Deteksi Citra Bunga Menggunakan Analisis Segmentasi Fuzzy C-Means dan Otsu Threshold

  • Perani Rosyani Universitas Pamulang
  • Saprudin Saprudin Universitas Pamulang
Keywords: Deteksi, Segmentasi, Fuzzy C-Means, Otsu Threshold, Citra Bunga

Abstract

Segmentasi merupakan proses penting di dalam proses pengenalan citra. Segmentasi citra penting untuk mengektrasi fitur yang kita akan ambil sebagai data di dalam penelitian. Beberapa metode segmentasi digunakan di dalam proses pengambilan fitur. Namun di dalam penelitian ini kami menggunakan metode Fuzzy C-Means dan Otsu Threshold untuk mendeteksi citra bunga. Agar citra bunga dapat dikenali oleh komputer seperti penglihatan manusia. Dataset yang digunakan mengunakan Imageclef 2017. Citra yang diambil sebagai sample sebanyak 41 citra dengan kondisi background citra yang komplek dengan noise. Tujuan penelitian ini adalah mendapatkan metode segmentasi yang lebih baik di antara metode Fuzzy C-Means dengan Otsu Threshold. Hasil dari penelitian ini didapat dari 41 percobaan keberhasilan segmentasi Fuzzy C-Means mendeteksi objek secara sempurna adalah sebanyak 28 citra dan 16 citra yang gagal. Sedangkan untuk segmentasi menggunakan Otsu Threshold adalah sebanyak 24 citra yang sesuai dan 17 citra yang gagal. Persentase keberhasilan untuk metode Fuzzy C-Means adalah 61% dan untuk metode Otsu Threshold 70,8%.

Downloads

Download data is not yet available.

References

[1] I. A. Sulistyo, “Sistem Deteksi Panen Padi Berdasarkan Warna Daun Menggunakan Fuzzy C-Means,” 2017.
[2] S. Wulansari, “Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan,” Institut Teknologi Sepuluh Nopember, 2015.
[3] D. H. Apriyanti, A. M. Arymurthy, and L. T. Handoko, “Identification of Orchid Species using Content-based Flower Image Retrieval,” in International Conference on Computer, Control, Informatics and Its Applications (IC3INA), 2013, pp. 53–57.
[4] E. Varijki and B. K. Triwijoyo, “Segmentasi Citra MRI Menggunakan Deteksi Tepi Untuk Identifikasi Kanker Payudara,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 15, no. 2, p. 17, Jul. 2017.
[5] M. Michael, F. Tanoto, E. Wibowo, F. Lutan, and A. Dharma, “Pengenalan Plat Kendaraan Bermotor dengan Menggunakan Metode Template Matching dan Deep Belief Network,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 19, no. 1, pp. 27–36, Nov. 2019.
[6] P. Rosyani, “Pengenalan Wajah Menggunakan Metode Principal Component Analysis (PCA) dan Canberra Distance,” Jurnal Informatika Universitas Pamulang, vol. 2, no. 2, p. 118, 2017.
[7] P. Rosyani, M. Taufik, A. A. Waskita, and D. H. Apriyanti, “Comparison of Color Model for Flower Recognition,” in International Conference on Information Technology, Information System and Electrical Engineering (ICITISEE), 2018, pp. 10–14.
[8] G. B. Adhi and I. D. Wahyono, “Segmentasi Gambar Warna Menggunakan Sauvola Modifikasi Fuzzy C-Means (SMFCM),” Lontar Komputer : Jurnal Ilmiah Teknologi Informasi, vol. 5, no. 2, pp. 416–423, 2015.
[9] A. Ambarwati, R. Passarella, and Sutarno, “Segmentasi Citra Digital Menggunakan Thresholding Otsu untuk Analisa Perbandingan Deteksi Tepi,” in Annual Research Seminar, 2016, vol. 2, no. 1, pp. 216–226.
[10] H. D. Cheng, X. H. Jiang, Y. Sun, and J. Wang, “Color Image Segmentation: Advances and Prospects,” Pattern Recognition, vol. 34, no. 12, pp. 2259–2281, 2001.
[11] I. S. Wibisono and S. Mujiyono, “Segmentasi Fuzzy C-Means Untuk Membantu Identifikasi Kualitas Beras Berdasarkan Nilai Threshold , Warna Dan Ukuran,” Multimatrix : Jurnal Ilmu Komputer, vol. 1, no. 1, pp. 22–25, 2018.
[12] Y. A. Enggarwati, Ani Sari and R. C. Wihandika, “Segmentasi Citra Kue Tradisional menggunakan Ruang Warna Hue Saturation Segmentasi Citra Kue Tradisional menggunakan Ruang Warna Hue Saturation Value dan Otsu Thresholding,” JPTIIK (Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer), vol. 3, no. 8, pp. 7556–7560, 2019.
[13] P. Selvakumar and S. H. Ganesh, “Tamil Character Recognition Using Canny Edge Detection Algorithm,” in World Congress on Computing and Communication Technologies (WCCCT), 2017, pp. 250–254.
[14] D. Anggraeni P, V. A. Putri, S. F. Al-Uswah, M. F. H. Tulloh, and M. S. Zuhri, “Segementasi Citra Digital Ikan Menggunakan Metode Thresholding dan K-Means,” Yudistira Lecture, vol. 1, no. 1, pp. 1–10, 2014.
[15] P. Bao, Lei Zhang, and Xiaolin Wu, “Canny Edge Detection Enhancement by Scale Multiplication,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 27, no. 9, pp. 1485–1490, Sep. 2005.
[16] S. Marimuthu and S. M. M. Roomi, “Particle Swarm Optimized Fuzzy Model for the Classification of Banana Ripeness,” IEEE Sensors Journal, vol. 17, no. 15, pp. 4903–4915, 2017.
Published
2020-09-29
How to Cite
Rosyani, P., & Saprudin, S. (2020). Deteksi Citra Bunga Menggunakan Analisis Segmentasi Fuzzy C-Means dan Otsu Threshold. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 20(1), 27-34. https://doi.org/https://doi.org/10.30812/matrik.v20i1.715
Section
Articles