Article Per Year (5 Year)
p-Index From 2021 - 2026
2.203
P-Index
This Author published in this journals
All Journal International Journal of Advances in Applied Sciences ELINVO (Electronics, Informatics, and Vocational Education) CESS (Journal of Computer Engineering, System and Science) Jurnal Informatika Upgris Jurnal Eksplora Informatika JMM (Jurnal Masyarakat Mandiri) Martabe : Jurnal Pengabdian Kepada Masyarakat ARSY : Jurnal Aplikasi Riset kepada Masyarakat International Journal of Social Science, Educational, Economics, Agriculture Research, and Technology (IJSET) Journal of Computer and Information System (J-CIS) Jurnal Masyarakat Berdikari dan Berkarya (MARDIKA)
Nanda, Novianda Nanda
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Physics Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Computer and Information System (J-CIS)

 1 
Visualisasi Serta Efektifitas Colour Clustering dengan K-Means dan Bee Algorithm Siregar, Ginda Maruli Andi; Novianda, Novianda
Journal of Computer and Information System ( J-CIS ) Vol 8 No 1 (2025): J-CIS Vol. 8 No. 1 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i1.5040

Abstract

Klasterisasi citra digital merupakan dasar utama dalam analisis citra dan pengenalan pola yang dimungkinkan dalam proses segmentasi objek dalam gambar secara otomatis berdasarkan kemiripan warna, tekstur, atau intensitas. Klasterisasi umumnya dilakukan dengan algoritma K-Means karena kemampuannya yang sederhana dan efisien dalam mengelompokkan data, namun memiliki kelemahan seperti ketergantungan pada inisialisasi awal dan mudah terjebak pada solusi lokal, sedangkan Bee Algorithm menawarkan pendekatan optimasi yang lebih adaptif dan eksploratif sehingga dapat menghasilkan hasil klaster yang lebih optimal. Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Means dan Bee Algorithm (BA) dalam proses klasterisasi warna pada citra digital. Evaluasi dilakukan berdasarkan dua indikator utama, yaitu total jarak antar piksel ke pusat klaster dan sebaran kuantitas warna pada masing-masing klaster. Hasil eksperimen menunjukkan bahwa BA menghasilkan nilai jarak total yang lebih kecil dibandingkan K-Means pada semua jumlah klaster yang diuji. Nilai jarak yang lebih kecil menunjukkan bahwa BA mampu menemukan pusat klaster yang lebih optimal. Selain itu, distribusi kuantitas warna pada klaster hasil BA tampak lebih seimbang dibandingkan K-Means. Hal ini menunjukkan bahwa BA dapat memisahkan warna-warna dominan dengan lebih akurat. Berdasarkan hasil analisis dari gambar segmentasi dengan 2, 4, 8, dan 16 kluster, terlihat bahwa metode Bee Algorithm (BA) secara konsisten menghasilkan segmentasi warna yang lebih halus dan mendekati tampilan asli objek dibandingkan dengan metode K-Means. Dengan peningkatan jumlah kluster, kedua metode memang mengalami peningkatan kualitas visual, namun BA lebih unggul dalam mempertahankan detail halus seperti tekstur bulu dan gradasi warna alami. Sementara itu, K-Means cenderung menghasilkan pembagian warna yang lebih kaku dan berbentuk blok, yang mengurangi kealamian visual terutama pada jumlah kluster yang rendah.
Co-Authors Akram, Rizallul Akram, Rizalul al-azizi, khalid mahfudh Anam, M Khairul Ananta, Auliyah Balqis Atmaja, Teuku Hadi Wibowo Cut, Banta Fadhilla, Cut Alna Fadhliani, Fadhliani Fauziana, Lia Ihsan, Ahmad Irwansyah Irwansyah Khairul Muttaqin Khairul Muttaqin, Khairul Liza Fitria, Liza Munawir Munawir Nurhidayah, Rif'ah Nurul fadillah, Nurul Pangestu, M Ridho Pramanda, Ryan Rifqiyah, Fina S, Rahmansyah Sabardi, Wiky Sultan, Jumriani Thoriq, Thoriq Thoriq Tsunami, Lindu