ABSTRAKSI: Content Based Image Retrieval (CBIR) merupakan teknologi yang memungkinkan pencarian gambar berdasarkan content. CBIR bekerja dengan cara mengukur kemiripan gambar query dengan semua gambar yang ada dalam database sehingga qery cost berbanding lurus dengan jumlah gambar dalam database. Membatasi range pencarian gambar dengan cara melakukan klasifikasi merupakan salah satu cara untuk mengurangi query cost pada CBIR.
Tugas Akhir ini bertujuan mengimplementasikan K-Nearest Neighbor untuk klasifikasi gambar landscape serta mengukur tingkat akurasi dan waktu klasifikasinya. Dalam Tugas Akhir ini dibangun sebuah perangkat lunak yang dapat mengekstrak fitur warna dan tekstur dari sebuah gambar landscape dengan menggunakan metode Color Histogram dan Edge Histogram Descriptor. Hasil dari proses ekstraksi fitur kemudian digunakan oleh perangkat lunak dalam proses learning dan klasifikasi dengan metode K-Nearest Neighbor. Perangkat lunak dibangun dengan metode analisis dan perancangan terstruktur kemudian diimplementasikan dengan Microsoft Visual Basic 6.0
Perangkat lunak yang dihasilkan kemudian diuji dengan parameter tingkat akurasi dan waktu klasifikasi. Hasil pengujian menunjukkan bahwa kombinasi fitur warna dan tekstur memberikan tingkat akurasi yang lebih tinggi dibandingkan dengan klasifikasi berdasarkan fitur warna saja atau tekstur saja namun membutuhkan waktu klasifikasi yang lebih lama.
Kata Kunci : klasifikasi gambar, ekstraksi fitur, k-nearest neighborABSTRACT: Content Based Image Retrieval (CBIR) is a novel technology that provide a ‘search by image content’ mechanism. CBIR works by measuring similarity between the query image and all images in database. This mechanism leads to a high query cost due to high numbers of image in database. Classifying images into classes in order to limit the query range could be a strategy to minimize CBIR’s query cost.
This final project’s goal is to implement K-Nearest Neighbor to classify landscape images. The accuracy and time of this classifier are measured as well. In this final project, a software which can be used to extract color and texture features from a landscape image is developed. Color and texture features are extracted using Color Histogram and Edge Histogram Descriptor respectively. Afterwards, the result of this feature extraction process is used in learning and classification process where K-Nearest Neighbor classifier is implemented. This software is developed through structured software engineering and implemented using Microsoft Visual Basic 6.0
Software is tested to measure the accuracy and classification time of K-Nearest Neighbor classifier. Test result shows that the accuracy of color and texture based classification outperform the accuracy of color based or texture based classification despite of more time required for classification.Keyword: image classification, feature extraction, k-nearest neighbor