IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
Abstract
Ciri yang digunakan dalam identifikasi kematangan buah adalah ciri warna (fitur R, G, dan B). Selanjutnya dilakukan clustering dengan metode Single Linkage Hierarchical Method (SLHM) terhadap ciri warna yang diperoleh. Dalam clustering, umumnya harus dilakukan inisialisasi jumlah cluster yang diinginkan terlebih dahulu, padahal pada beberapa kasus clustering, user bahkan tidak tahu berapa banyak cluster yang bisa dibangun. Untuk itu, dalam penelitian ini diaplikasikan metode Valley Tracing. Metode ini merupakan constraint yang akan melakukan identifikasi terhadap pergerakan variance dari tiap tahap pembentukan cluster, dan menganalisa polanya untuk membentuk suatu cluster secara otomatis (automatic clustering). Jumlah cluster yang diperoleh menunjukkan jumlah buah yang diidentifikasi, kemudian nama buah dan jenis kematangan masing-masing buah diperoleh dengan membandingkan nilai centroid tiap cluster dengan nilai centroid data training yang sebelumnya telah disimpan dalam database dan mempunyai label nama buah.
Full Text:
PDF (Bahasa Indonesia)References
Ali Ridho Barakhbah, Kohei Arai, 2004, “Determining Constraints of Moving Variance to Find Global Optimum and Make Automatic Clustering” IES Proc. Pp 409-413.
C.J. Veenman, M.J.T. Reinders, E. Backer, 2002, “A Maximum Variance
Cluster Algorithm”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 24, No. 9, pp. 1273-1280.
http://www.elet.polimi.it/upload/matteucc/Clustering/tutorialhtml/index.html
S. Ray, R.H. Turi, 1999, “Determination of Number of Clusters in K-means Clustering and Application in Colour Image Segmentation”, 4th ICAPRDT Proc., pp.137-143.
Refbacks
- There are currently no refbacks.