Implementasi Dan Analisis Content-Based Image Retrieval Menggunakan Ekstraksi Warna Dan Sisi

ABSTRAKSI: Pada Tugas akhir ini, Content-based Image Retrieval yang dikembangkan yaitu berdasarkan fitur warna dan sisi. Fitur warna diekstraksi menggunakan metode Color Histogram, dimana metode ini menunjukkan tingkat intensitas warna atau graylevel dari sebuah citra. Color Histogram yang didapat dibandingkan antara citra query dan citra database dengan menggunakan Histogram Comparasion. Untuk ekstraksi fitur sisi, digunakan metode Edge Detection menggunakan mask matrik Prewitt yang dimodifikasi. Metode ini mencari fitur sisi dari citra, yang nantinya dibandingkan antara citra uji dan citra database. 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 sisi dieliminasi dengan tahap kombinasi ekstraksi ini. Untuk mengetahui pengaruh dari kombinasi kedua fitur ini, maka perlu dilakukan perbandingan terhadap masing-masing fitur. Dan berdasarkan hasil pengujian, dengan mengkombinasi fitur warna dan sisi ini memberikan hasil keakuratan yang lebih rendah yaitu 50% dibandingkan dengan masing-masing fitur secara terpisah, yaitu ekstraksi warna 55% dan ekstraksi sisi 46%.Kata Kunci : Content-based Image Retrieval, Color Histogram, Histogram Comparasion, Edge Detection, mask matrik PrewittABSTRACT: On this final project, developing Content-based Image Retrieval based on color and edge feature. Color feature is extracted using Color Histogram, where this method show color intensity level or graylevel from an image. Retrieved Color Histogram will be compared between query image and database image using Histogram Comparasion. To extracting edge feature, Edge Detection method with modified Prewitt mask matrix are used. This method will find image’s edge feature, which will compared between query image and database image. 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 edge feature will be eliminated with combination filter. To find out the 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 lower which is 50% than using each feature separately, which is 55% for color extraction and 46% for edge extraction.Keyword: Content-based Image Retrieval, Color Histogram, Histogram Comparasion, Edge Detection, mask matrix Prewit