ABSTRAKSI: Content Based Image Retrieval adalah sebuah metode untuk mendapatkan dokumen citra yang relevan dengan citra query yang diberikan sesuai dengan konten yang terdapat di dalam citra tersebut. Konten dalam suatu citra berupa ciri warna, bentuk,dan tekstur. Localization of query adalah suatu pendekatan yang digunakan untuk memfokuskan query yang diinginkan user hanya pada salah satu bagian saja dalam satu citra utuh. Dengan adanya localization of query diharapkan user dapat mendapat citra yang lebih relevan sesuai dengan kebutuhannya.
Dalam tugas akhir ini diimplementasikan sebuah sistem CBIR dengan menggabungkan ekstrasi ciri warna dengan menggunakan Scalable Color Descriptor(SCD) dan ekstrasi ciri tekstur dengan menggunakan Edge HistogramDescriptor (EHD). Sistem CBIR ini kemudian dilengkapi juga dengan Localization of query untuk menghasilkan tujuan seperti yang disebutkan di atas.
Similarity antara citra query dengan citra dalam database dihitung dengan menggabungkan nilai similarity ciri warna dan ciri tekstur dengan metode pembobotan. Kesimpulan terhadap hasil pengujian 4 kelas citra yang berbeda adalah keadaan optimal(nilai MAP dan jumlah dokumen relevan yang teretrieve cenderung stabil )didapat dengan pembobotan yang seimbang antara nilai ciri warna dan ciri tekstur. Besarnya daerah yang dipilih user juga mempengaruhi nilai MAP dan dokumen relevan yang ter-retrieve, semakin spesifik daerah yang dipilih user, semakin tinggi nilai MAP dan dokumen relevan yang ter-retrieve.
Kata Kunci : localization of query, CBIR, Mean Average PrecisionABSTRACT: Content Based Image Retrieval is a method to obtain images of documents relevant to a given query image according to the content contained within the image. Contents in an image are characteristic of color, shape, and texture. Localization of the query is an approach to localize the query only on the region made by user. The expectation of this approach is user can get more relevant images according to their needs with this localization of the query.
In this thesis, a CBIR system implemented by combining the extraction of characteristic color using Scalable Color Descriptor (SCD) and the texture feature extraction using HistogramDescriptor Edge (EHD). CBIR system is equipped with the Localization of the query to produce a goal as mentioned above.
Similarity between the query image with images in the database are calculated by combining the similarity values characteristic color and texture features of the method of weighting. Conclusion of the test results of four different image class is a optimal status for MAP value and number of retrieved relevant documents is obtained by balancing the weight of characteristic color and texture characteristics. The result from the second scenario of application testing proves the more spesific selected region, the higher MAP value and amount of retrieved relevant documents.
Keyword: localization of a query, CBIR, Mean Average Precision