IMPLEMENTASI METODE K-MEANS UNTUK KLASTERISASI VARIETAS PARPIKA DENGAN MENGGUNAKAN TEKNIK PENGOLAHAN CITRA DIGITAL

Fachrul Ilmawan; Agung Ramadhanu

doi:10.51401/jinteks.v7i1.5426

Authors

Fachrul Ilmawan Universitas Putra Indonesia YPTK Padang
Agung Ramadhanu Universitas Putra Indonesia YPTK Padang

DOI:

https://doi.org/10.51401/jinteks.v7i1.5426

Keywords:

Klasterisasi paprika, Pengelompokkan K-Means, Alaisis tekstur dan bentuk, Gray-Level Co-Occurrence Matrix (GLCM)

Abstract

Dengan menggunakan kombinasi segmentasi objek, ekstraksi bentuk, dan ekstraksi tekstur, penelitian ini bertujuan untuk melakukan klasterisasi pada varietas paprika melalui penggunaan K-Means Clustering dan Gray-Level Co-Occurrence Matrix (GLCM). Segmentasi objek dilakukan menggunakan algoritma K-Means Clustering untuk membedakan objek dari latar belakangnya. Selanjutnya, proses ekstraksi tekstur dan bentuk dilakukan menggunakan Matriks Co-Occurrence Level Gray (GLCM) untuk membedakan jenis varietas paprika. Hasil kalsterisasi dicapai melalui penggunaan aplikasi matlab, yang mencakup import data, konversi RBG ke L*a*b, segmentasi objek dengan latar belakang menggunakan K-Means Clustering, dan kemudian menggunakan metode Gray-Level Co-Occurrence Matrix (GLCM) untuk ekstraksi bentuk dan tekstur. Hasil penelitian tentang klasterisasi varietas paprika juga menunjukkan bahwa proses itu berhasil. Model berhasil mengidentifikasi setiap sampel gambar dengan akurat seratus persen dengan menggunakan sampel delapan gambar paprika merah dan hijau. Penggunaan algoritma clusteriang K-means dan Matriks Co-Occurrence Level Gray (GLCM) menunjukkan hasil yang sangat baik; ini membuktikan efektivitasnya dalam melakukan klasterisasi pada varietas paprika.

References

Aditiya, T. L., Endryansyah, Rusmamto, W., & Muhammad, S. Z. (2022). Pengolahan citra digital buah murbei dengan algoritma LDA (Linear Discriminant Analysis). Indonesian Journal of Engineering and Technology, 4(2), 71–78. https://journal.unesa.ac.id/index.php/inajet

Andi Diah Kuswanto, Azumardi Nabil Fadhila, Paulus Tri Setiawan, Muhammad Kevin Setiawan, & Dody Renal Syahputra. (2024). Penerapan K-Means Clustering Untuk Menentukan Jumlah Pengangguran Berdasarkan Umur. Repeater : Publikasi Teknik Informatika Dan Jaringan, 2(3), 135–146. https://doi.org/10.62951/repeater.v2i3.116

Baso, B., Nababan, D., Risald, R., & Kolloh, R. Y. (2022). Segmentasi Citra Tenun Menggunakan Metode Otsu Thresholding dengan Median Filter. Jurnal Teknologi Dan Ilmu Komputer Prima (Jutikomp), 5(1), 1–6.

B. Putra Aryadi and N. Hendrastuty, “Penerapan Algoritma K-Means Untuk Melakukan Klasterisasi Pada Varietas Padi,” J. Inform. Rekayasa Elektron., vol. 7, no. 1, pp. 124–129, 2024, [Online]. Available: http://ejournal.stmiklombok.ac.id/index.php/jireISSN.2620-6900

Fansyuri, M., & Yunita, D. (2023). Implementasi K-Nearest Neighbor untuk klasifikasi jenis kelamin berdasarkan analisis citra wajah. Klik, 3(6), 1208–1216. https://doi.org/10.30865/klik.v3i6.827

Himmah, E. F., Widyaningsih, M., & Maysaroh, M. (2020). Identifikasi kematangan buah kelapa sawit berdasarkan warna RGB dan HSV menggunakan metode K-Means clustering. Jurnal Sains dan Informatika, 6(2), 193–202. https://doi.org/10.34128/jsi.v6i2.242

J. Sulaksono, D. W. Widodo, and R. K. Niswatin, “Analisis Hasil Perbaikan Citra Menggunakan Median Filter dan 2D Median Filter,” Semin. Nas. Teknol. Sains, vol. 3, no. 1, pp. 438–443, 2024, doi: 10.29407/stains.v3i1.4361.

Kuswanto, A. D., Fadhila, A. N., Setiawan, P. T., Setiawan, M. K., & Syahputra, D. R. (2024). Penerapan K-Means clustering untuk menentukan jumlah pengangguran berdasarkan umur. Repeater: Publikasi Teknik Informatika dan Jaringan, 2(3), 135–146. https://doi.org/10.62951/repeater.v2i3.116

Muhammad Haviz Irfani, & Gasim. (2024). Segmentasi teks pada citra tulisan tangan kalimat menggunakanmetode Median Filtering dan Otsu. Teknosains: Media Informasi Sains Dan Teknologi, 18(1), 88–97.

Murugan, A., Nair, S. A. H., Preethi, A. A. P., & Kumar, K. P. S. (2021). Diagnosis of skin cancer using machine learning techniques. Microprocessors and Microsystems, 81. https://doi.org/10.1016/j.micpro.2020.103727

Nurnaningsih, D., Alamsyah, D., Herdiansah, A., & Sinlae, A. A. J. (2021). Identifikasi Citra Tanaman Obat Jenis Rimpang dengan Euclidean Distance Berdasarkan Ciri Bentuk dan Tekstur. Building of Informatics, Technology and Science (BITS), 3(3), 171–178. https://doi.org/10.47065/bits.v3i3.1019

Salsabila, A., Yunita, R., & Rozikin, C. (2021). Identifikasi citra jenis bunga menggunakan algoritma KNN dengan ekstraksi warna HSV dan tekstur GLCM. Technomedia Journal, 6(1), 124–137. https://doi.org/10.33050/tmj.v6i1.1667

Sari, R. A., & Rahman, A. (2020). "Application of K-Means Clustering and GLCM for Image Classification." Journal of Applied Science and Technology

Yana, Y. E., & Nafi’iyah, N. (2021). Klasifikasi jenis pisang berdasarkan fitur warna, tekstur, bentuk citra menggunakan SVM dan KNN. Research: Journal of Computer, Information System & Technology Management, 4(1), 28. https://doi.org/10.25273/research.v4i1.6687

Yasmin, N., Chairunnissa, S., Akbar, D., & Ramadhanu, A. (2024). Penerapan K-Means clustering untuk klasifikasi citra cabai keriting: Studi ekstraksi warna dan tekstur GLCM. Repeater, 3(2), 65–71.

Yuhandri, Y., Ramadhanu, A., & Syahputra, H. (2022). Pengenalan teknologi pengolahan citra digital (Digital Image Processing) untuk santri di Rahmatan Lil’Alamin International Islamic Boarding School. Community Development Journal: Jurnal Pengabdian Masyarakat, 3(2), 1239–1244. https://doi.org/10.31004/cdj.v3i2.5868

Abdussalam Amrullah, Intam Purnamasari, Betha Nurina Sari, Garno, and Apriade Voutama, “Analisis Cluster Faktor Penunjang Pendidikan Menggunakan Algoritma K-Means (Studi Kasus: Kabupaten Karawang),” J. Inform. dan Rekayasa Elektron., vol. 5, no. 2, pp. 244–252, 2022, doi: 10.36595/jire.v5i2.701.

K. Ademariana, A. Aristoteles, F. R. Lumbanraja, and R. Andrian, “Clustering K-Means Jenis Kata Pada Laporan Kegiatan Kuliah Kerja Nyata (Kkn) Universitas Lampung Menggunakan Word2Vec,” J. Pepadun, vol. 2, no. 2, pp. 221–228, 2021, doi: 10.23960/pepadun.v2i2.64.