JOURNAL ARTICLE

OPTIMASI DETEKSI TEXTON PADA METODE MULTI TEXTON CO-OCCURRENCE DESCRIPTOR UNTUK IMAGE RETRIEVAL

Yufis AzharAgus Eko MinarnoYuda Munarko

Year: 2019 Journal:   Prosiding SENTRA (Seminar Teknologi dan Rekayasa) Pages: 34-38

Abstract

Dalam image retrieval, fitur yang sering digunakan adalah warna, tepi, atau tekstur. Fitur-fitur tersebut dapat digunakan secara terpisah, maupun dikombinasikan. Multi Texton Co-occurrence Descriptor (MTCD) adalah salah satu metode yang menggunakan kombinasi dari ketiga fitur tersebut. Saat mengekstrak fitur warna dan tepi, MTCD menggunakan bantuan texton, yaitu suatu pola berbentuk matriks 2x2, untuk menelusuri suatu citra (image) dan menemukan pasangan pixel yang memiliki nilai sama. Akan tetapi, metode penelusuran untuk deteksi texton yang digunakan oleh MTCD dirasa kurang efektif. Hal ini dikarenakan sistem harus melakukan penelusuran sebanyak 6 kali, sesuai dengan jumlah texton yang digunakan oleh metode MTCD. Dalam penelitian ini, diusulkan suatu metode untuk mengoptimasi model penelusuran untuk deteksi texton dalam MTCD. Caranya adalah dengan menganalisa pola penelusuran yang dilakukan oleh MTCD, dan membuat pola baru yang akan menghasilkan output yang sama. Penelitian ini berhasil mendapatkan satu pola penelusuran baru, sehingga proses penelusuran cukup dilakukan 1 kali. Hasil pengujian yang dilakukan menunjukkan bahwa optimasi ini mampu memperkecil waktu eksekusi metode MTCD hingga 16%

Keywords:
Artificial intelligence Computer science

Metrics

1
Cited By
0.15
FWCI (Field Weighted Citation Impact)
0
Refs
0.55
Citation Normalized Percentile
Is in top 1%
Is in top 10%

Citation History

Topics

Computer Science and Engineering
Physical Sciences →  Computer Science →  Artificial Intelligence
Data Mining and Machine Learning Applications
Physical Sciences →  Computer Science →  Information Systems
Edcuational Technology Systems
Physical Sciences →  Computer Science →  Artificial Intelligence
© 2026 ScienceGate Book Chapters — All rights reserved.