Temu Kembali Citra Menggunakan Ekstraksi Ciri Principal Component Analysis dan Bayesian Network

ABSTRAK Content Based Image Retrieval (CBIR) dikembangkan untuk menemukembalikan citra berdasarkan pada informasi citra yang terdiri atas warna, bentuk, dan tekstur. CBIR terdiri atas beberapa proses utama antara lain praproses, ekstraksi ciri, pengindeksan, dan penemuan kembali citra. Salah satu proses yang memegang peranan penting pada proses penemuan kembali citra adalah pengukuran tingkat kemiripan citra. Di dalam tugas akhir ini akan dibuat sebuah sistem yang mampu mengimplementasikan ekstraksi ciri dan pengukuran kemiripan citra. Langkah pertama adalah melakukan proses preprocessing dengan mengubah dimensi citra dan mengkonversi citra tersebut ke grayscale. Setelah tahap preprocessing selesai, dilakukan proses ekstraksi ciri Principal Component Analysis, fitur yang didapatkan kemudian ditransformasikan menjadi matriks bobot yang akan digunakan sebagai nilai acuan pada Bayesian Network Hasil pengujian adalah akurasi yang diperoleh mencapai rata-rata 84,3% dengan data training dan 53,66% untuk data testing. Principal component yang paling optimal dalam pengujian berjumlah 250 pc untuk data latih dan 350 pc untuk data uji. Pengujian pada percobaan k-folding berpengaruh terhadap penurunan tingkat akurasi. Metode Bayesian Networkmemiliki akurasi yang lebih baik untuk melakukan klasifikasi