Optimalisasi Pencarian Gambar Berbasis Konten untuk Aplikasi Dunia Nyata

Optimalisasi Pencarian Gambar Berbasis Konten untuk Aplikasi Dunia Nyata

Dalam era digital yang serba cepat, pencarian informasi berbasis gambar menjadi salah satu tantangan utama di dunia teknologi informasi. Dengan jutaan gambar yang diunggah setiap hari di berbagai platform, kebutuhan untuk mendapatkan gambar yang relevan dan akurat menjadi semakin mendesak. Sistem pencarian gambar berbasis teks tradisional sering kali tidak cukup efektif karena sulit untuk menggambarkan konten visual secara akurat hanya dengan kata-kata. Di sinilah sistem pencarian gambar berbasis konten (CBIR) berperan penting. Artikel ilmiah berjudul "Content-Dependent Image Search System with Automatic Weighting Mechanism for Aggregating Color, Shape, and Texture Features" yang ditulis oleh Arvita Agus Kurniasari, Ali Ridho Barakbah, dan Achmad Basuki memberikan kontribusi signifikan dalam bidang ini.

Dalam artikel yang diterbitkan di Register: Jurnal Ilmiah Teknologi Sistem Informasi  pada Januari 2024 ini, peneliti mengusulkan mekanisme penimbangan otomatis yang memungkinkan pencarian gambar berdasarkan fitur warna, bentuk, dan tekstur secara serempak. Hal ini berbeda dengan sistem konvensional yang hanya fokus pada satu atau dua aspek saja. Penelitian mereka menekankan pentingnya otomatisasi dalam penimbangan fitur untuk mencapai akurasi yang lebih tinggi dalam pencarian gambar.

Dengan menggunakan dataset benchmark Simplicity yang mencakup 1000 gambar dalam 10 kategori seperti hewan, objek, dan pemandangan alam, hasil dari pendekatan ini menunjukkan akurasi tertinggi hingga 80,5% saat menggabungkan ketiga fitur tersebut, dibandingkan dengan akurasi sekitar 60,99% untuk fitur bentuk tunggal. Penelitian ini membuka peluang besar dalam penerapan teknologi CBIR pada aplikasi dunia nyata, mulai dari pencarian gambar medis hingga sistem pengenalan objek dalam keamanan. Namun, meskipun hasil yang dicapai cukup memuaskan, tantangan tetap ada dalam hal meningkatkan efisiensi waktu pemrosesan dan penanganan dataset yang lebih besar di masa depan.

***

Teknologi pencarian gambar berbasis konten (CBIR) yang diusulkan dalam artikel ini membawa angin segar bagi dunia informasi digital. Di tengah meningkatnya volume gambar yang harus dikelola, sistem ini menawarkan solusi dengan pendekatan penimbangan otomatis pada tiga elemen utama gambar: warna, bentuk, dan tekstur. Berdasarkan data dari penelitian ini, ketika ketiga fitur tersebut dikombinasikan, sistem mampu mencapai akurasi hingga 80,5%, sebuah peningkatan signifikan dibandingkan sistem yang hanya mengandalkan satu elemen, seperti bentuk, yang hanya mencapai akurasi 60,99%.

Sistem yang dikembangkan oleh Kurniasari et al. menggunakan dataset Simplicity, yang terdiri dari 1000 gambar dalam kategori seperti gunung, bunga, hewan, dan gedung. Dataset ini dipilih karena variasi kontennya yang cukup luas, sehingga memungkinkan pengujian yang komprehensif terhadap sistem. Dari hasil uji coba, fitur gabungan warna dan tekstur memberikan hasil yang hampir mendekati sistem gabungan tiga fitur, dengan akurasi sebesar 78,43%. Hal ini mengindikasikan bahwa dalam banyak kasus, dua fitur visual sudah cukup untuk mendapatkan hasil pencarian yang akurat.

Pendekatan ini juga mencerminkan pentingnya otomatisasi dalam proses penimbangan. Penimbangan manual sering kali memerlukan penyesuaian yang memakan waktu, dan otomatisasi memungkinkan sistem untuk menimbang setiap fitur secara dinamis sesuai dengan konten gambar. Mekanisme ini bekerja dengan menghitung momen pertama, kedua, dan ketiga dari setiap elemen visual---warna dihitung berdasarkan rata-rata, tekstur berdasarkan varian, dan bentuk berdasarkan skewness. Dengan cara ini, sistem dapat memberikan bobot yang seimbang bagi setiap fitur, memastikan bahwa semua elemen konten gambar diperhitungkan secara proporsional.

Namun, salah satu kelemahan dari penelitian ini adalah ketergantungan pada dataset yang relatif kecil. Meskipun hasil yang diperoleh menunjukkan potensi besar, uji coba pada dataset yang lebih besar dan lebih kompleks mungkin akan memberikan tantangan baru. Sistem ini mungkin perlu dioptimalkan lebih lanjut untuk menangani volume data yang lebih besar dan mempertahankan efisiensi waktu pemrosesan. Selain itu, penggunaan metode Hierarchical K-means untuk klasterisasi gambar, meskipun efektif, dapat menjadi kurang efisien ketika diaplikasikan pada jutaan gambar di skala komersial.

***

Penelitian yang dilakukan oleh Kurniasari et al. menawarkan pendekatan yang inovatif dan menjanjikan dalam pengembangan sistem pencarian gambar berbasis konten. Dengan menggabungkan tiga elemen utama visual---warna, bentuk, dan tekstur---serta memperkenalkan mekanisme penimbangan otomatis, sistem ini mampu mencapai akurasi hingga 80,5%, suatu pencapaian yang mengesankan dalam dunia CBIR. Hasil penelitian ini memberikan kontribusi nyata bagi aplikasi-aplikasi dunia nyata, seperti pengenalan gambar medis, sistem keamanan berbasis gambar, dan berbagai platform digital yang memerlukan pencarian gambar akurat.

Namun, untuk benar-benar membawa sistem ini ke tingkat yang lebih tinggi, diperlukan pengujian lebih lanjut menggunakan dataset yang lebih besar dan kompleks, serta peningkatan pada efisiensi pemrosesan. Teknologi ini memiliki potensi besar untuk diadopsi secara luas, tetapi optimalisasi dalam skala besar tetap menjadi tantangan utama di masa depan.

Dengan demikian, sistem ini membuka pintu bagi pengembangan teknologi pencarian visual yang lebih efisien dan akurat, dan mungkin akan menjadi dasar bagi inovasi selanjutnya dalam industri pencarian gambar global.

***

 Referensi 

Kurniasari, A. A., Barakbah, A. R., & Basuki, A. (2024). Content-dependent image search system with automatic weighting mechanism for aggregating color, shape, and texture features. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 10(1), 60-73. https://doi.org/10.26594/register.v10i1.3501