Segmentasi Citra Grayscale Dengan Metode K-Means Clustering gerak tangan bahasa isyarat indonesia

Mesra Betty yel (Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika)
Dadang Iskandar Mulyana (Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika)
Richard Franido (Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika)

SmartComp
Vol 11, No 4 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer

Teknik pengolahan citra digital merupakan salah satu produk pengembangan dari teknologi komputasi. Pengolahan data citra Bahasa isyarat berbasis komputer mempermudah mencermati suatu isyrat dengan cepat dan tepat, namun potensi ini belum banyak terlihat baik untuk riset ataupun untuk keperluan di Indonesia. pengolahan yang lebih teliti diperlukan dari setiap perubahan pada Bahasa yang ada di suatu negara, terutama Alfabet.Citra yang diamati secara manual kurang episien dalam menentukan suatu menterjemahkan, sehingga menyebabkan analisis secara visual untuk objek yang menjadi perhatian sulit dilakukan. Salah satu pengolahan citra digital adalah segmentasi. Prosesnya dimulai dengan menginput citra digital bahasa isyarat, selanjutnya dikonversi citra. Kemudian dilakukan proses segmentasi terhadap citra. Selanjutnya, dipilih hasil segmentasi dan ditandai dengan metode K-means Clustering yang dipertajam dengan proses dilasi. Proses terakhir adalah membuat Kluster terhadap hasil proses dilasi dan citra Bahasa isyarat.data kluster/centroid dengan menggunakan Grayscale sebagai pemudah proses seleksi program. Keseluruhan proses ini dilakukan dengan menggunakan MATLAB, Pada percobaan kali ini saya mengngerjakan pengenalan objek dari sebuah gambar Bahasa Isyarat. menggunakan metode K-means.Kami lakukan dengan tujuan dapat membedakan yang  objek. Metode ini mengubah Citra yang semula berwarna menjadi gambar abu-abu dan nilai komponen luminance di atur ke nilai tertentu supaya mengurangi intentsitas cahaya. Kemudian menetapkan angka batas yang di gunakan untuk mengelompokan hubungan antara nilai K dan nilai tengah gambar. Setelah proses tersebut akan dilakukan pencocokan antara gambar segmentasi dengan ganbar asli dan akan di berikan tanda jika object sudah terdeteksi. Algoritma clusteringdisusun dengan  menggunakan  program  Matlab  2013a,  dengan menguji  coba  nilai k=  3, 4,  5,...,10. Dari  penelitian  diperoleh  bahwa k=  8  dapat  memvisualisasikan pembentukan warna yang lebih nyata dibanding dengan jumlah clusteryang lain.