SITI ENDANG KRISTIANI GEA and VINCENT and MUHAMMAD RISKI TINAMBUNAN (2021) DETEKSI KEMIRIPAN VIDEO BERDASARKAN KEY FRAME MENGGUNAKAN ALGORITMA SHINGLING DAN REDUNDANT PIXEL REMOVAL. Undergraduate (S-1) thesis, Universitas Mikroskil.
BAGIAN AWAL.pdf
Download (9MB)
BAB I.pdf
Download (1MB)
BAB II.pdf
Download (9MB)
BAB III.pdf
Restricted to Registered users only
Download (11MB)
BAGIAN AKHIR.pdf
Download (1MB)
Abstract
Deteksi kemiripan diperlukan untuk menghindari penumpukan informasi pada dataset atau file sistem. Algoritma Shingling dan MD5 Fingerprint menghasilkan kesimpulan bahwa deteksi kemiripan dokumen dapat dilakukan dengan menggunakan algoritma shingling. Namun, tidak dapat mendeteksi kemiripan pada gambar dan video. Oleh karena itu, digunakan Algoritma shingling dan redundant pixel removal agar pendeteksian video ini memudahkan pengguna untuk mencari video yang mirip berdasarkan keyframe. Pada penelitian ini, dibangun suatu sistem yang dapat digunakan untuk mendeteksi kemiripan video berdasarkan keyframe. Penentuan keyframe dengan proses ekstraksi semua file video, yaitu memisahkan frames dalam video tersebut dengan memanfaatkan Algoritma Shingling yang diimplementasikan untuk mendeteksi kemiripan pada video. Proses Redudant Pixel Removal membandingkan dua buah video yang berasal dari satu sumber Pengujian dilakukan dengan 10 video diekstrak menjadi 51 frame dalam dataset, dan 14 video data uji. Dari 10 video sebagai dataset dan 14 video sebagai data uji yang telah dilakukan transformasi (video scale, video rotasi dan video gabungan) menghasilkan accuracy 64% yang merupakan untuk nilai aktual (sebenarnya) masih kurang baik, presicion 90% yang merupakan nilai aktual (sebenarnya) tampak baik, recall 69% yang merupakan untuk nilai aktual (sebenarnya) kurang baik dan error adalah 28% yang merupakan untuk nilai aktual (sebenarnya) kurang baik.
Item Type: | Tugas Akhir / Tesis (Undergraduate (S-1)) |
---|---|
Subjects: | Teknik Informatika |
Divisions: | Fakultas Informatika > Program Studi S-1 Teknik Informatika |
Depositing User: | Adi Kurniawan |
Date Deposited: | 10 Jan 2023 11:28 |
Last Modified: | 10 Jan 2023 11:28 |
URI: | https://repository.mikroskil.ac.id/id/eprint/632 |