ABSTRAK
Untuk mencari file yang berbentuk image merupakan hal yang sulit, karena biasanya file dalam bentuk image memiliki nama berupa sekumpulan angka angka, sehingga untuk mencarinya kita tidak bisa langsung mencari menggunakan keyword. Bergerak dari permasalahan tersebut, penulis ingin memberi solusi dengan membuat aplikasi berbasis dekstop, yang bertujuan untuk mencari image yang menyerupai image yang di-inputkan. Proses yang terjadi pada aplikasi ini adalah proses eksraksi ciri menggunakan Color Histogram dan Grey Level Co-occurrence Matrix (GLCM), dan kemudian diklasifikasi menggunakan metode K-Nearest Neighbor (KNN). Sehingga, perpaduan antara Color Histogram dan Grey Level Co-occurrence Matrix (GLCM) serta K-Nearest Neighbor (KNN), diharapkan akan memberikan hasil yang baik untuk mencari image yang mirip menggunakan image pada masukan dan memiliki tingkat akurasi 80% dari sejumlah percobaan untuk mencari image yang serupa.
Kata Kunci : Image Processing, K-Nearest Neighbor, Grey Level Co-occurrence Matrix (GLCM), Color Histogram
ABSTRACT
It’s hard to find some images in your folder, because some image didn’t have a file name like a normal file usually have, example “IMG_123124”, because of that, we can’t type any keyword to find an image that we are looking for. Moving from these problems, the authors wanted to provide a solution by creating a desktop-based application that can find your image or similar to your image using image that you choose to be an input. The process that occurs in this application is characteristic Extraction using Grey Level Co-occurrence Matrix (GLCM), color histogram, and then classified using K - Nearest Neighbor (KNN). The combination of Color Histogram, Grey Level Co-occurrence Matrix (GLCM ) and K - Nearest Neighbor ( KNN ) , is expected to give good results to find the image that is similar to the image on your input and has an accuracy rate of 80 % of trials to find the image similar.
Keyword : Image Processing, K-Nearest Neighbor, Grey Level Co-occurrence Matrix (GLCM), Color Histogram