Analisis Akurasi pada Sistem Temu Kembali Citra Menggunakan Kombinasi Algoritma Radial Basis Function dan Coefficient Correlation

Abstract

Sistem temu kembali citra (Image Retrieval System) merupakan sistem yang digunakan untuk proses pencarian kembali citra berdasarkan informasi yang terdapat pada citra tersebut. Radial Basis Function (RBF) adalah salah satu metode Neural Network yang digunakan dalam sistem temu kembali citra yang mampu menghasilkan pencarian informasi citra dengan baik. Dalam penentuan nilai centroid awal, metode RBF menggunakan K-Means Clustering. Algoritma ini memiliki kelemahan dalam menentukan nilai centroid awal yang tepat untuk mendapatkan hasil klasifikasi yang baik dalam temu kembali citra. Dalam penelitian ini, metode Coefficient Correlation (CC) digunakan dalam menentukan nilai centroid awal dari data input sesuai dengan kemiripan data. Data dengan tingkat kemiripan paling tinggi dibandingkan dengan data yang lain akan dijadikan sebagai nilai centroid awal. Data yang digunakan dalam penelitian ini menggunakan data citra daun sebanyak 500 citra dengan 10 kategori jenis daun dan setiap jenisnya terdapat sampel sebanyak 50 citra. Berdasarkan hasil pengujian, diperoleh peningkatan dalam akurasi hasil dengan rata-rata sebesar 90,92% dengan menggunakan metode RBF dan CC dibandingkan hasil temu kembali citra menggunakan metode RBF dan K-Means Clustering yang mendapatkan akurasi rata-rata sebesar 85,96%.

The image retrieval system is a system used for the process of retrieval of images based on information contained in the image files. Radial Basis Function (RBF) is one of the Neural Network methods used in the image retrieval system, is known for the capability to produce image information search properly. In determining the initial centroid value, the RBF method uses K-Means Clustering. This algorithm has a weakness in determining the right initial centroid value to get proper classification results in image retrieval. In this study, the Coefficient Correlation (CC) method is used in determining the initial centroid value of the input data following the similarity of the data. Data with the highest degree of similarity compared to other data used as the initial centroid value. Data used in this study are leaf image data of 500 images with 10 categories of leaf types, and each sample contained 50 images. Based on the testing results, an increase in image retrieval accuracy with an average of 90.92% using the RBF and CC methods compared the image retrieval results using the RBF, and K-Means Clustering methods gained an average accuracy of 85.96%.