Segmentasi Warna Citra Bunga Daisy dengan Algoritma K-Means pada Ruang Warna Lab

Abstract

Segmentasi pada citra bunga atau tanaman merupakan pra proses yang penting dalam bidang botani, salah satunya untuk mengidentifikasi penyakit pada bunga atau tanaman lainnya. Salah satu permasalah dalam segmentasi citra menghasilkan citra tersegmentasi secara automatis, hal tersebut dikarenakan kebutuhan akan waktu yang tidak sebentar untuk menghasilkan citra tersegmentasi secara manual. Untuk mengatasi kendala tersebut dilakukan proses klasterisasi dengan menggunakan algoritma k-means. Pada penelitian ini segmentasi dilakukan dengan menggunakan ruang warna Lab dan RGB sebagai pembanding kinerja k-means dalam mengklasterisasi citra bunga dalam hal ini bunga Daisy. Hasil yang baik dimiliki oleh ruang warna Lab dalam proses klasterisasinya.

Identification of Tempe Fermentation Maturity Using Principal Component Analysis and K-Nearest Neighbor

“…LAB is a type of color-opponent color space in the image (red vs green and yellow vs blue) based on the XYZ color space. This color space describes all the colors visible to the human eye, where L identifies light, A identifies the position of red (red) and green (green) and B identifies the position between yellow (yellow) and blue (blue) (Alamsyah and Pratama 2019).…”