Analisis Hasil Segmentasi Citra Daun Bawang Dengan Metode Adaptive Thesholding dan K-Means Clustering
DOI:
https://doi.org/10.31328/jointecs.v8i3.4791Keywords:
pengolahan citra, daun bawang merah, k-means clustering, adaptive thresholding, segmentasiAbstract
Segmentasi citra yang akurat memiliki dampak signifikan pada hasil analisis citra secara keseluruhan. Penelitian ini bertujuan untuk membandingkan metode Adaptive Thresholding dan K-Means Clustering dalam segmentasi citra daun bawang merah dengan latar belakang yang berbeda. Dengan menggunakan analisis kuantitatif terhadap 25 citra daun bawang yang beragam, hasil penelitian menunjukkan bahwa Adaptive Thresholding menghasilkan segmentasi yang memuaskan dalam skala warna hitam dan putih, sementara K-Means Clustering dengan ekstraksi fitur juga memberikan hasil yang memuaskan. Analisis berbasis aplikasi web dalam 5 skenario mengonfirmasi keefektifan kedua metode tersebut. Adaptive Thresholding mencapai Jaccard index sebesar 0.92, Rand index sebesar 0.85, dan F1 score sebesar 0.95. Sedangkan K-Means Clustering memiliki Jaccard index sebesar 0.64, Rand index sebesar 0.69, dan F1 score sebesar 0.71 pada skenario latar belakang media tanam. Meskipun demikian, hasil segmentasi terbaik diperoleh dengan menggunakan Adaptive Thresholding pada latar belakang Putih Cahaya Terang, dengan Jaccard index sebesar 0.96, Rand index sebesar 0.91, dan F1 score sebesar 0.98. Penelitian ini memberikan rekomendasi untuk segmentasi optimal citra daun bawang merah dengan latar belakang yang berbeda, dengan menekankan keefektifan Adaptive Thresholding dalam mencapai tingkat akurasi tinggi melalui ekstraksi fitur bentuk dan tekstur. Pencahayaan yang memadai saat pengambilan citra merupakan faktor penting untuk mencapai hasil segmentasi yang optimal.References
J. Stenica Hariyono, H. Zulfia Zahro`, dan R. Primaswara, “Perancangan Sistem Informasi Geografis Hasil Produksi Pertanian Bawang Merah Di Kabupaten Nganjuk Menggunakan Metode K-Means,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 5, no. 2, hlm. 487–494, Okt 2021, doi: 10.36040/jati.v5i2.3737.
Febrinanto dan Falih Gozi, “Implementasi Algoritme K-Means Sebagai Metode Segmentasi Citra Dalam Identifikasi Penyakit Daun Jeruk,” Thesis (Sarjana), Universitas Brawijaya, Malang, 2018. Diakses: 17 November 2022. [Daring]. Tersedia pada: http://repository.ub.ac.id/id/eprint/161535/
K. A. Lubis, M. Rusdi, dan S. Sugianto, “Proses Segmentasi Citra Satelit Untuk Pemetaan Tutupan Lahan,” Jurnal Ilmiah Mahasiswa Pertanian, vol. 6, no. 4, hlm. 691–698, Nov 2021, doi: 10.17969/jimfp.v6i4.18414.
E. Eliyani dan F. Nizam, “Pemilihan Metode Segmentasi Pada Citra Ultrasonografi Ovarium,” E-Link: Jurnal Teknik Elektro dan Informatika, vol. 16, no. 1, hlm. 14, Jul 2021, doi: 10.30587/e-link.v16i1.2731.
A. Desiani, D. A. Zayanti, R. Primartha, F. Efriliyanti, dan N. A. C. Andriani, “Variasi Thresholding untuk Segmentasi Pembuluh Darah Citra Retina,” Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 7, no. 2, hlm. 255, Agu 2021, doi: 10.26418/jp.v7i2.47205.
T. Naraloka, L. I. Kesuma, A. Sukmawati, dan M. Cristianti, “Arsitektur U-Net pada Segmentasi Citra Hati sebagai Deteksi Dini Kanker Liver,” Techno.Com, vol. 21, no. 4, hlm. 753–764, Nov 2022, doi: 10.33633/tc.v21i4.6669.
E. Rahmawati, “Penerapan Adaptive Mean Thresholding dan Bounding Box Pada Foto Sapi Untuk Perhitungan Perkiraan Bobot Sapi Menggunakan Formula Lambourne,” SPIRIT, vol. 15, no. 1, Mei 2023, doi: 10.53567/spirit.v15i1.288.
D. T. Anggraeni, “Perbaikan Citra Dokumen Hasil Pindai Menggunakan Metode Simple, Adaptive-Gaussian, dan Otsu Binarization Thresholding,” EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi, vol. 11, no. 2, hlm. 71, Des 2021, doi: 10.36448/expert.v11i2.2170.
R. S. D. Wijaya, Adiwijaya, Andriyan B Suksmono, dan Tati LR Mengko, “Segmentasi Citra Kanker Serviks Menggunakan Markov Random Field dan Algoritma K-Means,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, hlm. 139–147, Feb 2021, doi: 10.29207/resti.v5i1.2816.
R. F. Nugrohoputri, A. Desiani, Y. Wahyudi, M. G. Al-Filambany, S. Susanto, dan S. I. Maiyanti, “Segmentasi Citra Nukleus Sel Kanker Serviks Menggunakan Otsu Thresholding Dan Morfologi Closing,” JSI ( Jurnal Sistem Informasi ), vol. 14, no. 1, hlm. 2533–2543, Apr 2022.
H. Pangaribuan dan P. Simanjuntak, “Analisis Kualitas Perbandingan Citra Dengan Metode Segmentasi Citra,” Jurnal Teknik Informatika UNIKA Santo Thomas, vol. 6, no. 2, hlm. 289–297, Nov 2021, doi: 10.54367/jtiust.v6i2.1470.
B. A. Sukardi dan D. P. Pamungkas, “Analisa Hasil Perbaikan Citra Menggunakan Median Filter,” SEMNAS INOTEK, vol. 6, no. 2, hlm. 144–149, Agu 2022.
P. Faradilla, S. F. Rezky, dan R. Hamdani, “Implementasi Metode Kernel Konvolusi Dan Contrast Stretching Untuk Perbaikan Kualitas Citra Digital,” Jurnal Sistem Informasi Triguna Dharma, vol. 1, no. 6, hlm. 865–875, Okt 2022.
I. E. Y. Sari, M. Furqan, dan S. Sriani, “Penerapan Metode Otsu dalam Melakukan Segmentasi Citra pada Citra Naskah Arab,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 20, no. 1, hlm. 59–72, Sep 2020, doi: 10.30812/matrik.v20i1.658.
Muhammad Aditya, “Segmentasi Citra Pada Citra Naskah Kuno Dengan Menggunakan Algoritma Local Adaptive Thresholding,” Universitas Islam Negeri Sumatera Utara, Deli Serdang, 2020.
Ulla Delfana Rosiani, Cahya Rahmad, Marcelina Alifia Rahmawati, dan Frangky Tupamahu, “Segmentasi Berbasis K-Means Pada Deteksi Citra Penyakit Daun Tanaman Jagung,” Jurnal Informatika Polinema, vol. 6, no. 3, hlm. 37–42, Mei 2020, doi: 10.33795/jip.v6i3.331.
Medinah, Debi Razabni Erika, dan Sinar Sinurat, “Analisa dan Perbandingan Algoritma Otsu Thresholding dengan Algoritma Region Growing Pada Segmentasi Citra Digital.,” Journal of Computer System and Informatics (JoSYC) , vol. 2, no. 1, hlm. 9–16, Nov 2020, Diakses: 1 Januari 2023. [Daring]. Tersedia pada: http://ejurnal.seminar-id.com/index.php/josyc/article/view/399
Shinta Siti Sundari, Asep Sugiharto, dan Rizki Nursamsi, “Deteksi Penyakit Antraknosa pada Daun Pepaya California Berdasarkan Segmentasi K-Means Clustering dengan Menggunakan Metode Klasifikasi Support Vector Machine,” e-Jurnal JUSITI (Jurnal Sistem Informasi dan Teknologi Informasi), vol. 9, no. 2, hlm. 164–173, Okt 2020, doi: 10.36774/jusiti.v9i2.771.
K. Anwar, M. Yunus, dan S. Sujito, “Segmentasi Citra Warna Otomatis Rambu Lalu Lintas dengan Penerapan Mask Thresholder,” Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 7, no. 3, hlm. 481, Des 2021, doi: 10.26418/jp.v7i3.49969.
R. H. Ariesdianto, Z. E. Fitri, A. Madjid, dan A. M. N. Imron, “Identifikasi Penyakit Daun Jeruk Siam Menggunakan K-Nearest Neighbor,” Jurnal Ilmu Komputer dan Informatika, vol. 1, no. 2, hlm. 133–140, Nov 2021, doi: 10.54082/jiki.14.
Downloads
Published
Issue
Section
License
Pernyataan Hak Cipta dan Lisensi
Hak Cipta :
Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:
Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
- Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);
Lisensi :
JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.
This work is Under licensed
Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
