SEGMENTASI CITRA BUAH MENGKUDU MENGGUNAKAN METODE MAHALANOBIS HISTOGRAM THRESHOLDING - MAHALANOBIS FUZZY C-MEANS (MHT-MFCM) DISERTAI OPERASI MORFOLOGI

Andi Baso Kaswar

Sari


Metode pengklasteran berbasis jarak Euclidean dapat digunakan untuk melakukan proses segmentasi citra buah mengkudu. Namun, citra buah mengkudu membentuk klaster hyperellipsoid pada ruang fitur. Hal tersebut menyebabkan metode pengklasteran berbasis jarak Euclidean tidak memberikan hasil segmentasi yang cukup akurat. Penelitian ini mengusulkan sebuah metode baru untuk segmentasi citra buah mengkudu menggunakan Mahalanobis Histogram Thresholding-Mahalanobis Fuzzy C-Means (MHT-MFCM) disertai operasi morfologi. Metode yang diusulkan terdiri atas dua tahapan utama yaitu: pengklasteran dan peningkatan akurasi. Berdasarkan hasil eksperimen, diperoleh rata-rata akurasi sebesar 99,45% dengan rata-rata tingkat Missclassification Error sebesar 0,55%. Hasil yang diperoleh menunjukkan bahwa metode yang diusulkan dapat memberikan hasil segmentasi yang lebih akurat dibandingkan dengan metode pembandingnya.

Teks Lengkap:

Tidak berjudul

Referensi


W. Mian-ying dkk., “Morinda itrifolia ( Noni ): A Literature Review and Recent Advances in Noni Research,” Acta Pharmacol. Sin., vol. 23, no. 12, hal. 1127–1141, 2002.

C. Winarti, “Peluang Pengembangan Minuman Fungsional Dari Buah Mengkudu (Morinda citrifolis L.),” Jurnal Litbang Pertanian., vol. 24, no. 4, hal. 149–155, 2005.

Z. M. Zin, A. Abdul-Hamid, dan A. Osman, “Antioxidant Activity Of Extracts From Mengkudu (Morinda citrifolia L .) Root, Fruit, And Leaf,” Food Chem., vol. 78, hal. 227–231, 2002.

A. Bangun dan B. Sarwono, Khasiat dan Manfaat Mengkudu. Jakarta: Agro Media Pustaka, 2004.

S. Agustin dan E. Prasetyo, “Klasifikasi Jenis Pohon Mangga Gadung dan Curut Berdasarkan Tesktur Daun,” in SESINDO 2011-Jurusan Sistem Informasi ITS, 2011, hal. 58–64.

M. A. Agmalaro, A. Kustiyo, dan A. R. Akbar, “Identifikasi Tanaman Buah Tropika Berdasarkan Tekstur Permukaan Daun Menggunakan Jaringan Syaraf Tiruan,” Jurnal Ilmu Komputer Agri-Informatika, vol. 2, no. 2, hal. 73–82, 2013.

A. B. Kaswar, A. Z. Arifin, dan A. Y. Wijaya, “Segmentasi Citra Ikan Tuna dengan Mahalanobis Histogram Thresholding dan Mahalanobis Fuzzy C-Means,” Jurnal Buana Informatika, vol. 7, no. 3, hal. 197–204, 2016.

F. Zhao, H. Liu, dan J. Fan, “A Multiobjective Spatial Fuzzy Clustering Algorithm for Image Segmentation,” Applied Soft Computing, vol. 30, hal. 48–57, 2015.

R. C. Gonzalez, R. E. Woods, dan B. R. Masters, Digital Image Processing, third edition. Pearson Education, Inc., 2008.

H. Yao, Q. Duan, D. Li, dan J. Wang, “An Improved K-Means Clustering Algorithm for Fish Image Segmentation,” Mathematical and Computer Modelling., vol. 58, no. 3–4, hal. 790–798, 2013.

J. C. Bezdek, R. Ehrlich, dan W. Full, “FCM: The Fuzzy C-Means Clustering Algorithm,” Computers and Geosciences, vol. 10, no. 2–3, hal. 191–203, 1984.

X. Zhao, Y. Li, dan Q. Zhao, “Mahalanobis Distance Based on Fuzzy Clustering Algorithm for Image Segmentation,” Digital. Signal Processing, vol. 43, hal. 8–16, 2015.


Refbacks

  • Saat ini tidak ada refbacks.

Article Metrics

Sari view : 38 times
Tidak berjudul - 24 times