<![CDATA[Abstract: Clustering is one of the methods in data processing that aims to group objects based on certain similarities. This study aims to cluster Trumpet Flower (Brugmansia) and Balsam Flower (Impatiens Balsamina) using the K-Means method based on digital image processing. The image processing begins with a pre-processing stage, including grayscale conversion, noise reduction, and object segmentation. Next, image features are extracted to obtain information on texture, color, and shape. The extracted feature data is then analyzed and grouped using the K-Means algorithm, where the clustering results are evaluated based on grouping accuracy and inter-cluster consistency. The study results show that the K-Means method can effectively cluster Trumpet Flower and Balsam Flower with high accuracy, depending on the input image quality and clustering parameters. This study highlights the great potential of the K-Means algorithm in image processing applications, particularly for visual-based object identification and grouping. Keywords: K-Means; clustering; image processing; Trumpet flower; Balsam flower Abstrak: Klasterisasi merupakan salah satu metode dalam pengolahan data yang bertujuan untuk mengelompokkan objek-objek berdasarkan kemiripan tertentu. Penelitian ini bertujuan untuk melakukan klasterisasi terhadap bunga Terompet ( Brugmansia ) dan bunga Kaki Itik ( Impatiens Balsamina ) menggunakan metode K-Means berbasis pengolahan citra digital. Proses pengolahan citra diawali dengan tahap pra-pengolahan yang meliputi konversi ke skala abu-abu, pengurangan noise, serta segmentasi objek. Selanjutnya, fitur citra diekstraksi untuk mendapatkan informasi tekstur, warna, dan bentuk. Data fitur yang dihasilkan kemudian dianalisis dan dikelompokkan menggunakan algoritma K-Means, di mana hasil klasterisasi dinilai berdasarkan akurasi pengelompokan dan konsistensi antar kelompok. Hasil penelitian menunjukkan bahwa metode K-Means mampu mengelompokkan bunga Terompet dan bunga Kaki Itik dengan tingkat akurasi yang tinggi, tergantung pada kualitas citra masukan dan parameter pengelompokan. Studi ini menunjukkan potensi besar algoritma K-Means dalam aplikasi pengolahan citra khususnya untuk identifikasi dan pengelompokan objek berbasis visual. Kata kunci: K-Means;klasterisasi;pengolahan citra;Bunga terompet ;Bunga kaki itik]]>
