<![CDATA[Tanaman obat memiliki manfaat besar dalam menyembuhkan berbagai penyakit. Banyak masyarakat yang menggunakan tanaman obat sebagai sumber tanaman obat keluarga (TOGA). Bagian tanaman yang dapat dimanfaatkan sebagai obat adalah daun. Daun sulit diidentifikasi karena banyak daun yang memiliki bentuk dan warna yang mirip. Oleh karena itu, pengolahan citra dengan K-Means Clustering diterapkan untuk membantu mengidentifikasi daun tanaman obat. Citra akan discaling menjadi 600 x 800 piksel. Ciri tekstur pada citra akan dihitung menggunakan Gray Level Co-occurrence Matrix (GLCM). GLCM menghasilkan nilai numerik yang kemudian digunakan untuk proses K-Means Clustering. K-Means Clustering akan mengelompokkan citra berdasarkan kesamaan nilai fitur dan centroid terdekatnya. Jumlah cluster optimal yaitu k=3 berdasarkan perhitungan nilai SSE. Hasil penelitian 900 dataset citra daun terbagi menjadi 3 cluster dengan akurasi tertinggi 51,54% pada cluster 2 yang memprediksi daun binahong. Proses K-Means Clustering kurang baik dikarenakan penetuan nilai centroid berpengaruh terhadap hasil cluster. K-Means Clustering diimplementasikan ke dalam sistem web menggunakan flask.]]>
Copyrights © 2023
