<![CDATA[Teknik pencarian yang umum digunakan saat ini adalah teknik pencarian menggunakan teks. Sehingga dalam pencarian pada citra jika berbasis teks masih kurang maksimal. Karena pada saat melakukan pencari keyword (kata kunci) yang dimasukkan harus sesuai dengan nama file yang akan digunakan. Apabila nama file tidak sama dengan keyword yang dimasukkan maka data citra aset yang dicari tidak ditemukan. Penamaan file yang harus sama dalam bentuk huruf besar dan huruf kecilnya. Untuk mengatasi masalah pencarian tersebut maka digunakan teknik pencarian CBIR (Content Base Image Retrieval). CBIR adalah suatu metode pencarian citra dengan melakukan perbandingan antara fitur citra queri dengan fitur citra yang ada didalam database. Fitur citra yang akan digunakan pada penelitian ini adalah fitur tekstur dengan metode Gray Level CoOccurance Matrix (GLCM). Dan untuk melakukan perbandingan menggunakan metode Eucledean Distance(ED). Pengujian dengan data latih menunjukkan bahwa model dapat mengenali seluruh citra aset yang diujikan. Namun pada pengujian dengan data uji diluar data latih, sistem hanya mampu mengenali citra aset dengan akurasi 10%. Hal tersebut masih sangat rendah dan perlu ditingkatkan di penelitian mendatang. Pengujian dengan metode pembanding klasifikasi SVM menunjukkan bahwa nilai akurasi yang dihasilkan adalah 41,1%. Rendahnya nilai akurasi dapat disebabkan karena kualitas data yang rendah, kurangnya data latih dan penggunaan ciri GLCM yang tidak tepat.]]>
Copyrights © 2017
