PENGENALAN WAJAH PELAKU KRIMINAL BERBASIS SKETSA DENGAN METODE SEGMENTASI DAN CONTENT BASED IMAGE RETRIEVAL

Adimas Aglasia; Muhammad Galih  Ramaputra; Danang Ade  Muktiawan; Yuda  Septiawan

doi:10.23960/jitet.v13i3S1.8091

Authors

Adimas Aglasia IIB Darmajaya
Muhammad Galih Ramaputra Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung
Danang Ade Muktiawan Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya
Yuda Septiawan Fakultas Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya

DOI:

https://doi.org/10.23960/jitet.v13i3S1.8091

Abstract Views: 54 File Views: 30

Keywords:

pengenalan sketsa wajah; segmentasi citra (Multi-Otsu); content-based image retrieval (CBIR); Euclidean Distance

Abstract

Penelitian ini mengusulkan sistem pengenalan wajah pelaku kriminal berbasis sketsa yang menggabungkan segmentasi citra dan Content-Based Image Retrieval (CBIR). Alur kerja dimulai dari pra-proses (penyetaraan resolusi 1800×2400, grayscaling) dan ekstraksi koefisien DC pada blok 8×8 untuk menonjolkan energi citra, dilanjutkan segmentasi Multi-Otsu Thresholding guna menghasilkan representasi vektor tiga wilayah sebagai data training basis data wajah. Tahap penelusuran menggunakan CBIR dengan ukuran kemiripan Euclidean Distance antara sketsa kueri dan fitur citra tersegmentasi pada basis data. Evaluasi dilakukan pada kumpulan data berukuran 1.080 citra yang merepresentasikan ±50 identitas (≈20 citra/identitas) dengan skenario kueri berulang; metrik yang dilaporkan meliputi presisi dan waktu proses. Hasil menunjukkan presisi rata-rata 82% dengan waktu proses rata-rata 11,51 detik per kueri, serta variasi presisi 60%–100% pada berbagai identitas. Integrasi segmentasi Multi-Otsu pada tahap indeksasi terbukti membantu memisahkan objek–latar dan menstabilkan pencocokan berbasis sketsa. Temuan ini menegaskan bahwa kombinasi ekstraksi DC + segmentasi berbasis ambang multi-kelas + CBIR efektif untuk skenario sketch-to-photo forensik, dengan potensi penguatan di pekerjaan lanjut melalui modifikasi segmentasi dan skema pembelajaran metrik

Downloads

Download data is not yet available.

References

A. Adimas and S. Y. Irianto, “Image Sketch Based Criminal Face Recognition Using Content Based Image Retrieval,” Sci. J. Informatics, vol. 8, no. 2, pp. 176–182, 2021, doi: 10.15294/sji.v8i2.27865.

M. S. Satrio, “Pengenalan Wajah Menggunakan Principal Component Analysis ( Pca ) Dan Eigen Face,” J. Inform. dan Ris., vol. 1, no. 2, pp. 14–18, 2023, doi: 10.36308/iris.v1i2.521.

M. Yantahin, “Content Based Image Retrieval (CBIR) Menggunakan Jarak dan Divergensi,” e-Jurnal JUSITI (Jurnal Sist. Inf. dan Teknol. Informasi), vol. 9, no. 2, pp. 188–194, 2020, doi: 10.36774/jusiti.v9i2.773.

Informatics, K. Ardiansyah, F. Mahardika, and D. Santika, “ANALYSIS OF EUCLIDEAN DISTANCE ALGORITHM EFFECTIVENESS FOR COLOR DETECTION IN CIE LAB FORMAT,” J. Collab. Sci. Informatics Technol., vol. 1, no. 2, pp. 52–60, 2024.

N. Janna, “Implementasi Template Matching Dan Segmentasi Citra Untuk Deteksi Keabsahan Dan Denominasi Uang Kertas Pada Raspberry Pi,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 2, 2025, doi: 10.23960/jitet.v13i2.6547.

C. Zhang and J. Liu, “Content Based Deep Learning Image Retrieval: A Survey,” ACM Int. Conf. Proceeding Ser., pp. 158–163, 2023, doi: 10.1145/3638884.3638908.

T. Pogarell et al., “Evaluation of a novel content-based image retrieval system for the differentiation of interstitial lung diseases in CT examinations,” Diagnostics, vol. 11, no. 11, pp. 1–11, 2021, doi: 10.3390/diagnostics11112114.

M. B. Billah, I. Jangcik, Sasmita, and Yuhelmi, “Penerapan Metode K- Nearest Neigbhor Klasifikasi Jenis Buah Semangka Dengan Image Processing,” Zo. J. Sist. Inf., vol. 5, no. 3, pp. 535–548, 2023, doi: 10.31849/zn.v5i3.16301.

G. A. Sirait, N. Yudistira, and A. Ridok, “Segmentasi Citra Makanan pada Tray Box menggunakan Metode Otsu Thresholding dengan Ruang Warna,” Segmentasi Citra Makanan pada Tray Box menggunakan Metod. Otsu Threshold. dengan Ruang Warn., vol. 6, no. 2, pp. 649–657, 2022, [Online]. Available: http://j-ptiik.ub.ac.id

Z. Peng, L. Wang, L. Tong, H. Zou, D. Liu, and C. Zhang, “Multi-threshold image segmentation of 2D OTSU inland ships based on improved genetic algorithm,” PLoS One, vol. 18, no. 8 August, pp. 1–17, 2023, doi: 10.1371/journal.pone.0290750.

Teuku Radillah, Kiki Ameliza, and Idir Fitriyanto, “Segmentasi Citra Menggunakan Metode Otsu dalam Pengenalan Pola Sederhana,” Indones. J. Comput. Sci., vol. 12, no. 6, pp. 4004–4012, 2023, doi: 10.33022/ijcs.v12i6.3492.

S. Sikandar, R. Mahum, and A. M. Alsalman, “A Novel Hybrid Approach for a Content-Based Image Retrieval Using Feature Fusion,” Appl. Sci., vol. 13, no. 7, 2023, doi: 10.3390/app13074581.

E. H. Houssein, G. M. Mohamed, I. A. Ibrahim, and Y. M. Wazery, An efficient multilevel image thresholding method based on improved heap-based optimizer, vol. 13, no. 1. Nature Publishing Group UK, 2023. doi: 10.1038/s41598-023-36066-8.

Yudha Riwanto, Inggrid Yanuar Risca Pratiwi, and Muhammad Ainul Fikri, “Segmentasi Citra Menggunakan Pendekatan Trial and Error dan Metode Otsu untuk Identifikasi Objek,” J. Inform. Polinema, vol. 11, no. 3, pp. 371–378, 2025, doi: 10.33795/jip.v11i3.7046.

Y. Guo, Y. Wang, K. Meng, and Z. Zhu, “Otsu Multi-Threshold Image Segmentation Based on Adaptive Double-Mutation Differential Evolution,” Biomimetics, vol. 8, no. 5, 2023, doi: 10.3390/biomimetics8050418.

I. Slime and M. Algorithm, “Improved Slime Mould Algorithm and Symmetric,” 2023.

M. S. Shim, C. Thiele, J. Vila, N. Saxena, and D. Hohl, “Content-based image retrieval for industrial material images with deep learning and encoded physical properties,” Data-Centric Eng.,