Content-based image retrieval is an image search techniques from large image database by analyzing features of the image. Image feature can be color, texture, shape, and others. This study uses color and texture features when searching image. Color histogram is used to extract color features with quantization approach to HSV. Texture features in image obtained from the calculation of Gray-Level Co-occurrence Matrix (GLCM) and multi-scale GLCM. Multi-scale GLCM using Gaussian smoothing to reduce noise in the image and considering multiple scale from an image. Image search results obtained from the comparison of the features of color and texture in database using Euclidean distance. The results show an image search on Wang database using color histogram and multi-scale GLCM obtain higher precision value than just taking one of the method or combinations of color histogram and GLCM.

Pencarian gambarmenggunakan keyword berupa teks telah dirasakan kurang efektif. Hal inidisebabkan karena adanya batasan kemampuan teks dalam mewakili keseluruhan isidari gambar, terutama pada basisdata gambar yang besar. Keterbatasan tersebutmeliputi penilaian yang subjektif dalam mengartikan gambar dan pemberian namaberkas gambar yang belum tentu dapat mendeskripsikan isi gambar sepenuhnya.Pendekatan lain yang dilakukan dalam pencarian gambar adalah berdasarkan isidari gambar (content based imageretrieval). Penelitian ini membangun sebuah aplikasi untuk mencari gambarmelalui pendekatan content based imageretrieval dengan menggunakan kombinasi fitur warna dan tekstur. Fitur warnadiperoleh dengan menggunakan algoritma colormoment berdasarkan distribusi warna, yaitu nilai mean, variance dan skewness. Terdapat dua cara untukmendapatkan fitur warna yaitu secara global (whole) dan berdasarkan region.Fitur tekstur diperoleh dengan menggunakan algoritma Gabor texture. Fitur warna dan tekstur juga dikombinasikan untukmengetahui kemampuannya dalam proses pencarian gambar. Proses pengukurankemiripan gambar dihitung dengan menggunakan Conberra Distance. Hasil evaluasi diperoleh dengan membandingkannilai presisi dan recall pada saat proses pencarian gambar pada dataset. Hasileksperimen menunjukkan bahwa kombinasi colormoment region dan gabor texturedapat menampilkan hasil pencarian gambar yang lebih relevan yang ditunjukkandengan nilai presisi dan recall yang lebih tinggi dibandingkan dengan kombinasi lainnya.

Banyak cara yang dapat digunakan untuk melakukan pencarian gambar. Salah satu cara yang populer adalah menggunakan keyword berbasis teks. Keyword tersebut umumnya sulit menghasilkan gambar yang sesuai keinginan, karena keterbatasan keyword dalam merepresentasikan gambar. Penelitian ini menghasilkan aplikasi yang mencari gambar berdasarkan fitur gambar (Content Based Image Retrieval) berupa warna dan bentuk. Metode Color retrieval dan Shape retrieval digunakan untuk mencari gambar pada database wang. Hasil penelitian menunjukkan gabungan color retrieval dan shape retrieval mampu mencari gambar berdasarkan query image dan menghasilkan nilai presisi yang lebih baik dibandingkan dengan penerapan salah satu dari metode retrieval saja.

Algoritma genetika telah banyak digunakan untuk menyelesaikan permasalahan-permasalahan susah (hard problem) atau permasalahan NP-Complete karena sifatnya yang heuristik dan mampu menghasilkan solusi yang optimal dalam waktu yang relatif cepat. Performansi dari algoritma genetika dalam menyelesaikan permasalahan tersebut dilihat dari seberapa cepat algoritma genetika mencapai solusi yang optimal atau seberapa luas penjelajahan algoritma genetika dalam ruang solusi yang luas (tingkat diversitas yang tinggi). Algoritma genetika dengan pendekatan model pulau merupakan pendekatan paralel dimana beberapa instan algoritma genetika dijalankan secara bersamaan untuk menjelajahi ruang solusi mencari solusi optimal. Dengan menggunakan model pulau, algoritma genetika bisa dikembangkan lebih lanjut dalam hal peningkatan diversitas individu dalam populasi. Diversitas yang tinggi bisa meningkatkan peluang algoritma genetika untuk mendapatkan solusi yang paling optimal atau global optimum. Di dalam penelitian ini digunakan studi kasus permasalahan travelling salesman untuk membandingkan algoritma genetika dengan konfigurasi jumlah pulau dan metode pertukaran informasi antar pulau yang berbeda. Kontribusi dari penelitian ini adalah untuk menghasilkan korelasi antara jumlah pulau yang digunakan dengan performansi algoritma genetika.