PENCARIAN GAMBAR SECARA REAL-TIME MENGGUNAKAN ALGORITMA YOLO PADA APLIKASI E-COMMERCE BERBASIS WEB

E-commerce yang sedang booming dalam dunia bisnis modern saat ini telah banyak dilengkapi sistem pencarian gambar. Namun, sistem pencarian gambar yang ada saat ini memiliki kelemahan antara lain: input gambar harus bersifat statis, dan perlu crop manual karena bounding box tidak otomatis disediakan sistem. Selain itu, dalam pencarian berbasis gambar, sebuah citra bisa terdiri dari beberapa objek sehingga dibutuhkan algoritma deteksi objek untuk menentukan jumlah, letak, dan jenis (klasifikasi) objek yang diinginkan dalam bentuk bounding box secara real-time sebelum pengguna membuat pilihan. Objek deteksi juga ditujukan untuk membantu pengguna memastikan jenis objek yang ingin dicari, dan meningkatkan akurasi serta efisiensi waktu pencarian. Algoritma objek deteksi yang sering digunakan, seperti: Faster R-CNN dan Mask R-CNN lebih mengutamakan akurasi daripada kecepatan pendeteksian sehingga kurang cocok untuk pendeteksian real-time. Sebagai solusi, dalam tugas akhir ini, YOLOv4 akan digunakan sebagai algoritma deteksi objek dan CTEBIR (Color, Texture, and Edge Based Image Retrieval) akan digunakan sebagai metode CBIR untuk mencocokan gambar yang dicari dengan gambar dari database. YOLOv4 tergolong algoritma one-stage detector sehingga waktu yang dibutuhkan untuk mendeteksi objek lebih singkat. Dalam tugas akhir ini akan ditampilkan hasil pengujian berupa perhitungan nilai mAP (mean Average Precision) sebagai pengukur keakuratan hasil deteksi objek oleh algoritma YOLOv4, nilai recall dan precision untuk mengetahui keakuratan dari teknik pencarian gambar dengan algoritma CTEBIR, perbandingan performansi algoritma CTEBIR dengan 2 perangkat server yang memiliki perbedaan spesifikasi, serta hasil pengujian fungsionalitas dengan metode use-case testing. Metodologi yang digunakan adalah metodologi waterfall. Dari hasil tugas akhir ini dapat disimpulkan bahwa pengaplikasian algoritma YOLOv4 dapat membantu meningkatkan akurasi dan kecepatan proses pencarian gambar oleh CTEBIR karena ruang pencarian diperkecil sesuai kelas yang dideteksi algoritma YOLO.