
Melihat nilai mean average precision pada bab V di tabel 5.14, untuk metode menghitung jumlah titik fitur tepi yang berpotongan dari hasil deteksi tepi Canny dan Sobel berturut-turut adalah 0,22 dan 0,32. Sedangkan untuk metode menghitung jarak fitur tepi dari hasil deteksi tepi Canny dan Sobel berturut-turut adalah 0,19 dan 0,15. Dan dari penjelasan kode sumber 4.9 pada bab IV, produk-produk yang memiliki fitur tepi yang mirip ini dapat ditampilkan dengan sebelumnya disimpan terlebih dulu ke dalam dokumen produk referensi.
Dengan nilai maksimal 1, dapat dilihat bahwa nilai mean average precision yang diperoleh cukup rendah. Nilai rendah ini disebabkan oleh banyaknya hasil pencarian yang sama sekali tidak mengembalikan produk relevan, yaitu sebanyak 10 produk. Beberapa faktor yang mungkin menyebabkan hal ini dijabarkan pada bab V. Tapi faktor yang penulis anggap sebagai penyebab utama hal ini adalah penggunaan fitur garis yang tidak terlalu cocok untuk dijadikan sebagai dasar pencarian. Citra yang dihasilkan dari suatu benda tidak akan memiliki fitur garis yang sama dengan citra yang dihasilkan dari benda yang sama, tapi sudut pengambilan atau posisi pengambilan yang berbeda dengan citra yang lain.
Dari penjabaran di atas, maka kesimpulan yang dapat diambil adalah sebagai berikut:
1. Citra produk-produk yang memiliki fitur garis yang mirip dapat dicari dengan menghitung jumlah titik fitur tepi yang berpotongan dan jarak fitur tepi. Tapi cara menghitung jumlah titik fitur tepi yang berpotongan memberikan hasil yang lebih akurat.
6.2Saran
Fitur tepi yang penulis gunakan dalam penelitian ini tidak terlalu sesuai untuk dijadikan sebagai dasar untuk mencari citra produk lain yang mirip. Hal ini dibuktikan dengan nilai mean average precision yang rendah yang ada pada tabel 5.14. Hal lain yang membuktikan dugaan ini adalah ada sebanyak 10 produk pembanding yang sama sekali tidak mengembalikan produk relevan.
DAFTAR PUSTAKA
Canny, John. 1986. A Computational Approach to Edge Detection.
Donnelly, Martin, dkk. 2014. Mastering XPages A Step-by-Step Guide to XPages Application Development and the XSP Language. Second Edition. New Jersey: IBM Press.
Gregori, Eric. 2012. Building machines that see: Finding edges in images.
http://www.embedded.com/design/prototyping-and- development/4372687/Building-machines-that-see--Finding-edges-in-images. BDTI.
Maini, Raman. Aggarwal, Dr. Himanshu. Study and Comparison of Various Image Edge Detection Techniques. International Journal of Image Processing. Mohan, C. A Database Perspective on Lotus Domino/Notes.
http://www09.sigmod.org/sigmod/sigmod99/eproceedings/papers/mohan.p df.
