Content Based Image Retrieval (CBIR) merupakan sistem pencarian citra menggunakan citra sebagai query yang di cocokan melalui proses similarity dengan citra yang ada di database. Fitur utama yang dimanfaatkan pada image retrieval sebagai query meliputi fitur warna, tekstur, dan shape. Ketiga fitur tersebut dapat digunakan untuk mencari citra yang diinginkan. Dalam penelitian Tugas Akhir ini, similarity atau kemiripan suatu citra query dibandingkan dengan citra pada database yang telah di-training sebelumnya menggunakan fitur warna. Hal ini dikarenakan fitur warna lebih mudah untuk diidentifikasi terhadap suatu citra. Pada penelitian ini menggunakan metode ekstraksi fitur Color Co-occurrence Matrix (CCM) dan similarity Modified Color Co-occurrence Matrix (MCCM) untuk menentukan kemiripan suatu citra batik. Pengujian dilakukan dengan menggunakan lima skenario yang berbeda dengan mengubah nilai kuantisasi hue dari citra. Kuantisasi yang dilakukan pada penelitian ini menggunakan kuantisasi hue 6, kuantisasi hue 12, kuantisasi hue 18, kuantisasi hue 24, dan kuantisasi hue 30. Dari lima skenario yang dilakukan akurasi tertinggi terdapat pada skenario ke lima yaitu menggunakan kuantisasi hue 30 dengan hasil akurasi 62% untuk Color Co-occurrence Matrix, dan 65% untuk Modified Color Co-occurrence Matrix.

Content-Based Image Retrieval (CBIR) is an image retrieval system using image as a query that matched through similarity process with the existing image in the database. The main feature is used in the image retrieval as query include color feature, texture and shape. All three features can be used to find the desired image. In this Final Study, the similarity or resemblance of a query image is compared with the image training in the database before using color feature. It is easier of color feature are identified on an image using sense. In this study, feature Color Co-occurrence Matrix (CCM) extraction and similarity Modified Color Co-ccurrence Matrix (MCCM) are used to determine the similarity of a Batik image. Testing is carried out by using five different scenarios that changing the hue image quantization value. Quantization this reseacrh used quantization hue 6, quantization hue 12, quantization hue 18, quantization hue 24, and quantization hue 30. Some of system testing highest level of accuracy is fifth scenario 62% for Color Co-occurrence Matrix and 65% for Modfied Color Co-occurrence Matrix.

Baca Jurnal Baca Jurnal