Saat ini pencarian citra berbasis teks sudah tidak efektif lagi karena adanya penilaian subjektif dari pengguna dalam merepresentasikan suatu citra. Karena itu diperlukan suatu sistem yang dapat menangani pencarian citra menggunakan query berupa citra atau disebut Sistem Perolehan Citra berbasis Isi (SPCI) atau Content Based Image Retrieval (CBIR). Dengan hal yang seperti ini pada CBIR meskipun ada yang memodifikasi atau merubah nama filenya, tidaklah membuat image searching menjadi rancu karena hal ini tidak didasarkan atas teks atau nama dari sebuah file melainkan berdasarkan ciri baik warna, bentuk maupun tekstur. Dalam penelitian Tugas Akhir ini menggunakan ciri tekstur sebagai proses pencarian kemiripan dari delapan kelas citra yang berbeda yaitu: bangunan, bus, dinosaurus, gajah, gunung, kuda, mawar, dan pantai sebagai objek perolehan citra berbasis isi. Sistem dibangun dengan proses utamanya yaitu ekstraksi fitur tekstur dengan menggunakan metode Gabor Filter. Sehingga dari hasil ekstraksi fitur dilakukan pengukuran kemiripan dengan feature vector citra yang sudah diekstraksi terlebih dahulu yang tersimpan dalam database dengan menggunakan metode Euclidean Distance. Citra query dan citra database yang dipergunakan sebanyak 200 citra dengan delapan kelas citra didalamnya. Dari uji coba aplikasi menggunakan pengukuran kemiripan Euclidean Distance dengan nilai threshold=0,02 diperoleh akurasi rata-rata presisi sebesar 0.46 pada data pelatihan 190 dan data uji coba 10 dengan ukuran kernel 3x3 dan jumlah citra yang ditampilkan sebanyak 15 citra termirip dengan citra query dan pengenalan terbaik pada kelas bangunan yaitu dengan akurasi presisi 60% . Kata Kunci: Tekstur, Sistem Perolehan Citra Berbasis Isi, Gabor Filter, Euclidean Distance.

Currently text-based image retrieval is no longer effective because of the subjective assessment of a user in representing an image. Therefore we need a system that can handle image search using a query image called Content-based Image Retrieval System (SPCI) or Content Based Image Retrieval (CBIR). With things like this on CBIR although there are modifying or changing the file name, it does not make image searching becomes ambiguous because it is not based on the text or the name of a file but by the characteristics of color, shape and texture. In this final study using texture characteristics as similarity search process images from eight different classes, namely: buildings, buses, dinosaurs, elephants, mountains, horses, roses, and beaches as content-based image acquisition object. The system was built with the main texture feature extraction using Gabor Filters. So from the results of measurements performed feature extraction feature vector similarities with the image that has been extracted beforehand stored in the database using the Euclidean Distance. Query image and database images are used as many as eight classes of 200 images with the image in it. Of test applications using Euclidean Distance similarity measurement threshold value = 0.02 with an average accuracy obtained a precision of 0.46 at 190 training data and test data 10 with a 3x3 kernel size and number of images are displayed as many as 15 images most similar to the query image and the best introduction to the classroom building with precision accuracy is 60%. Keywords: Texture, Content Based Image Retrieval, Gabor Filter, Euclidean Distance.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal