ABSTRAKSI: Dengan makin berlimpahnya data gambar digital maka usaha untuk memanajemen data tersebut semakin sulit. Ditambah lagi dengan makin gencarnya penggunaan Content-Based Image Retrieval (CBIR) pada saat ini maka kebutuhan akan gambar teranotasi semakin besar pula. Untuk melakukan penganotasian pada database gambar yang berukuran besar butuh usaha yang besar pula. Oleh karena itu kebutuhan akan sebuah sistem yang dapat menganotasikan gambar (auto-annotation) menjadi mutlak.
Pada tugas akhir ini yang dilakukan adalah menganalisa penerapan metode Expectation Maximization pada sistem anotasi gambar. Dari percobaan yang telah dilakukan diperoleh bahwa metode ini mampu memberikan nilai akurasi yang cukup baik yakni 0.34 pada dataset yang memiliki gambar dengan domain yang luas dan nilai akurasi 0.53 pada dataset dengan domain gambar yang sama. Pada eksperimen selanjutnya diketahui juga bahwa dengan melakukan penggabungan kata-kata yang mirip pada kamus kata dapat meningkatkan akurasi dari 0.43 menjadi 0.5 pada dataset dengan domain gambar sedang.
Kata Kunci : Auto-annotation, Expectation Maximization, CBIR.ABSTRACT: Due to the technology improvement, the size of digital image database becomes larger. It’s making the efforts to arrange it becomes harder. With the increase in the use of CBIR, the need for annotated image is also increase. To manually annotate a large image database we need a lot of work to do. To simplified it we can use auto-annotation system that auto-annotated image with some keywords.
The goal of this final task is to analyze the using of Expectation Maximization method for image annotation system. From the implementation we can see that this system has good value in accuration for dataset that have image with same domain. The system give out the value of 0.34 for accuration in dataset with large picture and 0.53 for accuration in dataset with selected image. It is also known that the system give the good value for accuration in dataset wits selected labels, it’s give out the value of 0.5 for accuration in that dataset.
Keyword: Auto-annotation, Expectation Maximization, CBIR.