Optimisasi Algoritma K-Means Menggunakan Artificial Bee Colony pada Content-Based Image Retrieval

Main Article Content

Yudhono Witanto
Agus Eko Minarno
Yufis Azhar

Abstract

Content-based Image Retrieval (CBIR) merupakan implementasi dari teknik computer vision pada kasus image retrieval yang merupakan kasus pencarian gambar digital pada database yang sangat besar. Pada penelitian ini diperkenalkan metode clustering baru untuk sistem CBIR, metode yang digunakan merupakan kombinasi antara algoritma Artificial Bee Colony (ABC) dengan K-Means. Tiga fitur digunakan untuk mengekstraksi fitur – fitur yang dimiliki gambar, yaitu: RGB Color Feature, Edge Feature, dan Grey Level Co-occurrence Matrix (GLCM). Ketiga fitur tersebut tergabung dalam algoritma Multi Texton Co-occurrence Descriptor (MTCD).


K-means merupakan algoritma pengelompokkan yang banyak digunakan pada kasus clustering suatu data, K-means banyak digunakan karena implementasinya yang sangat mudah. Meskipun demikian, algoritma ini memiliki kelemahan, salah satunya yakni dalam penentuan titik awal centroid.


Artificial Bee Colony (ABC) merupakan algoritma optimasi yang cara kerjanya mengadopsi dari cara koloni lebah dalam mencari makanan. Metode ABC diketahui dapat memecahkan permasalahan local optimum, yang pada umumnya terjadi pada penggunaan K-means karena kelemahannya dalam menentukan centroid.


Metode yang akan digunakan pada penelitian ini merupakan kombinasi dari algoritma ABC dengan K-means untuk mengelompokkan fitur – fitur yang telah diekstraksi yang diimplementasikan pada dataset Corel-10.000 dan Batik. Kombinasi dari kedua algoritma ini dapat menjadi solusi dalam permasalahan pengelompokkan data atau clustering di ranah data science. Penelitian ini bertujuan untuk mengetahui seberapa efektif dan efisien penggunaan kombinasi algoritma ABC dan K-means dalam clustering pada fitur dataset Corel-10.000 dan Batik.

Downloads

Download data is not yet available.

Article Details

How to Cite
[1]
Y. Witanto, A. E. Minarno, and Y. Azhar, “Optimisasi Algoritma K-Means Menggunakan Artificial Bee Colony pada Content-Based Image Retrieval”, JR, vol. 3, no. 1, Jan. 2024.
Section
Articles

References

Y. Liu, D. Zhang, G. Lu, and W. Ma, “A survey of content-based image retrieval with high-level semantics,” vol. 40, pp. 262–282, 2007.

T. Quack, M. Ullrich, L. Thiele, and B. S. Manjunath, “Cortina : A System for Large-scale , Content-based Web Image Retrieval,” 2004.

J. R. Smith and S. Chang, “VisualSEEk : a fully automated content-based image query system,” 1996.

J. Ze, “SIMPLIcity : Semantics-sensitive Integrated Matching for Picture LIbraries 1 Introduction,” pp. 1–25.

U. M. Malang, “IMAGE RETRIEVAL USING MULTI TEXTON CO-,” vol. 67, no. 1, pp. 103–110, 2014.

J. Rejito, A. S. Abdullah, and D. Setiana, “Image indexing using color histogram and k- means clustering for optimization CBIR in image database Image Indexing using Color Histogram and k -means Clustering for Optimization CBIR in Image Database,” 2017.

“No Title,” 2005.

D. Karaboga and C. Ozturk, “A novel clustering approach : Artificial Bee Colony ( ABC ) algorithm,” vol. 11, pp. 652–657, 2011.

A. A. Amory, R. Sammouda, H. Mathkour, and R. M. Jomaa, “A Content Based Image Retrieval Using K-means Algorithm,” pp. 221–225, 2012.

G. Liu, L. Zhang, Y. Hou, Z. Li, and J. Yang, “Image retrieval based on multi-texton histogram,” Pattern Recognit., vol. 43, no. 7, pp. 2380–2389, 2010.

A. Alharan, A. Al-haboobi, and H. T. Kurmasha, “Content-Based Image Retrieval Hybrid Approach using Artificial Bee Colony International Journal of Sciences : Content-Based Image Retrieval Hybrid Approach using Artificial Bee Colony and K-means Algorithms,” no. June, 2016.

G. Armano and M. R. Farmani, “Clustering Analysis with Combination of Artificial Bee Colony Algorithm and k -Means Technique,” vol. 6, no. 2, pp. 141–145, 2014.

A. Bee, C. Abc, and T. Artificial, “Neural Networks.”

C. Chidambaram and H. S. Lopes, “A New Approach for Template Matching in Digital Images Using an Artificial Bee Colony Algorithm.”

P. Mansouri and B. Asady, “Solve Shortest Paths Problem by Using Artificial Bee Colony Algorithm Solve Shortest Paths Problem by Using Artificial Bee Colony Algorithm,” no. January 2014, 2016.

D. Karaboga and B. Basturk, “Artificial Bee Colony ( ABC ) Optimization Algorithm for Solving Constrained Optimization Problems Artificial Bee Colony ( ABC ) Optimization Algorithm for Solving Constrained Optimization,” no. December, 2015.