<![CDATA[Abstract Local tri-directional pattern (LtriDP) is a method of extracting local intensity features from each pixel based on direction. However, this method has not been able to provide good performance in extracting features for image retrieval. One reason that makes image retrieval performance worse is the effect of lighting. Lighting can cause large variations between images. This study proposed utilization of Histogram Equalization (HE). Histogram equalization is a functional method of stretching gray degrees and expanding image contrast. This will make variations in the gray level of the original image can be controlled. There are several main stages in this study, firstly query image and image dataset will be preprocessed with histogram equalization. After that, the image is extracted by a tri-directional pattern and magnitude pattern are searched. A tri-directional pattern will produce two histograms, while a magnitude pattern produces one histogram. The three histograms are combined or joint histogram is performed. Histogram that has been joint is a feature vector. The feature vector will be calculated using a similarity measurement Canberra. After that, an image similar to the query image will be obtained. The experiment was conducted using 3 face datasets namely ORL, BERN, and YALE. The average recall value was 0.422 for the ORL dataset, 0.50 for the BERN dataset, and 0.63 for the YALE dataset. The evaluation show, the proposed method can be used as a process of improving the quality of image datasets in the image retrieval system. Keywords: Image retrieval system, Local tri-directional pattern, Streching Image, Histogram Equalization, Similarity Measurement Canberra. Abstrak Local tri-directional pattern (LtriDP) merupakan salah satu metode ekstraksi fitur intensitas lokal dari setiap piksel berdasarkan arah. Namun, metode ini belum mampu memberikan performa yang baik dalam mengekstrak fitur untuk temu kembali citra. Salah satu alasan yang membuat performa temu kembali citra tidak baik adalah pengaruh pencahayaan. Pencahayaan dapat menyebabkan variasi besar antar citra. Penelitian ini mengusulkan pemanfaatan Histogram Equalization (HE). HE merupakan metode fungsional dalam peregangan derajat keabuan dan memperluas kontras citra. Hal ini akan membuat variasi level keabuan dari citra asli dapat terkendali. Ada beberapa tahapan utama dalam penelitian ini, yang pertama citra query dan citra dataset akan terlebih dahulu di preprocessing dengan histogram equalization. Setelah itu, citra tersebut diekstrak fiturnya, dicari pola tri-directional dan pola magnitude. Pola tri-directional akan menghasilkan dua histogram, sedangkan pola magnitude menghasilkan satu histogram. Ketiga histogram tersebut kemudian disatukan atau dilakukan joint histogram. Histogram yang telah dijoint merupakan vektor fitur. Vektor fitur tersebut akan dihitung rankingnya menggunakan pengukuran jarak canberra. Setelah itu, akan didapatkan citra yang mirip dengan citra query. Uji coba dilakukan dengan menggunakan 3 dataset wajah yaitu ORL, BERN, dan YALE. Nilai rata-rata recall yang di dapatkan 0,422 untuk dataset ORL, 0,50 untuk dataset BERN, dan 0,63 untuk dataset YALE. Dari hasil evaluasi tersebut, dapat disimpulkan metode yang diusulkan dapat digunakan sebagai proses peningkatan kualitas dataset citra pada system temu kembali citra. Keywords: Sistem Temu Kembali Citra, Local tri-directional pattern, Peregangan Kontras, Histogram Equalization, Perhitungan Jarak Canberra. ]]>
