Analisis Jumlah Video Latih yang Berbeda pada Setiap Kelas untuk Aplikasi Near Duplicate Video Retrieval (NDVR)

Abstract

Near Duplicate Video Retrieval (NDVR) adalah salah satu jenis teknik retrieval berbasis videoyang sering dilakukan karena banyaknya video yang hampir duplikat dari video asli. Biasanya aktivitasvideo retrieval dilakukan untuk memperoleh manfaat (umumnya komersial) tanpa seijin pemilik hakcipta yang sah. Salah satu isu dalam sistem NDVR adalah ketidakseimbangan jumlah video latih untuksetiap kelas, sehingga di dalam tulisan ini akan dikaji pengaruh jumlah video latih yang berbeda untuksetiap kelas. Metode t-USMVH merupakan rancangan yang akan digunakan dalam sistem NDVR padapenelitian ini. Sementara itu, sistem NDVR yang akan direalisasikan terdiri atas 4 tahapan, yaitu prosesekstraksi keyframe, ekstraksi ciri, pelatihan sistem, serta pencocokan kode hash antarvideo. Pada tahapekstraksi keyframe, pemilihan keyframe dilakukan berdasarkan jumlah sampel per detik tanpamengabaikan perubahan citra antardetik. Di tahap kedua, yaitu proses ekstraksi ciri, ada 2 pendekatanyang dipakai, yaitu ekstraksi ciri global (Hue Saturation Value/HSV) serta ekstraksi ciri lokal (LocalDirectional Pattern/LDP). Selanjutnya, teknik backpropagation merupakan metode untuk pelatihansistem, dan diakhiri dengan pencocokan kode hash antarvideo menggunakan metode Hamming Distance(HD). Variabel yang diuji adalah kombinasi variasi ciri, variasi jumlah iterasi, dan variasi jumlah videolatih untuk setiap kelas. Selain itu, ada 2 variasi jumlah video latih untuk setiap kelas yaitu, imbalancequery video dan balance query video. Hasil simulasi menunjukkan bahwa nilai Mean Average Precision(MAP) untuk kondisi balance query video lebih besar dari pada imbalance query video pada semua variasiiterasi dan semua variasi ciri. Selain itu, penggabungan ekstraksi ciri lokal dan ciri global pada sistembalance query video menghasilkan nilai MAP yang lebih baik daripada hanya menggunakan satu jenisekstraksi ciri.