Sistem Perolehan Citra Berbasis Isi (SPCI) adalah sebuah teknik pencarian citra menggunakan isi visual, untuk mencari citra pada basis data citra sesuai dengan permintaan pengguna dalam suatu bentuk citra query. Fitur yang terkait isi visual seperti bentuk, warna, dan tekstur adalah fitur utama sebuah citra. Dalam penelitian ini sistem dibangun dengan memanfaatkan fitur warna. Fitur berdasarkan warna merupakan atribut yang paling dominan dalam sebuah citra terutama citra batik. Warna adalah fitur visual yang paling melekat pada indera manusia. Color Autocorrelogram digunakan sebagai ekstraksi fitur warna dari komponen hue dari citra dalam ruang warna HSV. Setelah didapat fitur vektor Autocorrelogram, selanjutnya dilakukan proses pencocokan citra antara citra query dan citra basis data dengan menggunakan Histogram Intersection Distance. Data yang digunakan dalam penelitian ini adalah citra batik dari delapan kelas yang berbeda, yaitu batik Bali, batik Bangkalan, batik Cirebon, batik Jogja, batik Pamekasan, batik Pekalongan, batik Solo, dan batik Sumenep. Setiap kelas terdapat sebanyak 25 citra. Hasil eksperimen dari tiga skenario adalah precision tertinggi pada skenario ke tiga dengan akurasi perolehan sebesar 70%. Hal ini dikarenakan semakin besar rentang nilai kemiripan yang ditampilkan maka semakin banyak citra relevan yang ter-retrieve.

Content Based Image Retrieval System (CBIR) is an image search techniques using visual content, to search for images on the database image according to the user's query of a query image. Features related to visual contents such as shape, color, and texture are the main features of an image. In this research, the system is constructed using the color features, since the color features is the most dominant attribute in an image, especially in Batik image. Color is the most visual feature attached to the human senses. Color Autocorrelogram is used as color feature from hue component of the image in the HSV color space. Then the feature vector Autocorrelogram obtained, the next process is matching between the query image and database images using Histogram Intersection distance. Batik image is used which consists of eight classes, namely Balinese Batik, Bangkalan Batik, Cirebon Batik, Yogyakarta Batik, Pamekasan Batik, Pekalongan Batik, Solo Batik, and Sumenep Batik. Each class there are 25 images. The experiment result from three scenarios is the highest precision on third scenarios with the average precision 70%. This is due to the greater range of similarity values shown, the more relevant image retrieved.