Article Per Year (5 Year)
p-Index From 2020 - 2025
2.811
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika JuSiTik : Jurnal Sistem dan Teknologi Informasi Komunikasi Informatics and Enginering Dedication Klik - Jurnal Ilmu Komputer Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer eProceedings of Engineering Innovative: Journal Of Social Science Research TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi MDP Student Conference Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi
Dicky Pratama
Jurusan Administrasi Publik, Fakultas Ilmu Administrasi, Universitas Brawijaya, Malang
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Public Health Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Buana Informatika

 1 
Segmentasi Warna Citra Bunga Daisy dengan Algoritma K-Means pada Ruang Warna Lab Alamsyah, Derry; Pratama, Dicky
Jurnal Buana Informatika Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1655.562 KB) | DOI: 10.24002/jbi.v10i2.2458

Abstract

Abstract. Segmentation in images of flowers or plants is an important pre-process in the field of botany, one of which is for identifying diseases of flowers or other plants. One of the problems in the image segmentation is the segmented images produced automatically. It is due to the long period of time needed to produce segmented images manually. To overcome these issues, a clustering process was carried out using the k-means algorithm. In this study segmentation is done by using Lab color space and RGB as a comparison to K-means in clustering the image of daisy flowers. Good results are showed by the Lab color space in the clustering process that 60% of the data has lower silhouette coefficient than RGB color space and 3.94% as the mean of s negative.Keywords: Segmentation, Lab, K-MeansAbstrak. 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 permasalahan dalam segmentasi citra adalah menghasilkan citra tersegmentasi secara otomatis. 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 Desi. Hasil yang baik dimiliki oleh ruang warna Lab dalam proses klasterisasinya, yaitu dengan 60% data memiliki nilai silhoutte coeficient (s) yang lebih kecil dari ruang warna RGB dan memiliki rata-rata sebesar 3.94% s negatif.Kata Kunci: Segmentasi, Lab, k-Means
Co-Authors Abdurrahman, M Aulia Alvian, Muhammad Christian Audina, Mia Divia Denita, Nayra Alya Derry Alamsyah Fakultas, Azam Zamhuri Fuadi gasim, Gasim Gunawan, Jenifer Inayatullah, Inayatullah Ishak, Reven Rudy Kristian, Alfredo Lim, Bryan Lioe, Valencia Michael Michael Michael Saputra Muhammad Wildan Mulia Perdana, Prayogi Murt, Muhammad Ary Permata, Imelda Nova Putri Meylani, Viola Rahmad Firdaus Rajaguguk, Rifaldi Febriansyah Richi, Michael Seftian, M. Gilang Skavinsky Teddy, Roger Su, Nickolas Suwanto, Fredy Tinaliah, Tinaliah Triana Elizabeth, Triana Ubaidillah Ubaidillah Virgie, Marsella Yeremia, Deryl Andeya Yoannita, Yoannita Zidan, Abiyyu Al Thoriq