Analisis dan Implementasi Pencarian Gambar Berbasis Web dengan Kombinasi Text-based dan Content-based Image Retrieval

ABSTRAKSI: Text-based image retrieval adalah teknik image retrieval dengan memanfaatkan kandungan semantik suatu citra. Kandungan semantik diimplementasikan dengan menambahkan metadata pada citra. Kekurangan teknik ini adalah perbedaan persepsi setiap orang dalam merepresentasikan citra secara semantik. Untuk mengatasi kekurangan tersebut, muncul content-based image retrieval (CBIR), yaitu teknik image retrieval memanfaatkan fitur citra seperti warna, tekstur, bentuk, atau kombinasinya. Namun, fitur-fitur citra tersebut belum bisa menangkap kandungan semantik suatu citra dengan baik.Pada tugas akhir ini diimplementasikan sistem yang mengkombinasikan text dan content-based image retrieval untuk mengatasi kekurangan CBIR. Untuk bagian text-based image retrieval, metadata citra diperoleh dari pemrosesan teks yang terdapat pada suatu halaman web di mana citra diperoleh. Sedangkan untuk bagian CBIR memanfaatkan fitur warna dari citra yang diekstraksi dalam bentuk histogram warna.Hasil penelitian menunjukkan bahwa sistem yang mengkombinasikan text-based image retrieval dan CBIR memiliki performansi yang lebih baik dari sistem yang mengimplementasikan CBIR dengan fitur warna saja. Pengkombinasian kedua teknik ini dapat lebih memfokuskan pencarian text-based image retrieval hanya pada citra-citra yang warnanya memiliki similarity terdekat dengan citra query sehingga hasil yang diperoleh dapat lebih relevan secara semantik dan visual.Kata Kunci : text-based image retrieval, CBIR, histogram warnaABSTRACT: Text-based image retrieval is an image retrieval technique using semantic content of image. Semantic content implemented by adding metadata to image. Disadvantage of this technique is the different perceptions of each person to represent image semantically. To overcome disadvantage mentioned, appears content-based image retrieval (CBIR), an image retrieval techniques using image features such as color, texture, shape, or the combination. However, these low-level features cannot yet obtain semantic content of an image well.This final task implements a system that combines text and content-based image retrieval to overcome the shortage of CBIR. On text-based image retrieval, image metadata obtained by processing the text embedded on a web page where the image obtained. While the CBIR utilizing color features extracted from the image to the color histogram.Results showed that the system combines text-based image retrieval and CBIR has a better performance of CBIR systems that implement only the color feature. Combining these two techniques help to focused text-based image retrieval to search only on the images which color have closest similarity to the image query so that the results can be more relevant, semantically and visually.Keyword: text-based image retrieval, CBIR, color histogra