Analisis jumlah video latih yang berbeda pada setiap kelas untuk aplikasi near duplicate video retrieval (NDVR)

Near Duplicate Video Retrieval (NDVR) adalah salah satu jenis teknik retrieval berbasis video yang sering dilakukan karena banyaknya video yang hampir duplikat dari video asli. Biasanya aktivitas video retrieval dilakukan untuk memperoleh manfaat (umumnya komersial) tanpa seijin pemilik hak cipta yang sah. Salah satu isu dalam sistem NDVR adalah ketidakseimbangan jumlah video latih untuk setiap kelas, sehingga di dalam tulisan ini akan dikaji pengaruh jumlah video latih yang berbeda untuk setiap kelas. Metode t-USMVH merupakan rancangan yang akan digunakan dalam sistem NDVR pada penelitian ini. Sementara itu, sistem NDVR yang akan direalisasikan terdiri atas 4 tahapan, yaitu proses ekstraksi keyframe, ekstraksi ciri, pelatihan sistem, serta pencocokan kode hash antarvideo. Pada tahap ekstraksi keyframe, pemilihan keyframe dilakukan berdasarkan jumlah sampel per detik tanpa mengabaikan perubahan citra antardetik. Di tahap kedua, yaitu proses ekstraksi ciri, ada 2 pendekatan yang dipakai, yaitu ekstraksi ciri global (Hue Saturation Value/HSV) serta ekstraksi ciri lokal (Local Directional Pattern/LDP). Selanjutnya, teknik backpropagation merupakan metode untuk pelatihan sistem, 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 video latih untuk setiap kelas. Selain itu, ada 2 variasi jumlah video latih untuk setiap kelas yaitu, imbalance query 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 variasi iterasi dan semua variasi ciri. Selain itu, penggabungan ekstraksi ciri lokal dan ciri global pada sistem balance query video menghasilkan nilai MAP yang lebih baik daripada hanya menggunakan satu jenis ekstraksi ciri.