Abstract:
Mengenali objek spesifik dalam gambar digital dengan akurat dan konsisten adalah salah satu hal
yang masih menjadi tantangan hingga hari ini. Bebeberapa tantangan yang masih ada hingga
hari ini diantaranya mendapatkan fitur yang tepat pada sebuah gambar digital dan mendeteksi
pola dari objek yang ada pada gambar digital. Fitur tersebut biasanya paling banyak ditemui
pada objek-objek yang ada pada gambar terutama pada pinggirannya. Untuk dapat mengenali
objek, perangkat lunak harus dapat mendeteksi pinggiran dari objek tersebut menggunakan fitur
yang ada. Pinggiran dari suatu objek akan membentuk pola dari suatu objek spesifik.
Salah satu bagian penting dari gambar yang digunakan untuk mengenali suatu objek adalah
fitur lokal. Fitur lokal tersebut dapat dideteksi memakai metode Scale Invariant Feature
Transform(SIFT) ataupun Speeded Up Robust Features(SURF) yang merupakan metode populer
dalam mendapatkan fitur lokal. Contoh dari fitur lokal sendiri bisa berupa pinggiran atau siku
dari sebuah objek, misalnya pinggiran dan siku pada suatu buku. Sehingga bisa didapatkan
batasan dari objek buku tersebut. Agar perangkat lunak dapat membedakan objek satu dengan
yang lainnya dapat dilihat dari sejumlah fitur lokal yang membatasi suatu objek tersebut.
Setelah itu perlu dicari pemasangan fitur lokal pada dataset, untuk dicari dataset dengan objek
yang sama. Kumpulan fitur lokal tersebut yang telah dipasangkan akan dihitung menurut
keterurutannya menggunakan metode Weighted Longest Increasing Subsequence atau WLIS.
Hasil dari percobaan yang dilakukan perangkat lunak dapat mengenali objek spesifik dengan
cukup baik. Perangkat lunak dapat mengenali objek spesifik pada gambar dengan benar sebanyak
lebih dari 90% pengujian yang dilakukan. Perangkat lunak menghasilkan hasil yang konsisten
ketika dilakukan pengujian berulang kali.
