| Abstrak/Abstract |
Seiring dengan berkembangnya teknologi internet dan perangkat digital, peningkatan jumlah citra digital menjadi sangat signifikan. Sebagai salah satu metode pencarian citra digital, CBIR (Content Based Image Retrieval) dituntut untuk dapat memberikan hasil retrival dengan akurasi yang tinggi serta dalam waktu yang singkat. Penelitian ini mengembangkan metode CBIR yang melakukan klasterisasi secara hierarkis pada fitur low-levels. Klaster-klaster yang terbentuk kemudian divalidasi untuk mendapatkan jumlah klaster yang optimal. Selanjutnya, pada proses retrieval, fitur citra query diekstraksi dan kemudian dibandingkan dengan pusat klaster pada masing-masing fitur. Hasil query pada masing-masing klaster yang terdapat pada masing-masing fitur digabungkan degan operasi binary OR. Hasil query pada masing-masing klaster fitur kemudian diberi bobot dan kemudian diurutkan. Pengujian pada model ini dilakukan pada 3 dataset yaitu DIKE20, Wang, dan corelDB. Hasil eksperiment menunjukan, metode CBIR yang diajukan pada penelitian ini mampu memberikan skor presisi dan recall yang bersaing dengan metode state-of-the-art serta dengan rata-rata waktu retrieval 99,72% lebih singkat. |
