INFORMASI
ABSTRAK
ARTIKEL
Busuk buah atau antraknosa merupakan jenis penyakit yang sering menyerang
Article history:
Received
buah cabai. Jika diteliti penyakit busuk buah ini bisa membahayakan
Revised pertumbuhan tanaman, bahkan bisa membuat tanaman gagal panen karena.
Accepted Penelitian ini bertujuan melakukan segmentasi pada citra daun busuk buah
dengan memanfaatkan fitur warna pada daun. Pada paper ini metode
pengolahan citra menggunakan clustering K-Mean, hasil dari pengolahan citra
Keywords: adalah kutu kebul bisa terdeteksi dengan menggunakan clustering K-Mean
Cabai
Citra Daun
sebab bisa dibedakan dengan susunan warna yang dihasilkan dari proses
K-Means pengolahan citra. Sehingga bisa dikatakan K-Mean clustering cocok digunakan
dalam mendeteksi citra Kutu Kebul pada daun.Akan tetapi pada penelitian ini
masih ada kelemahan, yaitu objek bemisia tabaci belum dipisahkan dari citra
daun, ini menjadi salah satu saran untuk penelitian yang akan datang.
cukup. Lalu gambar di resize ukuran nya b. Iterasi ke-2. Setiap pusat – pusat
menjadi 400x400 agar gambar mudah gugusan berpindah/bergerak ke pusat
kebaca oleh sistem di saat tahap uji latih tengah rataan, semua pikselnya.
model menggunakan algoritma k-means c. Iterasi ke-n. Semua pusat gugusan
telah stabil.
2.1 Eksprimen K-Means Clustering
Hasil segmentasi diatas menggunakan
Algoritma K-Means secara umum
metode k-means clustering, dengnan hasil
dilakukan dengan algoritma dasar sebagai
iterasi sebagai berikut:
berikut:
2 iterasi, jumlah total jarak = 9.23678e + 09.
a. Data yang dipisahkan dikelompokan
3 iterasi, jumlah total jarak = 9.23678e + 09
kedalam kelompok-kelompok data
4 iterasi, jumlah total jarak = 9.23678e + 09.
(klaster) k dan nilainilai data diacak
4 iterasi, jumlah total jarak = 9.23678e + 09.
kedalam hasil-hasil yang dimasukan
8 iterasi, jumlah total jarak = 9.23678e + 09.
kedalam kelompok data yang
memiliki kesamaan jumlah dari nilai
4. Kesimpulan
data.
Dari pembahasan diatas dapat
b. Menghitung setiap nilai data
disimpulkan bahwa dengan menggunakan
menggunakan jarak Euclidean pada
K-Mean Clustering maka penyakit busuk
setiap klaster.
buah bisa terdeteksi, dengan hasil dari
c. Abaikan jika nilai data diwakili oleh
pengolahan citra yang dengan adanya hasil
kelompok datanya sendiri , dan
dari beberapa iterasi, sehingga petani yang
pindah nilai kedalam kelompok data
melihat bisa dengan mudah membedakan.
yang telah terwakili jika nilai data
Dan dengan melihat hasil pengolahan citra
tersebut tidak diwakili oleh kelompok
dapat dikatakan jika metode clustering K-
data.
Mean cocok untuk mendeteksi hasil citra
d. Ulangi langkah hingga lengkap
busuk buah yang terdapat pada daun.
meliputi seluruh hasil nilai data dalam
5. Ucapan terima kasih
perpindahan satu klaster ke klaster
lainnya (Widodo et al., 2011). Saya ucapkan terimakasih sebesar-
Data yang digunakan untuk diklaster besarnya pada teman-teman yang sudah
diperoleh dengan membandingkan jarak mendukung dan mengingatkan saya untuk
(distance), jarak digunakan untuk selalu mengerjakan jurnal atau paper ini.
menentukan tingkat kesamaan (similarity
degree) atau ketidaksamaan dua vektor 6. Referensi
fitur.
Tingkat kesamaan berupa suatu nilai
(score) dan berdasarkan skor tersebut dua
vektor fitur akan dikatakan mirip atau
tidak. Euclidean distance adalah metrika
yang paling sering digunakan untuk
menghitung kesamaan 2 vektor. Euclidean
distance menghitung akar dari kuadrat
perbedaan 2 vektor (Mara & Satyahadewi,
2013).