Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal Pseudocode
Ernawati Ernawati
Informatika, Fakultas Teknik, Universitas Bengkulu
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Content Based Image Retrieval (CBIR) Pada Citra Batik Besurek Yang Tidak Utuh Menggunakan Metode Speeded Up Robust Features (SURF) dan Fast Library Approximated Nearest Neighbor (FLANN) Rezki Oksaputri; Ernawati Ernawati; Desi Andreswari
Jurnal Pseudocode Vol 5, No 2 (2018): Volume 5 Nomor 2 September 2018
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (917.234 KB) | DOI: 10.33369/pseudocode.5.2.18-28

Abstract

Pengenalan citra dengan menggunakan citra batik besurek memiliki kelemahan yaitu kadang kala citra batik besurek yang ingin diproses merupakan citra yang tidak utuh atau tidak sesempurna citra asli yang berada didalam database. Berdasarkan permasalah tersebut, maka dilakukan penelitian untuk memproses temu kembali citra batik besurek yang tidak utuh menggunakan metode speeded up robust features (SURF) untuk proses ekstraksi keypoint pada citra dan fast library approximated nearest neighbor (FLANN) untuk proses matching-nya. Adapaun tujuan dari penelitian yang akan dilakukan adalah untuk mengetahui persentase citra yang dapat dikenali dengan menggunakan metode SURF dan FLANN. Pada penelitian ini digunakan 67 citra batik besurek dengan motif kaligrafi, raflesia, kaligrafi dan raflesia, burung kuau dan raflesia, burung kuau, dan rembulan. Kondisi citra yang digunakan pada pengujian adalah citra yang ditutupi dari 10% hingga 90% dan citra yang diambil dengan sudut pengambilan yang tidak baik. Pada penelitian ini digunakan nilai recall, precision, dan akurasi untuk mengetahui keberhasilan metode SURF dan FLANN dalam mengenali citra batik besurek yang tidak utuh. Penelitian ini mendapatkan hasil bahwa metode SURF dan FLANN dapat mengenali citra batik besurek yang ditutupi hingga 90% serta didapatkan nilai recall tertinggi adalah 100% pada motif rembulan, precision tertinggi adalah 78,82% pada motif kaligrafi dan raflesia, dan akurasi tertinggi adalah 86,1% pada motif rembulan.
Co-Authors Desi Andreswari Rezki Oksaputri