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.