ANALISIS PERBANDINGAN ALGORITMA CLUSTERING DALAM MELAKUKAN SEGMENTASI WARNA PADA CITRA JAJAN TRADISIONAL
DOI:
https://doi.org/10.46984/sebatik.v27i1.2273Keywords:
Jajanan, Tradisional, Segmentasi, Warna, Fuzzy, K-Means, C-MeansAbstract
Jajanan tradisional sangat beragam dan memiliki ciri warna tertentu, seperti kue putu dengan dominan warna hijau, kue cucur dengan dominan warna coklat, kue lumpur dengan dominan warna kuning, combro dengan dominan warna kuning keemasan, gemblong dengan dominan warna coklat, dan masih banyak yang lainnya. Masyarakat pada era jaman sekarang lebih banyak menyukai produk makanan instan, dari segi rasa jajan tradisional tidak kalah enak dengan makanan instan yang beredar di pasaran sedangkan dari segi kesehatan, jelas jajan tradisional lebih sehat karena tidak mengandung bahan pengawet. Machine learning terdapat suatu teknik yang dapat melakukan segmentasi pada citra digital, yang disebut teknik segmentasi citra. Segmentasi merupakan proses partisi gambar digital ke beberapa daerah dengan tujuan untuk menyederhanakan ataupun merubah representasi gambar menjadi sesuatu yang lebih bermakna dan mudah dianalisa. Metode yang digunakan adalah metode clustering karena dapat melakukan clustering warna dengan baik. Algoritma clustering yang digunakan antara lain K-Means, Fuzzy C-Means, dan metode Elbow digunakan untuk mencari jumlah cluster berdasarkan Sum of Square Error (SSE). Aplikasi segmentasi gambar ini terdiri dari Web Apps dan Python Apps. Aplikasi Python adalah server untuk aplikasi segmentasi gambar ini dan kerangka web yang digunakan adalah Flask API. Berdasarkan sepuluh pengujian yang telah dilakukan, algoritma K-Means mendapatkan akurasi sebesar 76,47% dan algoritma Fuzzy C-Means mendapatkan akurasi sebesar 68,63%. Akurasi tersebut dapat disimpulkan bahwa algoritma K-Means lebih baik dan efisien dari segi waktu dibandingkan algoritma Fuzzy C-Means dalam melakukan segmentasi warna pada citra jajanan tradisional.
References
Andika, T. H., & Hafiz, A. (2018). Analisis Perbandingan Segmentasi Citra Menggunakan Metode K-Means dan Fuzzy C-Means. Prosiding Seminar Nasional Darmajaya, 1(1), 237–246.
Antarissubhi, A. (2020). PEMODELAN FUZZY LOGIC CLUSTERING PARAMETER TANAH PERMUKAAN BERDASARKAN PROFIL GEORESISTIVITAS DAN GEOLOGI TEKNIK. Universitas Hasanuddin.
Dinata, R. K., Safwandi, S., Hasdyna, N., & Azizah, N. (2020). Analisis k-means clustering pada data sepeda motor. INFORMAL: Informatics Journal, 5(1), 10–17.
Fadholi, R., Sari, Y. A., & Bachtiar, F. A. (2019). Pengenalan Citra Makanan Tradisional menggunakan Fitur Hue Saturation Value dan Fuzzy k-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer E-ISSN, 2548, 964X.
Febriani, F. D., Sari, Y. A., & Wihandika, R. C. (2019). Klasifikasi Citra Kue Tradisional Indonesia Berdasarkan Ekstraksi Fitur Warna RGB Color Moment Menggunakan K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer E-ISSN, 2548, 964X.
Firdhiana, S., & Anggapuspa, M. L. (2021). PERANCANGAN BUKU ILUSTRASI MENGENAL JAJANAN KHAS KOTA PROBOLINGGO SEBAGAI MEDIA EDUKASI ANAK USIA 6–12 TAHUN. BARIK, 3(1), 170–180.
Gao, H., Xiao, J., Yin, Y., Liu, T., & Shi, J. (2022). A mutually supervised graph attention network for few-shot segmentation: the perspective of fully utilizing limited samples. IEEE Transactions on Neural Networks and Learning Systems.
Muningsih, E., & Kiswati, S. (2018). Sistem aplikasi berbasis optimasi metode elbow untuk penentuan clustering pelanggan. Joutica: Journal of Informatic Unisla, 3(1), 117–124.
Premana, A., Bhakti, R. M. H., & Prayogi, D. (2020). Segmentasi K-Means Clustering Pada Citra Menggunakan Ekstrasi Fitur Warna dan Tekstur. Jurnal Ilmiah Intech: Information Technology Journal of UMUS, 2(01), 89–97.
Priyatman, H., Sajid, F., & Haldivany, D. (2019). Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 5(1), 62.
Santoso, J., Suhardjono, H., & Wattimury, A. (2020). The Study of Color Spectrum Curs Value Against Sunlight Color and Artificial Light for Plant Growth. Nusantara Science and Technology Proceedings, 11–22.
Sinaga, I. P. (2021). Implementasi Kriptografi Hybrid Algoritma Elgamal Dan Double Playfair Cipher Dalam Pengamanan File Jpeg Berbasis Dekstop. Journal of Informatics, Electrical and Electronics Engineering, 1(2), 67–74.
Sutariawan, I. P. E., Dantes, G. R., & Aryanto, K. Y. E. (2018). Segmentasi Mata Katarak pada Citra Medis Menggunakan Metode Operasi Morfologi. Jurnal Ilmu Komputer Indonesia, 3(1), 23–31.
Swedia, E., Fitriani, R., Cahyanti, M., Ernastuti, & Septian, M. (2022). Feed Forward Neural Network untuk Prediksi Data mplementasi dengan Python dan Flask API pada Sistem Operasi Windows (Vols. 978-623-351-612–9). PT. Nas Media Indonesia.
Swedia, E. R., & Cahyanti, M. (2010). Algoritma Transformasi Ruang Warna. Depok Univ. Gunadarma.
Syarifuddin, D., Noor, C. M., & Rohendi, A. (2018). Memaknai Kuliner Lokal Sebagai Daya Tarik Wisata Kota Bandung. Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat, 1(1).
Widyartini, N. P. (2020). Tinjauan Keamanan Pangan, Hygiene Sanitasi Dan Kandungan Gizi Makanan Tradisional Di Kabupaten Tabanan. Poltekkes Denpasar.
Wikanargo, M. A., & Thenata, A. P. (2018). Image Segmentation of Chest X-Rays for Abnormality Pattern Recognation in Lungs Using Fuzzy C-Means Method. Jurnal Terapan Teknologi Informasi, 2(2), 101–111.
Downloads
Published
How to Cite
Issue
Section
License
Authors retain all their rights to the published works, such as (but not limited to) the following rights; Copyright and other proprietary rights relating to the article, such as patent rights, The right to use the substance of the article in own future works, including lectures and books, The right to reproduce the article for own purposes, The right to self-archive the article
.png)
