Sistem Perolehan Citra berbasis Isi (SPCI) merupakan sistem pencarian citra menggunakan isi visual, untuk mencari citra relevan pada database citra sesuai dengan citra inputan yang diinginkan oleh pengguna. Fitur yang terkait isi visual terdiri dari bentuk, warna dan tekstur adalah fitur utama sebuah citra. Warna adalah salah satu fitur visual yang paling banyak digunakan dalam CBIR karena warna dapat dikenali langsung oleh indra manusia. Oleh karena itu, Fitur warna digunakan dalam penelitian ini sebagai proses ekstraksi fitur dari delapan kelas citra batik yaitu: citra batik Cirebon, batik Bali, batik Pamekasan, batik Solo, batik Jogja, batik Sumenep, batik Pekalongan, dan batik Bangkalan sebagai objek perolehan citra berbasis isi. Terdapat dua tahapan yaitu tahapan pertama ekstraksi fitur warna dengan menggunakan metode Color Co-occurrence Matrix, tahap ke dua dilakukan pencocokan antara citra database dan citra query menggunakan Similarity. Pada proses similarity dilakukan modifikasi yang disebut Modified Color Co-occurrence Matrix. Dari tiga skenario yang telah di uji coba pada 200 citra batik, dengan percobaan 10 citra query di dapatkan bahwa tingkat presicion MCCM lebih tinggi dibanding dengan CCM, masing masing tingkat akurasi presicion 66% untuk CCM dan 73% untuk MCCM.

Content Based Image Retrieval (CBIR) is image search system using visual content, to search for relevant images in the database image according to user query. Features related to visual contents consist of shape, color and texture are the main features of an image. Color is one of the most visual features used in CBIR because of the color can be recognized directly by human senses. Therefore, Color features used in this study as the process of feature extraction from the eight classes, namely image of batik: image of batik Cirebon, batik Bali, batik Pamekasan,batik Solo batik, Yogyakarta,batik Sumenep,batik Pekalongan, and batik Bangkalan as object the result of content based image. There are two main steps: the first step of color feature extraction using the Color Co-occurrence Matrix, the second step is matching between the images database and image query using Similarity. In the process of similarity modification called Modified Color Co-occurrence Matrix. Of the three scenarios has been tested on 200 images of batik, with 10 trials in the query image presicion MCCM get that rate is higher than the CCM, respectively presicion 66% accuracy rate for CCM and 73% for MCCM.