<![CDATA[Abstrak— Pada penelitian ini, Metode vector quantization yang dioptimasi menggunakan metode K-mean diimplementasikan untuk mengelompokkan region pada gambar 2 dimensi dengan ekstrasi fitur warna RGB dan fitur warna YcbCr. Fitur warna tersebut kemudian dijadikan sebagai vektor input (3 dimensi). Jumlah cluster yang diujicobakan adalah N = 20 dan N=3. Dari hasil pengujian dapat ditunjukkan bahwa semakin besar ukuran citra dan sebaran histogram yang semakin merata, waktu iterasi yang dibutuhkan semakin lama. Sedangkan semakin banyak jumlah cluster, akan menyebabkan semakin banyak jumlah iterasi dan semakin lama waktu iterasi yang dibutuhkan. Namun demikian terdapat beberapa pengujian yang mengalami perbedaan antara satu percobaan dengan percobaan yang lain pada citra dengan parameter-parameter yang sama. Hal ini disebabkan oleh peletakan nilai RGB k yang pertama secara acak dari nilai nol sampai dengan dua. Dari lima kali pengujian terhadap citra dengan parameter - parameter yang sama, sebagian besar diperoleh tingkat perubahan jumlah iterasi yang kurang dari 15% Kata Kunci—Segmentasi Citra, Vector Quantization, cluster.]]>
Copyrights © 2016
