ABSTRAKSI: Image Retrieval adalah proses melihat, mencari, dan mengambil citra dari basis data citra yang besar. Salah satu jenis Image Retrieval yang sangat terkenal adalah Content-Based Image Retrieval, yaitu proses pengambilan citra yang menggunakan ciri-ciri visual dari citra. Salah satu proses yang paling penting dalam sistem Content-Based Image Retrieval adalah preprocessing berupa klasterisasi citra. Proses ini dilakukan untuk mempercepat pengambilan citra dan meningkatkan akurasi dalam pencarian citra. Tugas akhir ini menggunakan Algoritma Hirarki dan Algoritma Fast Genetic K-Means dalam melakukan klasterisasi citra. Proses yang dilakukan adalah dengan mengekstrak ciri citra xray yang telah di-resize dengan menggunakan transformasi Haar Wavelet lalu diklaster berdasarkan bagian tubuhnya. Pengujian dilakukan dengan beberapa skenario untuk dilihat sistem dilihat dari pengaruh operator Algoritma Fast Genetic K-Means dalam terhadap nilai TWCV dan akurasi serta hasil evaluasi sistem Content-Based Image Retrieval dengan parameter precision dan recall. Hasil yang didapatkan dari pengujian yang dilakukan adalah klasterisasi citra dapat diimplementasikan dengan menggunakan algoritma Hirarki dan Algoritma Fast Genetic K-Means dengan akurasi yang didapatkan adalah 83,75%, nilai precision 0,72925, dan nilai recall 0,711.Kata Kunci : citra, klasterisasi, Fast Genetic K-Means, image retrieval, hirarkiABSTRACT: Image retrieval is the process of browsing searching, and retrieving images from a large database of digital image. One of image retrieval system present today is content-based image retrieval, which is the image retrieving process using visual features. One of useful process in Content-Based Image Retrieval system is preprocessing in image clustering. This process has been treated for speeding up image retrieval in image database and improving accuracy. This final project uses Hierarchical Algorithm and Fast Genetic KMeans Algorithm in image clustering. The process is done with extracting the xray features which is have resized using Haar Wavelet, then clusterizing based on parts of body. Tests carried out with several scenarios to see the system from he influence of Fast Genetic K-Means operators to TWCV value and Content-Based Image Retrieval system evaluation values using precision and recall. The results of testing system, image clustering can be implemented using Hierarchical algorithm and Fast Genetic K-Means algorithm with 83,75% accuracy, precision 0,72925, and recall 0,711.Keyword: image, clustering, Fast Genetic K-Means, image retrieval,