Content Based Image Retrieval (CBIR) ialah salah satu teknik yang digunakan untuk melakukan pencarian citra berbasis isi. Meskipun hasil pencarian dari CBIR relevan dengan query yang diberikan oleh user, tetapi terkadang hasilnya tidak seperti yang diinginkan oleh user. Sehingga untuk mengatasi permasalahan tersebut dalam penelitian ini akan digunakan dua lapis sistem temu kembali yang mengkombinasikan text retrieval dengan model Vector Space Model (VSM) dan pembobotan menggunakan Term Frequency - Inverse - Document Frequency (TF-IDF) dikombinasikan dengan CBIR yang menggunakan Integrated Color and Intensity Co-Occurence Matrix (ICICM) sebagai metode feature extraction untuk citra. Feature yang digunakan pada ICICM ialah tekstur dan warna yang merupakan 2 feature tingkat rendah yang sering digunakan untuk klasifikasi citra dan retrieval. Tujuan dari penelitian ini ialah mengkombinasikan dua lapis sistem temu kembali yaitu text dan content based untuk mendapatkan hasil retrieval yang lebih baik. Data yang digunakan dalam penelitian ini berasal dari media sosial Twitter dengan query teks berupa “wisata madura”. Hasil yang didapat dari penelitian ini adalah dengan menggunakan kombinasi text based dengan content based dapat meningkatkan precision dan recall hasil retrieval meskipun tanpa melakukan pencarian dalam seluruh dataset. Hasil yang yang didapatkan pada penelitian ini adalah dengan menggunakan kombinasi antara text based dengan content based hasilnya lebih baik dibandingkan dengan menggunakan text based saja yaitu dengan kenaikan sebesar 0,0576 untuk precision dan dengan recall yang sama. Sedangkan dengan menggunakan kombinasi antara text based dengan content based hasilnya lebih baik dibandingkan dengan menggunakan content based saja yaitu dengan kenaikan sebesar 0,0238 untuk precision dan dengan recall sebesar 0,2000.

Content Based Image Retrieval (CBIR) is one of the techniques that used to search content based image. Although the results of the a search of the CBIR are relevant to the query that is given by the user, but sometimes the result is not as desired by the user. So to solve that problem in this research will be used in two-tier system of appointment back which combines text retrieval model with Vector Space Model (VSM) and weighting using Term Frequency-Inverse-Document Frequency (TF-IDF) combined with the Integrated Color using CBIR and Intensity of Co-Occurrence Matrix (ICICM) as a method of feature extraction for image. Featured used on ICICM is a texture and colors are 2 featured a low rate that is often used for classification and image retrieval. The purpose of this research is to combine the two-tier system of appointment back i.e. text and content based retrieval results to get better. Data used in this study come from social media Twitter with the query text in the form of a "tourism island". The results obtained from This research is by using a combination of text based with content based can improve the precision and recall of results retrieval Although without performing a search in the entire dataset. Results obtained in this research is to use the the combination of text based with content-based results are better compared to using the text-based course that is by the increase of the precision and with 0.0576 to recall the same. While using a combination of text based with content-based results are better than using the content based only i.e. with the rise of 0.0238 for precision and with the recall of 0.2000.