Toto Haryanto [G651080091]
Multimedia Mining
Proses akuisisi data mutimedia, kebutuhan akan media penyimpanan kerap kali dibutuhkan. Di sisi lain, jika data multimedia ini dianalisa, akan didapatkan banyak informasi yang diperoleh. Multimedia mining sangat erat dengan prose penggalian infomasi yang implisit dari data multimedia yang tersimpan.(Kotsiantis ). Multimedia mining lebih dari sekedar perluasan dari bidang data mining yang merupakan interdisplin dari berbagai disiplin seperti computer vision, multimedia retrieval, teks mining, machine learning dan data mining itu sendiri.
Multimedia mining mampu secara otomatis melakukan ekstraksi secara semantik informasi yang sangat berarti (knowledge) pada berkas multimedia. Dengan latar belang inilah, sejumlah metode diusulkan untuk melakukan pengukuruan sederhana dari aspek-apsek dalam berkas mutimedia. Sebagai contoh warna hitogram untuk gambar, estimasi energi untuk data audio dan peringkasan program Televisi (Automatic Summarization of TV Program).
Secara umum, sistem basis data multimedia menyimpan sejumlah besar informasi dalam objek yang berbeda, mulai dari teks, gambar dan suara. Oleh karena itu, diperlukan suatu tools yang mampu untuk menangani relationships komponen yang terdapat di dalam data multimedia itu. Pada multimedia mining, umunya dilakukan praproses terlebih dahulu dari masing-masing komponennya untuk memperbaiki kualitas datanya. Setelah itu, data multimedia melalui proses transformasi dan ekstraksi fitur yang bervariasi untuk dapat membangkitkan fitur penting dari data multimedia tersebut.
Proses Multimedia Mining
Menurut Kotsiantis et. al, proses multimedia mining dapat digambarkan pada Gambar 1 sebagai berikut:
Gambar 1 Model proses Multimedia Mining
Pada Gambar 1 dapat dijelaskan sebagai berikut. Data multimedia yang terdiri dari komponen teks, gambar dan audio mengalami proses ekstraksi fitur yang tentunya akan berbeda tekniknya. Sebagai contoh, untuk data teks akan dihasilkan token, dengan prose tokenisasi, data gambar, ekstraksi fitur dilakukan dengan kuantiasasi histogram, dan data suara ekstraksi fitur dilakukan dengan MFCC. Adapun ekstraksi fitur pada video, dapat dilihat dari jenis videoanya apakah produced video, raw video atau medial video. Setelah proses ekstraksi fitur dilakukan untuk setiap komponen pada data multimedia, berikutnya adalah dilakukan proses seleksi fitur untuk mendapatkan fitur yang mampu memberikan informasi dominan terhadap data. Tahap berikutnya adalah proses pelatihan atau training untuk mendapatkan model data yang representatif. Proses mendapatkan model dapat dilakukan dengan model klasifikasi, klastering atau model asosiasi.
Multimedia Retrieval
Multimedia Retrieval adalah bagian dari disiplin ilmu temu kembali informasi atau Information Retrieval yang difokuskan pada data multimedia. Temu kembali pada basis data multimedia biasanya mencakup kombinasi dari jenis data teks dan image (Bagherjeiran, et.al,). Karena pada Multimedia retrieval tidak hanya memiliki satu jenis objek data, maka model temu kembali (retrieval) yang dilakukan adalah temu kembali berbasis isi (content based Information Retrieval) karena pada data multimedia tidak hanya aspek teks saja yang bisa dijadikan sebagai kueri. Dengan kata lain ada aspek selain teks yang bisa dijadikan sebagai kuaeri seperti audio atau gambar. Adapun arsitektur dalam content based Information Retrieval untuk data multimedia dapat dilihat pada Gambar 2 (Wei & Li, 2004)
Gambar 2. Arsitektur Content Based Information Retrieval
Apabila dilihat, proses ekstraksi fitur dilakukan baik pada multimedia mining maupun pada multimedia retrival. Namun terdapat beberapa perbedaan yang ada antara multimedia mining dan multimedia retrieval. Berikut adalah perbedaannya.
Perbedaan Mendasar Multimedia Mining dan Multimedia Retrieval
Pada multimedia mining memiliki cakupan yang lebih luas bila dibandingkan dengan multimedia retrieval. Dengan kata lain, multimedia retrieval sebagai salah satu bagian dari multimedia mining.
Pendekatan yang dilakukan pada multimedia mining adalah data driven sedangkan pada multimedia retrieval adalah goal driven. Artinya pada multimedia mining lebih menekankan pada proses analisa data multimedia sehingga dapat menggali pengetahuan dari data tersebut. Adapun multimedia retrieval, lebih menekankan pada relevansi data multimedia yang ditemukembalikan.
Pada multimedia mining, dapat diketahui pola dan karakteristik dari data tersebut dengan adanya training set sehingga proses prediksi data sangat memungkian untuk dilakukan. Namun pada multimedia retrieval tidak dapat dilakukan karena proses yang terjadi adalah mengetahui hasil temu kembali berdasarkan kueri yang ada.
Referensi
Bagherjeiran A, N .S. Love C Kamath, Estimating Missing Features to Improve Multimedia Retrieval. Lawrence Livermore National Laboratory, Livermore, CA 94551
S. Kotsiantis, D, Kanellopoulos dan P. Pintelas. Multimedia Mining. University of Patras, Patras 26 500, Greece,
Wei C H, C T Li.2004. Design of Content-based Multimedia Retrieval.Department of Computer Science
University of Warwick Coventry CV4 7AL, UK