TUGAS
Temu Balik Informasi
Temu Kembali Informasi Dalam Multimedia
Nama kelompok :
- Desi Rahmawati 14.11.0273
- Maulana Akbar 14.11.0260
- Resni Novelalita 14.11.0258
- Riki Aji Pamungkas 14.11.0317
- Kurnia Aswin Nuzul 14.11.0270
- Pradita Novianty 14.11.0298
- Inggita A. M. 14.11.0269
- Semuel Haryanto 14.11.0250
- Dimas Adhi Nugroho 14.11.0253
STMIK AMIKOM PURWOKERTO
2017/2018
- Multimedia Retrieval
Multimedia Retrieval adalah bagian dari ilmu temu kembali informasi yang memfokuskan temu kembali informasi dari data multimedia, secara umum, teknik yang dilakukan sama pada temu kembali informasi untuk data bukan multimedia. Berbeda dengan data yang hanya berupa numerik atau teks, karena data multimedia bisa apa saja seperti teks, audio, gambar, dan video. Maka multimedia retrieval adalah model temu kembali informasi berbasis (content-base information retrieval). Disini yang bisa menjadi query tidak hanya teks atau angka saja, bisa audio atau gambar tergantung jenis data yang akan dicari
Gambar 1. Arsiteksur content-base information retrieval untuk data multimedia
Dalam content-base information retrieval system, konten media dalam database diekstrak dan dideskripsikan oleh vector fitur multi-dimensi atau disebut descriptor, Vektor fitur media merupakan fitur dataset. Untuk mengambil data yang diingikan, pengguna mengirimkan contoh query untuk sistem temu kembali informasi. Sistem kemudian merepresentasikan contoh-contoh ini dengan vector fitur. Jarak (yaitu, dalam arti ukuran kesamaan) antara vector fitur dari contoh query dan yang ada di media dalam fitur dataset kemudian dihitung dan dirangking. Temu kembali dilakukan dengan menerapkan suatu skema pengindeksan untuk memberikan cara yang efisien untuk mencari database media. Akhirnya sistem merangking hasil pencarian dan kemudian mengembalikan hasil pencarian teratas yang paling mirip dengan contoh query.
Sumber: https://altien.wordpress.com/2009/12/31/perbedaan-multimedia-mining-dan-multimedia-retrieval-2/
Pengertian Sistem Temu Kembali Informasi Multimedia : Sistem yang digunakan untuk manajemen yaitu melakukan penyimpanan, pengambilan dan manipulasi data dari beberapa media seperti kombinasi data tabulasi / administrasi, dokumen teks, gambar, spasial, sejarah, audio, dan data video (joan, 2008)
- Tujuan dari Temu kembali Informasi Multimedia yaitu untuk memberikan jawaban yang sesuai dengan kebutuhan pengguna.
- Komponen Sistem Temu Kembali Informasi
Peter (Peter, 1997, p51) menuliskan ada 4 kelompok komponen yang penting, antara lain : dokumen multimedia, model temu kembali, analisis dokumen, dan teknik pencarian interaktif.
- Dokumen Multimedia yaitu sistem ini mampu menyimpan dokumen multimedia yaitu dokumen berupa data multimedia (teks, gambar, audio, video, dll) dan disimpan semi struktur yaitu data terstruktur dan tidak struktur
- Model temu kembal informasi akan menyajikan sebuah daftar dokumen yang diurutkan dalam peringkat ketika user melakukan pencarian sebuah data.
- Analisis dokumen yaitu dokumen yang akan diproses untuk mengumpulkan informasi statistik
- Teknik pencarian interaktif yaitu sistem yang mendukung interaksi dengan pengguna untuk meningkatkan kemungkinan keberhasilan pencarian data yaitu pengguna dapat memberikan informasi umpan balik kepada sistem
- Jenis – jenis Sistem Temu Kembali bidang Multimedia
- Temu Kembali Audio Berbasis Konten ( Conten Based Audio Retrieval)
- Temu Kembali Video berbasis Konten ( Content Based Video Retrieval)
- Temu Kembali Citra Berbasis Konten ( Content Based Imaged Retrieval)
- Pada teknik pencarian kembali gambar yang mempunyai kemiripan karakteristik atau content dari sekumpulan gambar.
- Proses umum dari CBIR adalah gambar yang menjadi query dan penyimpanan dalam database dilakukan proses ekstrasi fitur.
- Fitur gambar yang dapat digunakan untuk retrieval pada system ini misalnya histogram, susunan warna, tekstur dan shape tipe spesifik dari objek, tipe event tertentu, lokasi dan emosi.
- Temu Kembali Teks Berbasis Konten ( Content Based Text Retrieval)
Pengukuran Jarak Antar Dua Histogram
- Fitur Warna Merupakan fitur yang banyak digunakan pada sistem CBIR.
- Banyak diantaranya menggunakan image color histogram
- Color Histogram antara dua gambar tadi kemudia dihitung jaraknya
- Gambar yang memiliki jarak paling kecil merupakan solusinya.
Sumber : content based image retrieval
- Pembelajaran dan Semantik
Pembelajaran dalam Multimedia Retrieval cukup menarik untuk menjembatani kesenjangan semantic. Terdapat tiga studi yang menarik. Pertama, studi mengenai deteksi objek pada latar yang kompleks. Salah satu mungkin menjadi masalah yang paling sulit dalam pemahaman semantic media bagiamana mendeteksi konsep visual yang memiliki latar yang kompleks. Tantangannya adalah mendeteksi semua isi semantic dalam sebuah gambar, seperti wajah, pohon, hewan, dan lainnya pada latar yang kompleks.
Gambar 2. Deteksi objek pada latar yang kompleks.
Kedua, studi pendeteksian wajah pada latar yang kompleks. Pada pertengahan tahun 1990-an deteksi wajah manusia pada gambar abu-abu yang memiliki latar yang kompleks telah dilakukan dengan menggunakan teori Shannon untuk meminimalisir kesalahan dalam mendeteksi wajah. Selain itu, metode pendeteksian wajah berdasarkan komponen dengan menggunakan statistic juga dilakukan. Pola gradient digunakan dari ekstraksi gambar atau video untuk mendeteksi wajah berdasarkan tingkatan kontras objek mata, hidung, dan mulut.
Gambar 3. Deteksi muka berdasarkan kontras objek mata, hidung, dan mulut.
Ketiga, studi mengenai deteksi objek selain wajah pada latar yang kompleks. Sebuah sistem untuk mendeteksi langit, warna, pohon, gunung, rumput dengan latar yang kompleks.
Gambar 4. Pendeteksian warna objek
Sumber: http://ejournal.ukrida.ac.id/ojs/index.php/TIK/article/download/1137/1360
http://sutikno.blog.undip.ac.id/files/2013/06/Materi-1-Relevance-Feedback1.pdf
http://sutikno.blog.undip.ac.id/files/2013/06/Materi-1-Relevance-Feedback1.pdf
Link Download Powerpoint disini