REVIEW JURNAL

PENERAPAN CNN DENGAN FILTER GABOR SEBAGAI FEATURE EXTRACTOR

UNTUK CONTENT-BASED IMAGE RETRIEVAL
NAMA : BIMA SETYAWAN
NIM : 220141029
Judul Penerapan CNN dengan Filter Gabor sebagai feature extractor untuk
Content-Based Image Retrieval
Nama Journal JINACS (Journal of Informatics and Computer Science)
Volume dan Halaman Vol. 01. No. 01. Hal 16-25
Tahun 2019
Penulis Bagas Muharom Hanugrah Hidayat dan Ricky Eka Putra
Reviewer Bima Setyawan
Permasalahan Permasalahan yang dihadapi dalam pengembangan Content-Based
Image Retrieval (CBIR) menggunakan metode Convolutional Neural
Network (CNN) dengan Filter Gabor sebagai feature extractor antara
lain adalah:
1. Pemilihan metode ekstraksi fitur yang optimal untuk CBIR.
2. Overfitting pada proses pelatihan CNN.
3. Penentuan jumlah fitur yang optimal.
4. Akurasi klasifikasi pada CNN untuk meningkatkan hasil CBIR.
Tujuan Penelitian Penelitian ini bertujuan untuk meningkatkan performa CBIR dengan
memanfaatkan fitur yang didapat dari pelatihan CNN dan penggunaan
filter Gabor pada lapisan konvolusi CNN.
Metode Penelitian Metode penelitian yang dijelaskan dalam jurnal tersebut mencakup
tahapan data preprocessing, pelatihan Convolutional Neural Network
(CNN), pengujian performa Content-Based Image Retrieval (CBIR),
dan pengembalian citra. Selain itu, penelitian ini juga membandingkan
hasil CBIR dengan penelitian sebelumnya yang menggunakan metode
CNN dan filter Gabor sebagai feature extractor. Performa CBIR diukur
dengan menggunakan metode Mean Average Precision (mAP).
Hasil Penelitian Hasil penelitian menunjukkan bahwa penggunaan metode CNN
dengan filter Gabor sebagai feature extractor pada CBIR mampu
memberikan performa yang baik. Dalam pengujian performa CBIR,
metode pengukuran jarak Cosine similarity memberikan hasil yang
paling baik dengan nilai mAP sebesar 0,895 terhadap data uji dengan
dataset GHIM10k. Selain itu, penelitian ini juga membandingkan hasil
CBIR dengan beberapa penelitian sebelumnya yang menggunakan
metode CNN dan filter Gabor sebagai feature extractor. Hasilnya
menunjukkan bahwa penggunaan filter Gabor pada lapisan konvolusi
CNN dapat meningkatkan performa CBIR.
Objek Penelitian Penerapan metode Convolutional Neural Network (CNN) dengan Filter
Gabor sebagai feature extractor untuk Content-Based Image Retrieval
(CBIR).
Kelebihan penelitian Penelitian ini memiliki kelebihan dalam penerapan metode baru yaitu
Convolutional Neural Network (CNN) dengan filter Gabor sebagai
feature extractor untuk Content-Based Image Retrieval (CBIR),
memberikan performa yang baik dengan nilai Mean Average Precision
(mAP) sebesar 0,895 terhadap data uji dengan dataset GHIM10k, dan
membandingkan hasil CBIR dengan penelitian sebelumnya yang
menggunakan metode CNN dan filter Gabor sebagai feature extractor.
Kesimpulan kesimpulan bahwa penggunaan CNN dengan filter gabor sebagai
feature extractor mampu mendapatkan hasil yang cukup baik dalam
bidang CBIR dengan dataset GHIM10k.