Penerapan Content Based Image Retrieval Untuk Pengenalan Jenis Ikan Koi
DOI:
https://doi.org/10.29407/inotek.v5i1.950Abstract
Ikan Koi merupakan salah satu ikan hias yang menarik. warna dan motif nya yang beragam membuat ikan ini banyak diburu penggemar untuk menghias keindahan rumah ataupun hanya sekedar kesenangan. Banyaknya jenis saat ini juga menjadi masalah baru bagi orang awam untuk mengenali jenis Ikan Koi. Membangun sistem pengenalan jenis berdasarkan citra bisa dijadikan solusi dari permasalahan. Content-Based Image Retrieval (CBIR) merupakan suatu metode yang dikembangkan dari image retrieval untuk mencari gambar dari suatu database gambar yang besar. Gambar Koi pada CBIR akan dilakukan perhitungan dengan Convolutional Neural Network untuk mendapatkan fitur dari gambar kemudian dilakukan perbandingan kemiripan dengan algoritma Euclidean Distance untuk mendapatkan Hasil dari aplikasi pengenalan jenis ikan Koi ini yaitu urutan citra dari database Koi dimulai dari yang memiliki tingkat kemiripan paling tinggi dengan gambar query. Penelitian ini menggunakan 80 citra dataset dari 4 jenis ikan Koi. Pengujian dari penelitian ini dilihat dari kemampuan membedakan citra koi atau bukan dan dihitung dari persentase data sesuai yang di retrieval dengan hasil yang didapat yaitu mencapai 65%.
Keywords:
image retrieval, CBIR, CNN, VGG16, euclidean distance.##plugins.themes.default.displayStats.downloads##
References
T. S. Warongan, S. R. U. A. Sompie, and A. Jacobus. 2018. Penerapan Metode Content-Based Image Retrieval untuk Pengenalan Jenis Bunga. Jurnal Teknik Informatika. vol 13. no 3. hal 1-5.
B. Muharom, H. Hidayat, and R. E. Putra. 2019. Penerapan CNN dengan Filter Gabor sebagai feature extractor untuk Content-Based Image Retrieval. Journal of Informatics and Computer Science. vol 1. no 1. hal 16-25.
M. A. Pangestu and H. Bunyamin. 2018. Analisis Performa dan Pengembangan Sistem Deteksi Ras Anjing pada Gambar dengan Menggunakan Pre-Trained CNN Model. Jurnal Teknik Informatika dan Sistem Informasi. vol. 4. hal 337-344.
Y. LeCun, et. al. 1998. Gradient Based Learning Applied to Document Recognition. Proc of the IEEE.
Downloads
Published
Issue
Section
License
Copyright (c) 2021 Nazil Rizqi Hanggara, Ratih Kumalasari Niswatin, Patmi Kasih
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
