Mesin pencari berbasis gambar untuk mendeteksi produk smartphone menggunakan fitur morfologi gambar

Citra Devi Murdaningtyas

Abstract


ABSTRAK

Smartphone terdiri dari berbagai bentuk, warna, tipe, dan merek. Setiap smartphone memiliki ciri khas yang beranekaragam, berdampak pada kebingungan masyarakat dalam memilih smartphone yang sesuai dengan kebutuhan mereka. Berdasarkan permasalahan tersebut, diperlukaan sebuah aplikasi mesin pencari untuk mengetahui spesifikasi dari sebuah smartphone. Aplikasi ini merupakan dapat mendeteksi tipe smartphone berdasarkan gambar yang diambil dari kamera smartphone pengguna. Selanjutnya, aplikasi tersebut menampilkan spesifikasi smartphone yang terdeteksi. Penelitian ini diharapkan dapat mempermudah masyarakat untuk mengambil keputusan dalam memilih smartphone yang akan dibeli. Aplikasi ini dibangun dalam bentuk aplikasi berbasis Android menggunakan fitur morfologi gambar. Hasil akhir aplikasi ini menunjukkan presisi sebesar 82% dan recall sebesar 76%. Dibandingkan dengan metode SIFT, metode yang diusulkan dapat dikatakan kompetitif.

Kata kunci:   Android, fitur morfologi, mesin pencari, smartphone.

 

ABSTRACT

   Every smartphone has its own characteristic and specification. It could make people take longer time on choosing and searching smartphone that fits on their needs. Based on these problems, we build a search engine based on android application that can search smartphone and its specification faster. This application could detect the type of smartphone based on its images. Furthermore, the application will deliver spesification of smartphone that is detected. We use morphological feature to process smartphone images. The result of this reserch shows precision 82% and recall 76%. It is imply that we find a suitable feature for smartphone image.

Keywords: Android, morphological feature, search engine, smartphone.


References


H. Bay, A. Ess, T. Tuytelaars and L. V. Gool, "Speeded-Up Robust Features (SURF)," Computer Vision and Image Understanding, vol. 110, no. 3, pp. 346-359, 2008.

D. G. Lowe, "Distinctive image features from scale-invariant keypoints," International Journal of Computer Vision, vol. 60, no. 2, p. 91–110, 2004.

J. Canny, "A computational approach to edge detection," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vols. PAMI-8, no. 6, pp. 679-698, 1986.

L. Hakim, S. Mutrofin and E. K. Ratnasari, "Segmentasi Citra Menggunakan Support Vector Machine (SVM) Dan Ellipsoid Region Search Strategy (ERSS) Arimoto Entropy Berdasarkan Ciri Warna Dan Tekstur," Register: Jurnal Ilmiah Teknologi Sistem Informasi, vol. 2, no. 1, pp. 11-16, 2016.

R. Phan and D. Androutsos, "Content-based retrieval of logo and trademarks in unconstrained color image databases using Color Edge Gradient Co-occurrence Histograms," Computer Vision and Image Understanding, pp. 66-84, 2010.

T. B. Terriberry, L. M. French and J. Helmsen, "GPU Accelerating Speeded-Up Robust Features," in Proceedings of 3DPVT'08 - the Fourth International Symposium on 3D Data Processing, Visualization and Transmission, Atlanta, 2008.

B. Rister, G. Wang, M. Wu and J. R. Cavallaro, "A fast and efficient SIFT detector using the mobile GPU," in IEEE International Conference on Accoustic, Speech and Signal Processing, Vancouver, 2013.




DOI: https://doi.org/10.26594/teknologi.v6i2.710

Article metrics

Abstract views : 354 | views : 139


 

Index by:
                     

Powered by:


Plagiarism checker:

ISSN:

ISSN (Print): 2087-8893 and ISSN (Online): 2527-3671


Visit:

Free counters!

 

 TEKNOLOGI on Facebook: