Citra, salah satu sumber informasi yang paling cepat dipahami oleh mata kita. Hal ini menyebabkan jumlah citra terus bertambah untuk memenuhi kebutuhan informasi. Sistem temu kembali citra merupakan teknik yang dikembangkan untuk mempermudah pencarian citra. Sistem temu kembali citra merupakan sistem pencarian citra yang berdasarkan fitur utama dari citra. Fitur utama, yaitu warna, tekstur, bentuk, atau informasi yang lain pada citra. Sistem temu kembali citra menerima input berupa citra dan akan mengembalikan beberapa citra yang relevan. Citra input akan diekstraksi fiturnya menggunakan metode sesuai dengan fitur apa yang akan digunakan. Setelah ekstraksi fitur, maka proses selanjutnya merupakan pengukuran jarak kemiripan. Pada penelitian ini input berupa citra warna RGB. Citra inputan kemudian dikonversi menjadi citra HSV. Tahap selanjutnya kuantisasi warna citra HSV. Tahap terakhir pengukuran jarak kemiripan antara citra query yang telah terkuantisasi dengan citra database menggunakan Euclidean Distance. Pengujian pada sistem akan dilakukan dalam tiga skenario dalam penentuan jumlah data training dan data query. Pada akhir penelitian tingkat akurasi sistem dihitung dengan recall dan precision untuk masing – masing skenario. Tingkat akurasi tertinggi didapatkan pada skenario II dengan recall 0,42 dan precision 0,5.

Image, one of the most immediate sources of information for our eyes. This causes the number of images continues to grow to meet the information needs. Image retrieval system is a technique developed to facilitate image search. The image retrieval system is an image retrieval system based on the main features of the image. The main features, namely color, texture, shape, or other information on the image. The image retrieval system accepts inputs in the form of images and will return some relevant imagery. The input image will extract its features using the method according to what features will be used. After feature extraction, then the next process is a measurement of the distance of similarity. In this research input in the form of RGB color image. Input image then converted to HSV image. The next step is the quantization of HSV image color. The final stage of measuring the distance of similarity between the query image that has been quantized with the image of the database using Euclidean Distance. Tests on the system will be done in three scenarios in determining the amount of training data and query data. At the end of the study the system accuracy rate is calculated by recall and precision for each scenario. The highest accuracy was obtained in scenario II with recall 0.42 and precision 0,5.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal