34
2.8 Pohon Berdimesi K (KD Tree)
Pencarian
d
alam
ruan g
berd imensi
tin ggi
merup akan
p
roses
y
ang
dip erlukan
dalam
RCBK.
Fitur
dari
suatu
citra
sep erti
warna,
tekstur
maup un
bentuk
direp resentasikan
dalam
v
ektor
fitur
y
ang
dap at
dianggap
sebagai
titik
p
ada ruang mu ltidimensi.
Proses
p
encarian
dap at dilakukan
secara
lebih
ef isien
den gan
men ggunakan
p
en gindeksan
multidimensi.
Terdap at
beberap a
metode
p
engindeksan
multidimensi,
p
erbedaan
dari
beber ap a
metode
y
ang ada
terletak
p
ada jenis kuer i y ang dap at dilakukan dan ju ga bany akny a dimensi dimana suatu
metode memilik i keun ggulan diband in gkan metode y ang lain.
Sebagian
besar
sistem
manajemen
basis data
y
ang
ada
saat
in i
tidak
mendukun g p engindeksan
multidimensi dan
sistem
manajemen
basis
data
y
an g
mendukun g
memb erikan
sedikit
sekali
p
ilihan
untuk
metode
p
engindeksan
multidimensi.
Penelitian
aktif
dilakuk an
untuk
meny ediakan
mekanisme
p
ada
sistem manajemen basis d ata y ang memun gkinkan p engguna untuk meny ertakan
p
engindeksan mu ltidimensi y an g dip ilih ke d alam mesin p encar i.
Salah
satu
metode
p
engindeksan
multidimensi
y
ang
mud ah
diimp lementasikan
d
an
ber guna
untuk
berbagai
macam
masalah
p
encarian
adalah p ohon berdimensi k.
2.8.1
Definisi dan konstruksi
Pohon
berdimesi k ad alah struktur
data
y
ang
berbentuk
p
ohon biner
dimana setiap
daun (leaf)
meny imp an satu titik berdimensi d.
Dalam dua
dimensi,
setiap titik
memp uny ai
koordinat x
dan
y
, dengan
demikian
 |