Main Article Content
Abstract
Dalam mengenali citra maka dilakukan segmentasi citra direpresentasi dengan ciri warna melalui metode Adaptive Histogram, sedangkan untuk ciri bentuk melalui metode invariant moment. Proses segmentasi dilakukan dalam rangka mendukung proses temukembali citra dengan mengunakan konsep CBIR. Dalam mengukur kemiripan citra digunakan jarak euclid dimana hasilnya digunakan sebagai dasar untuk perhitungan nilai grade antara 0 – 1. Perhitungan nilai grade kemiripan dengan proses fuzzyfikasi pada Fungsi Sigmoid (kurva-S), yang kemudian dijadikan sebagai inputan untuk melakukan temukembali citra dengan algoritma Threshold. Algoritma Threshold merupakan pengembangan dari Algoritma fagin dimana mekanisme proses berdasarkan nilai ambang dari citra query. Pada dasarnya algoritma Threshold akan menampilkan citra berdasarkan nilai grade representasi / kemiripan yang tertinggi pada setiap citra query, yang sudah dibandingkan dengan citra database. Nilai grade yang tinggi (mendekati nilai 1) menunjukkan bahwa ciri citra contoh (query) mirip dengan citra database begitu juga sebaliknya. Setelah itu dilanjutkan dengan membandingkan Nilai grade representasi citra warna dan bentuk dengan mengunakan operator min pada logika fuzzy, sehingga akan ditampilkan beberapa citra saja yang mempunyai kemiripan sesuai dengan citra asli. Kelebihan algoritma Threshold dan fungsi fuzzy ini, dibandingkan dengan metode lainnya adalah terletak pada simplisitas metode dalam temukembali citra, sehingga kinerja CBIR menjadi lebih handal dan efektive.