Pendahuluan
Teknologi digital mengalami kemajuan yang sangat pesat, hal ini ditunjukkan dengan terciptanya berbagai produk digital yang sangat terjangkau oleh berbagai kalangan, seperti komputer pribadi (personal computer), CD, VCD, dan lain sebagainya. Dengan semakin terjangkaunya komputer oleh masyarakat, mendorong penerapan komputer untuk berbagai hal, seperti penggunaan komputer untuk multimedia, pengeditan citra, pengaksesan internet, dan lain sebagainya. Pengguna komputer juga telah merambah keberbagai kalangan mulai dari kalangan anak-anak hingga kalangan dewasa.
Pada penelitian ini digunakan beberapa asumsidengan tujuan agar pembahasan menjadi lebih terarah serta untuk menyederhanakan dan membatasi permasalahan. Adapun asumsi-asumsi tersebut, antara lain:
1. citra yang digunakan adalah citra dalam format BMP dengan beberapa jenis citra yang mempunyai karakteristik-karakteristik yang berbeda (dari etnis, warna kulit, pose, warna latar belakang yang berbeda)
2. transformasi yang digunakan adalah transformasi wavelet jenis Daubechies, dan
3. menggunakan central moment dan variannya untuk penajaman informasi.
Rancangan Sistem Pengenalan
Parameter yang akan dihitung dalam system pengenalan adalah tingkat kesuksesan pengenalan dan waktu pengenalan. Secara sederhana system pengenalan citra porno dapat diilustrasikan pada berikut. Blok Diagram Sistem Pengenalan Citra Porno Mula-mula dilakukan pelatihan pada sistem dengan memasukkan berbagai jenis citra porno ke sistem. Setiap citra yang dimasukan dikenakan transformasi wavelet dan dihitung nilai central momennya. Nilainilai ini merupakan ciri atau kandungan informasi (image content) dari citra yang dilatih, selanjutnya informasi tersebut disimpan pada tabel image_signature yang direlasikan dengan tabel imageDb. Kandungan informasi inilah yang digunakan sebagai basis pengenalan. Jika ada pengaksesan suatu citra (citra query), maka citra tersebut dikenakan transformasi wavelet dan dihitung nilai central momennya, kemudian nilai informasi dari citra tersebut dibandingkan dengan informasi citra pelatihan yang tersimpan pada basis data menggunakan suatu metrika pencocokan. Bila cocok (match), maka citra dikategorikan porno, jika tidak cocok, maka citra dikategorikan non porno.
Hasil Penelitian dan Pembahasan
Langkah awal dari penelitian ini adalah menentukan kandungan warna, tingkat perbedaan nilai momen dari citra porno dan citra non-porno. Dari hasil tersebut kemudian ditentukan suatu metrika untuk mengenali apakah citra yang dimasukan ke system merupakan citra porno atau bukan.
Histogram Warna Citra Porno terhadap Citra Non-Porno
Untuk mengetahui kandungan warna dari cita porno maupun non-porno digunakan sampel 100 citra porno heterogen dan 100 citra non porno heterogen yang dipilih secara acak. Dari citra tersebut dilakukan transformasi warna YIQ, untuk mendapatkan kandungan informasi warnanya telah dibuktikan1][8] bahwa kandungan informasi warna dari suatu citra yang ditransformasikan menggunakan transformasi warna YIQ terletak pada elemen Y-nya saja, sedangkan I dan Q merupakan bumbunya saja. Hasil pengujian dari penghitungan histogram warna dapat disajikan.
Hasil Pengenalan
Sebagai inti dari penelitian ini adalah menentukan suatu sistem pengenalan citra porno berdasarkan kandungan informasi yang dikandung oleh citra porno. Berdasarkan hal tersebut pada bagian ini dicoba tiga buah metrika pengenalan yaitu metrika histogram (MH), metrika wavelet moment (MWM) dan metrika gabungan antara histogram dan wavelet moment (MH&WM). Metode-metode tersebut diberikan pelatihan menggunakan 100 sampel citra porno heterogen dan 100 sampel citra non porno heterogen yang dipilih secara acak dan diuji pada database citra yang berisi 500 rekord dengan rincian 125 rekord citra porno dan 375 rekord citra nonporno. Besarnya prosentase pengenalan yang dapat dilakukan oleh ketiga metode ini.
Kesimpulan
Berdasarkan analisa dan pembahasan yang dilakukan dapat ditarik beberapa kesimpulan sebagai berikut:
1. Tingkat kesuksesan pengenalan citra porno menggunakan transformasi wavelet dan momen sebesar 67.02% (dapat mendeteksi sebanyak 84 citra dari 125 citra porno yang diuji) dan mendeteksi cita porno sebanyak 36 citra dari 375 cita non porno (9.06 %).
2. Waktu pengenalan bersifat linear terhadap ukuran data (ukuran basis data) dan waktu pengenalan pendek yaitu rata-rata untuk setiap citra sebesar 0.29 detik.
3. Secara analisis transformasi wavelet dan moment cukup baik digunakan sebagai pemroses awal
citra dan momen sebagai elemen penajam informasi untuk pengenalan citra porno atas kandungan informasi (mage content), dan perlu diteliti lebih lanjut dengan menerapkan system kecerdasan buatan (AI) atau jaringan syaraf tiruan, sehingga tingkat kesuksesan menjadi lebih baik.
Tidak ada komentar:
Posting Komentar