<![CDATA[Kompresi citra merupakan teknik penting dalam pengelolaan data visual, terutama dalam pelestarian dan digitalisasi warisan budaya. Penelitian ini bertujuan untuk mengkaji efektivitas algoritma K-Means Clustering dalam kompresi citra foto Candi Borobudur guna mengurangi ukuran file tanpa kehilangan kualitas visual yang signifikan. Metode penelitian mencakup pengumpulan citra digital Candi Borobudur dengan variasi pencahayaan dan tekstur. Sampel dipilih menggunakan purposive sampling untuk memastikan representasi optimal. Proses pengolahan melibatkan praproses citra, penerapan algoritma K-Means untuk pengelompokan warna, serta evaluasi hasil menggunakan metrik Peak Signal-to-Noise Ratio (PSNR) dan Structural Similarity Index (SSIM). Hasil penelitian menunjukkan bahwa algoritma K-Means efektif dalam mengurangi jumlah warna pada citra sehingga ukuran file berkurang secara signifikan. Analisis kuantitatif menunjukkan bahwa nilai PSNR dan SSIM tetap dalam batas yang dapat diterima, memungkinkan detail relief dan struktur candi tetap terjaga. Kesimpulan dari penelitian ini adalah bahwa algoritma K-Means dapat digunakan sebagai metode kompresi citra yang efisien dalam konteks digitalisasi warisan budaya. Namun, metode ini memiliki keterbatasan dalam menangani perubahan warna ekstrem. Oleh karena itu, penggunaan metode hibrida dengan algoritma lain direkomendasikan untuk meningkatkan efisiensi kompresi tanpa mengorbankan kualitas citra. Image compression is an important technique in visual data management, especially in the preservation and digitization of cultural heritage. This study aims to examine the effectiveness of the K-Means Clustering algorithm in the compression of Borobudur Temple photo images to reduce file size without significant loss of visual quality. The research method includes collecting digital images of Borobudur Temple with variations in lighting and texture. Samples are selected using purposive sampling to ensure optimal representation. The processing process involves image preprocessing, the application of the K-Means algorithm for color grouping, and the evaluation of results using the Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index (SSIM) metrics. The results show that the K-Means algorithm is effective in reducing the number of colors in the image so that the file size is significantly reduced. Quantitative analysis shows that the PSNR and SSIM values remain within acceptable limits, allowing the details of the reliefs and structure of the temple to be preserved. The conclusion of this study is that the K-Means algorithm can be used as an efficient image compression method in the context of cultural heritage digitization. However, this method has limitations in dealing with extreme color changes. Therefore, the use of hybrid methods with other algorithms is recommended to improve compression efficiency without sacrificing image quality.]]>
Copyrights © 2025
