digilib@itb.ac.id +62 812 2508 8800

Pada era digital dan semakin majunya teknologi machine learning terutama di bidang computer vision meningkatkan perkembangan teknologi pencarian gambar. Sistem pencarian gambar adalah sebuah teknologi pencarian yang menerima masukan gambar dan mengembalikan gambar dengan fitur yang mirip dengan masukan. Teknologi ini membandingakan fitur-fitur dalam gambar untuk menghitung kesamaan antar gambar dan mengembalikan gambar-gambar sesuai tingkat kesamaan terhadap masukan. Pembangunan sistem pencarian gambar dapat dilakukan dengan mendesain arsitektur sendiri maupun memanfaatkan model pretrained dengan metode transfer learning. Beberapa model pencarian gambar yang sudah terkenal seperti VGG, GoogleNet, Resnet, dan MobileNet digunakan sebagai model eksperimen dengan metode transfer learning ditambah satu model dengan desain arsitektur sendiri. Metrik presisi dan recall. Dari lima model, yaitu dengan urutan model buatan sendiri, VGG, Inception, Resnet, dan MobilleNet, hasilnya adalah 0.7394, 0.7299, 0.8603, 0.8912, 0.8171 untuk metrik presisi dan 0.3147, 0.2989, 0.4721, 0.5779, 0.4278 untuk metrik recall. Arsitektur terbaik pada eksperimen ini adalah sistem yang menggunakan metode transfer learning dengan model ResNet. Model ini mendapatkan nilai akurasi prediksi kategori sebesar 0.8640, nilai presisi sebesar 0.8912, dan nilai recall sebesar 0.5779. Modul yang bisa meningkatkan performa sistem adalah modul dropout, augmentasi data, dan reindexing.