Sistem pencarian gambar yang ada sering menghadapi kesulitan untuk menemukan gambar yang diambil sesuai dengan permintaan gambar. Kesulitan umumnya disebabkan oleh keinginan pengguna untuk mencari gambar berbeda dengan informasi dominan dari gambar yang dikumpulkan dari ekstraksi fitur. Dalam penelitian ini, penulis menyajikan pendekatan baru untuk sistem pencarian gambar yang bergantung pada konten dengan pembobotan otomatis. Penulis menerapkan segmentasi gambar sebagai proses yang bergantung pada konten sebelum ekstraksi fitur untuk mengidentifikasi apakah ada objek atau tidak di dalam gambar. Sistem mengekstrak 3 fitur, yang merupakan fitur warna, bentuk, dan tekstur dan menggabungkan fitur-fitur ini untuk pengukuran kesamaan antara permintaan gambar dan basis data gambar. Warna histogram HSV digunakan untuk mengekstraksi fitur warna suatu gambar. Sedangkan ekstraksi fitur bentuk menggunakan Connected Component Labeling (CCL) yang menghitung nilai area, diameter setara, luas, convex hull, soliditas, eksentrisitas, dan perimeter masing-masing objek. Ekstraksi fitur tekstur menggunakan pendekatan Leung Malik (LM) dengan 15 kernel. Ekstraksi fitur yang telah didapat tidak langsung diproses tetapi dihitung bobot masing-masing fitur terlebih dahulu. Hal ini bertujuan agar fitur yang digunakan sesuai dengan komposisi dari fitur gambar. Untuk penerapan sistem yang penulis usulkan, penulis menerapkan sistem dengan patokan 1000 gambar SIMPLIcity dataset yang terdiri dari 10 kategori yaitu Afrika, pantai, sejarawan bangunan, bus, dinosaurus, gajah, mawar, kuda, gunung, dan makanan. Hasil percobaan dilakukan 70.38% tingkat akurasi untuk mendeteksi objek dengan fitur warna, 71% oleh fitur tekstur, 60% oleh fitur bentuk, 78.43% oleh fitur warna-tekstur gabungan, 72.65% oleh fitur warna-bentuk gabungan, 72% gabungan tekstur- fitur bentuk dan 80.5% menggabungkan semua fitur.