<![CDATA[Algoritma k-Means, yang dikenal efektif dalam pengelompokkan analisis citra digital, telah berhasil membedakan daun tin sehat dan sakit dengan akurasi tinggi. Berdasarkan hal tersebut, penelitian ini diinisiasi untuk mengeksplorasi kemampuan algoritma k-Means dalam mengelompokkan jenis tanaman tin Green Yordan, Brown Turkey, dan Red Palestine berdasarkan karakteristik struktur bentuk daunnya. Untuk identifikasi karakteristik struktur bentuk daun, metode deteksi tepi Laplacian of Gaussian (LoG) digunakan karena kemampuannya meminimalisasi derau dan meningkatkan keakuratan pendeteksian tepi. Dengan menganalisis fitur morfologi seperti area, perimeter, dan circularity dari 105 citra digital daun tin, data numerik yang dihasilkan digunakan dalam pengelompokkan menggunakan algoritma k-Means. Hasil pengelompokkan ini dibandingkan dengan klasifikasi jenis daun tin yang sudah diketahui untuk memverifikasi ketepatan pengelompokkan. Hasilnya, 77 dari 105 citra berhasil dikelompokkan ke dalam klaster yang tepat dengan akurasi sebesar 73.33%. Meskipun tidak ada standar literatur yang menyatakan akurasi tertentu sebagai indikator efektivitas mutlak, dalam konteks penelitian ini, akurasi 73.33% dianggap menunjukkan keberhasilan metode. Keberhasilan ini dianggap signifikan mengingat kompleksitas data dan variasi dalam citra daun tin yang dianalisis. Kata Kunci: K-Means, LoG, Tin.]]>
Copyrights © 2024
