ABSTRAKSI: Pada Tugas akhir ini, image retrieval yang dikembangkan yaitu berdasarkan fitur warna dan tekstur. Fitur warna diekstraksi menggunakan metode Color Correlogram, dimana metode ini menghitung probabilitas suatu pixel j dari pixel i pada jarak d tertentu dalam suatu citra. Untuk ekstraksi fitur tekstur, digunakan metode Gray Level Co-occurrence Matrix(GLCM). GLCM ini akan menghitung kemunculan kombinasi pasangan pixel dari nilai grey level. Informasi tekstur dapat diperoleh dari pengukuran beberapa property berdasarkan cooccurrence matrix. Dengan melakukan kombinasi kedua ekstraksi fitur, maka akan mengurangi proses perbandingan antar citra yang tidak relevan. Sehingga, citra-citra yang tidak memiliki kemiripan warna maupun tekstur akan dieliminasi dengan tahap kombinasi ekstraksi ini. Proses perangkingan hasil akhir didasarkan pada total jarak normalisasi kedua fitur. Untuk mengetahui pengaruh dari kombinasi kedua fitur ini, maka perlu dilakukan perbandingan terhadap masingmasing fitur. Dan berdasarkan hasil pengujian, dengan mengkombinasi fitur warna dan tekstur ini memberikan hasil keakuratan yang lebih baik dibandingkan dengan masing-masing fitur secara terpisah.
Kata Kunci : Kata kunci: image retrieval, Color Correlogram, Gray Level Co-occurrenceABSTRACT: On this final project, developing image retrieval based on color and texture feature. Color feature is extracted using Color Correlogram, which is this method count the probability of finding a pixel of color j at a distance d from a pixel of color i in the image. To extracting texture feature, used Gray Level Cooccurrence Matris(GLCM) method. GLCM will count the probability of combinations pair pixels grey level occur in an image. The texture information is described by the measure some of properties based on the co-occurrence matrix. Using combination both feature extraction will be reduce some process such as comparing image which is not relevant. So that, images that haven’t similarity color and texture feature will be eliminated with combination filter. The final query ranking is based on the total normalized distance in both feature. To get an effect from combining this features, it’s necessary to comparing each feature. And, based on experimental results, using combination of color and feature texture show the accuracy result better than each feature.
Keyword: Keyword: image retrieval, Color Correlogram, Gray Level Co-occurrence