Jurnal Teknik Informatika dan Sistem Informasi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 706-718 E- ISSN 2503-2933 706
Segmentasi Citra Burung Lovebird Menggunakan K-Means
Hero Diogenes Adoe*1, Aviv Yuniar Rahman2, Istiadi3
1,2,3
Fakultas Teknik Informatika; Universitas Widyagama Malang
e-mail: *1heroadoe@gmail.com, 2aviv@widyagama.ac.id, 3istiadi@widyagama.ac.id
Abstrak
Pengetahuan tentang jenis-jenis burung lovebird diperlukan oleh penyuka burung lovebird. Segmentasi warna yang dominan dapat memberikan informasi tentang jenis-jenis burung lovebird. Sehingga tujuan dalam penelitian ini adalah untuk membangun sistem segmentasi burung lovebird menggunakan metode K-means. Metode penelitian yang dipakai adalah metode pengolahan citra. Untuk melaksanakan proses segmentasi citra asli dibandingkan dengan citra kompresi. Pengumpulan data dilaksanakan dengan memanfaatkan data primer berupa gambar-gambar burung lovebird yang nantinya akan di olah menggunakan k means. Untuk membangun sistem segmentasi k means digunakan matlab. Tahap analisa data dalam penelitian ini menggunakan langkah-langkah,seleksi data, preprocessing dan pembersihan data, transformasi data, data mining, dan evaluasi/interpretation. Hasil penelitian memberikan informasi bahwa dengan menggunakan K-Means maka segmentasi burung lovebird berdasarkan warna bisa terdeteksi. Pada penelitian ini, program segmentasi citra burung lovebird dengan memanfaatkan matlab untuk mengekstraksi ruang RGB ke Greyscaled menunjukkan tingkat akurasi lebih tinggi yaitu 96,26% daripada segmentasi yang menggunakan cara manual yaitu 85, 19%.
Kata kunci: Segmentasi, Citra, Burung Lovebird
Abstract
Knowledge of the types of lovebirds is needed by lovebird lovers. The dominant color segmentation can provide information about the types of lovebirds. So the purpose of this research is to build a lovebird segmentation system using the K-means method. The research method used is image processing method. To carry out the segmentation process of the original image compared to the compressed image. Data collection is carried out by utilizing primary data in the form of pictures of lovebird birds which will later be processed using k means.
Matlab is used to build a k means segmentation system. The data analysis stage in this study uses steps, data selection, preprocessing and data cleaning, data transformation, data mining, and evaluation/interpretation. The results of the study provide information that by using K- Means, the segmentation of lovebirds based on color can be detected. In this study, the lovebird image segmentation program using Matlab to extract RGB space to Greyscaled showed a higher accuracy rate of 96.26% than segmentation using manual methods, namely 85.19%.
Keywords: Segmentation, Image, Lovebird
707 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 706-718 E-ISSN 2503-2933
1. PENDAHULUAN
Lovebird adalah burung Afrika bergenus Agapornis. Spesies ini sendiri dinamai dari kata berbahasa Yunani agape (cinta) dan ornis (burung). Burung lovebird termasuk burung yang memiliki kicau dan penampilan yang indah sehingga berpotensi untuk dikembangkan. Burung lovebird memiliki jenis bermacam-macam seperti josan, lutino, albino, dan sebagainya. Di Indonesia burung lovebird dikenal sebagai burung cinta. Dinamakan lovebird (burung cinta) karena jika burung lovebird bertemu dengan burung lain yang berbeda kelamin maka pejantannya akan mulai mengoceh dan menunjukkan trecetannya. Selain mempunyai ocehan yang merdu dan memiliki banyak ragam warna yang cantik dan cerah. Karena hal tersebut, burung lovebird yang dikenal monogami dan setia dengan pasangannya ini mempunyai nilai pasar yang cukup potensial dan menjanjikan sebagai komoditas burung peliharaan di pasaran.
Pengetahuan tentang jenis-jenis burung lovebird diperlukan oleh penyuka burung lovebird. Para penyuka burung lovebird ini memerlukan ilmu yang cukup untuk mengetahui jenis-jenis burung lovebird di pasaran. Sehingga untuk mengetahui jenis-jenis lovebird ini diperlukan penelitian yang memberikan manfaat [1]. Segmentasi warna yang dominan dapat memberikan informasi tentang jenis-jenis burung lovebird. Segmentasi dapat dilaksanakan dengan analisis pencocokan citra. Warna, tekstur dan histogram bisa mempengaruhi pencocokan citra. Dalam penelitian ini, segmentasi dilakukan dengan menggunakan warna bulu burung lovebird yang cantik dan mencolok [2].
Untuk melaksanakan analisis citra segmentasi adalah salah satu bagian yang penting, hal ini disebabkan gambar memerlukan proses yang lebih jauh untuk memudahkan analisis, contohnya adalah analisis untuk pengenalan pola. Segmentasi citra adalah bagian dari analisis citra yang dipakai untuk mempartisi citra menjadi beberapa bagian dan mengambil sebagian objek yang difokuskan. Dibidang pengolahan citra, yang dimaksudkan dengan segmentasi adalah suatu proses membagi sebuah citra digital menjadi beberapa region (multiple region) himpunan piksel. Segmentasi memiliki tujuan akhir unruk membuat suatu citra menjadi lebih sederhana dan mudah dianalisis [3]. Untuk melaksanakan segmentasi objek salah satu metode klustering yang bisa dipakai adalah K-Means [4].
K-means dikenal sebagai data mining dengan model tanpa arahan (unsupervised).
Dilaksanakan dengan membuat kelompok data dalam cluster-cluster yang memiliki kesamaan karakter. Singkatnya, k-means digunakan untuk mencari objek yang disebut N, dengan menggunakan parameter-parameter khusus, ke dalam k-cluster (k≤N). Metode k-means memakai intensitas/ tingkat keabuan citra. Hal ini dikarenakan intensitas citra abu inilah yang menjadi basic citra. Cluster yang berbeda akan memuat gambar dengan intensitas yang berbeda [5].
Segmentasi citra warna menggunakan k means telah beberapa kali dilaksanakan.
Rulaningtyas dkk. melakasanakan segmentasi citra warna yang dapat mengidentifikasi citra mikroskopis bakteri TBC memakai K-Means [6]. Febrinanto et al. mengidentifikasi penyakit daun jeruk dengan merubah ruang warna RGB menjadi CIE L*a*b menggunakan K-Means clustering[7]. Rodriguez et al. menyebutkan segmentasi citra warna menggunakan clustering adalah metode yang sering dipakai untuk melaksanakan segmentasi terhadap sebuah citra warna[8]. Sedangkan Dhanachandra, Manglem, dan Chanu menyatakan K-Means untuk melakukan segmentasi citra metode k means adalah metode yang paling sering digunakan. Hasil penelitian terdahulu ini menunjukkan k means bisa menghasilkan klaster data besar yang baik dengan cepat [9].
Penelitian terdahulu tentang segmentasi warna menggunakan k means yang dapat digunakan untuk mensegmentasi warna ini membuat peneliti tertarik untuk melaksanakan segmentasi jenis-jenis burung lovebird menggunakan k means. Naiknya popularitas burung lovebird sebagai klangenan atau hewan peliharaan yang sering dilombakan membuat burung
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 696-705 E- ISSN 2503-2933 708
lovebird memiliki pasar yang bagus. Dengan membuat sistem yang dapat menentukan segmentasi burung lovebird berdasarkan warnanya maka penggemar burung lovebird akan lebih mudah dalam mengenali burung lovebird yang diminatinya. Sistem ini diperlukan karena adanya indera visual manusia yang terbatas dalam mengenali warna lovebird dengan mata telanjang. Diperkuat dengan pendapat Misdiyanto yang menyatakan bahwa untuk menentukan jenis burung lovebird selama ini dilakukan dengan mata. Keterbatasan mata dalam memvisualisasi warna membuat pentingnya dibangus satu sistem yang berguna untuk dapat membantu visualisasi manual dengan mata telanjang ini menjadi sistem yang terkomputerisasi.Dengan sistem yang terkomputerisasi maka segmentasi warna akan dapat lebih akurat dalam memberikan informasi tentang jenis-jenis burung lovebird yang ada di pasaran [10].
Uraian di atas menunjukkan bahwa K-Means dapat diguanakan untuk melakukan segmentasi warna pada burung lovebird. Untuk membantu membangun sistem segmentasi, peneliti menggunakan image yang memuat jenis-jenis burung lovebird dan memisahkan warnanya dalam ruang RGB, greyscale dan L*a*b. Sehingga judul penelitian yang diajukan adalah,”Segmentasi Burung Lovebird Menggunakan K-means.”
2. METODE PENELITIAN
Metode penelitian yang dipakai untuk membangun sistem segmentasi burung lovebird menggunakan metode K-means dalam penelitian ini yaitu menggunakan metode pengolahan citra. Untuk melaksanakan proses segmentasi citra asli dibandingkan dengan citra kompresi.
Metode penelitian secara garis besar dilaksanakan mengikuti alur seperti pada Gambar 2.2. Alur analisis penelitian ditampilkan pada Gambar 3.1 di bawah ini:
Gambar 1. Metode Penelitian
Gambar 1 memberikan informasi tentang metode penelitian yang akan dilaksakan untuk membangun sistem segmentasi burung lovebird menggunakan metode K-means. Tahap perta peneliti mencari bahan dan refernsi yang berkaitan dengan rumusan masalah yang telah ditentukan. Data yang digunakan adalah image burung lovebird yang akan diolah menggunakan k means. K means yang dimaksud dalam penelitian ini dilaksanakan menggunakan bahasa
Data Citra:
- Albino - batman - biola - blorok - Dakocan - Utino - Olive - Parblue - violet
-
Fitur Ekstraksi Warna:
- Grayscale - RGB - HSV - L*a*b
Machine Learning:
K Means
HASIL
Data groundtruth Burung Lovebird
Evaluasi
709 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 706-718 E-ISSN 2503-2933
matlab. Tahap analisa data dalam penelitian ini menggunakan langkah-langkah, seleksi data, preprocessing dan pembersihan data, transformasi data, data mining, evaluasi/interpretation.1. Data di seleksi
Pada tahap ini, data akan diseleksi. Tujuan yang akan dicapai adalah membangun sistem segmentasi burung lovebird menggunakan metode K-means. Data berupa image burung lovebird yang terdiri dari beberapa jenis dan warna. Data yang digunakan terdiri dari 27 sampel citra, terdiri dari citra lovebird varietas albino, batman, biola, blorok. Dakocan, lutino, olive, parblue dan violet.
2. Pembersihan Data
Pembersihan data dilakukan dengan membuang data dobel, agar tidak terjadi duplikasi data, hal ini dilakukan agar data yang digunakan konsisten dan tidak menimbulkan noise.
3. Transformasi Data
Pada tahap ini data akan ditransformasi ke dalam program MATLAB yang akan digunakan untuk membangun sistem segmentasi burung lovebird menggunakan metode K-means.
4. Merancang Struktur K Means.
Untuk membangun sistem segmentasi k means digunakan matlab. Pada penelitian ini program matlab yang digunakan adalah Matlab versi 2021a. Program matlab yang akan digunakan untuk membangun sistem segmentasi adalah GUI atau Graphical User Interface.
Aplikasi ini adalah aplikasi display yang tersedia dalam Matlab dimana dalam aplikasi tersebut terdapat tugas, perintah atau juga komponen program yang membantu user lebih mudah menjalankan program MATLAB. GUI akan membuat program di MATLAB menjadi lebih sederhana dan praktis ketika dipakai end-user.
5. Mengevaluasi Data
Setelah program dapat dibuat menggunakan GUI MATLAB, maka sistem segmentasi burung lovebird menggunakan metode K-means akan di evaluasi untuk dapat melihat apakah citra yang akan dilakukan dapat disegmentasi menggunakan k means.
6. Menguji Hasil
Sistem segmentasi burung lovebird menggunakan metode K-means diuji untuk dapat melihat apakah citra yang akan dilakukan dapat disegmentasi menggunakan k means.
7. Menarik Kesimpulan
Kesimpulan ditarik berdasarkan akurasi sistem segmentasi burung lovebird menggunakan metode K-means.
3. HASIL DAN PEMBAHASAN 3.1 Segmentasi Manual Klasifikasi Burung Lovebird
Segmentasi manual dilaksanakan dengan menggunakan fitur-fitur yang terdapat pada excel 2010. Data yang digunakan adalah fitur warna burung lovebird yang terdiri dari fitur warna greyscale, RGB, dan HSV. Masing-masing citra di ekstraksi berdasarkan ruang warna yang telah ditentukan untuk kemudian dicari nilai pixcelnya. Data yang digunakan sebagai data latih adalah citra burung lovebird varietas albino, batman, biola, blorok. Dakocan, lutino, olive, parblue dan violet yang berjumlah 27 dengan parameter yang ditetapkan adalah segmentasi warna pada ruang abu-abu dan RGB. Sementara itu, data real akan menerapkan segmentasi warna pada ruang abu-abu, RGB dan HSV. Sebelum dapat diproses, data terlebih dahulu harus melalui pra-proses data.
Transformasi data adalah proses mengubah data menjadi data yang bisa diolah memakai algoritma yang akan dipakai dalam bentuk numerik, klasifikasi dan sebagainya. Dalam penelitian ini, agar data citra dapat diolah memakai k -means, maka data warna citra harus di ekstraksi dalam bentuk angka yang ditunjukkan pada Tabel 1.
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 696-705 E- ISSN 2503-2933 710
Tabel 1. Data Pra-Proses Burung Lovebird Variatas
Lovebird Data ke-
Nilai Pixcel Greyscale
Nilai Pixcel Ruang Warna RGB
R G B
Albino 1 35 147 245 132
Albino 2 139 144 143 139
Albino 3 12 14 14 22
Batman 4 158 164 161 146
Batman 5 71 79 79 77
Batman 6 7 13 12 10
Biola Green 7 14 218 214 211
Biola Green 8 171 168 170 183
Biola Green 9 50 14 30 27
Blorok 10 34 68 60 47
Blorok 11 103 63 40 34
Blorok 12 78 38 39 31
Dakocan 13 89 201 198 165
Dakocan 14 150 184 105 72
Dakocan 15 184 182 184 183
Lutino 16 0 225 184 183
Lutino 17 122 124 119 142
Lutino 18 219 219 219 217
Olive 19 9 10 8 11
Olive 20 236 230 246 210
Olive 21 76 17 11 16
Parblue 22 74 26 68 22
Parblue 23 64 84 59 45
Parblue 24 10 23 32 38
Violet 25 180 156 149 161
Violet 26 253 253 253 253
Violet 27 226 229 222 216
Setelah data citra ditransformasikan dalam bentuk numerik, maka peneliti dapat menghitung data citra menggunakan k means di excel. Metode K means ini membagi data pada kelompok sehingga data yang mempunyai karakteristik yang sama akan masuk ke dalam kelompok yang sama dan data yang memiliki karateristik beda akan masuk pada kelompok yang lainnya. Untuk mengolah data citra burung lovebird menggunakan k means, peneliti mengikuti langkah-langkah clustering dengan k means sebagai berikut:
a. Menentukan jumlah kluster k.
Dalam penelitian ini jumlah Kluster yang digunakan adalah 3 kluster, k=3. Penentuan cluster yang berjumlah 3 ini dikarenakan peneliti ingin memaksimalkan variasi data citra burung lovebird.
b. Menentukan titik pusat awal dari setiap kluster
Titik pusat awal dari kluster yang akan dihitung menggunakan kmeans dipilih secara acak dengan hasil pada Tabel 2.
711 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 706-718 E-ISSN 2503-2933
Tabel 2. Titik Pusat Awal Burung Lovebird Cluster Data ke-
Ruang Warna Greyscale
Ruang Warna RGB
R G B
1 5 71 79 79 77
2 14 150 184 105 72
3 26 253 253 253 253
Sumber: Data Penelitian, 2021
Tabel 2 memberikan informasi data yang digunakan untuk titik pusat awal perhitungan kmeans. Data yang digunakan adalah data ke-5, data ke 14 dan data ke 26. Penentuan titik pusat kluster awal ini dilaksanakan secara random sesuai dengan jumlah kluster yang ingin dibentuk menggunakan kmeans.
c. Menghitung titik centroid dengan menggunakan teori jarak Euclidean yang ditampilkan pada Tabel 3.
Tabel 3. Menghitung Titik Centroid Dengan Menggunakan Teori Jarak Euclidean Data Citra Burung Lovebird (Iterasi 1)
Data ke-
Ruang Warna Greyscale
Ruang Warna RGB Jarak Centroid
Nilai Minimum
Iterasi
R G B C1 C2 C3 1
1 35 147 245 132 192,46 194,41 147,66 147,66 3
2 139 144 143 139 176,01 87,49 241,70 87,49 2
3 12 14 14 22 103,79 242,33 364,50 103,79 1
4 158 164 161 146 208,02 95,27 216,37 95,27 2
5 71 79 79 77 66,51 134,04 331,93 66,51 1
6 7 13 12 10 112,33 249,37 370,04 112,33 1
7 14 218 214 211 239,46 225,51 64,99 64,99 3
8 171 168 170 183 236,77 131,31 163,89 131,31 2
9 50 14 30 27 101,88 215,75 353,60 101,88 1
10 34 68 60 47 47,28 171,94 358,58 47,28 1
11 103 63 40 34 114,95 150,06 350,69 114,95 1
12 78 38 39 31 101,60 180,38 351,11 101,60 1
13 89 201 198 165 213,34 145,97 154,26 145,97 2
14 150 184 105 72 185,79 0,00 350,99 0,00 2
15 184 182 184 183 257,30 140,44 149,50 140,44 2
16 0 225 184 183 213,50 206,74 115,59 115,59 3
17 122 124 119 142 148,55 97,37 255,75 97,37 1
18 219 219 219 217 326,10 200,02 102,97 102,97 3
19 9 10 8 11 115,77 251,57 370,71 115,77 1
20 236 230 246 210 351,70 220,08 112,80 112,80 3
21 76 17 11 16 128,65 212,92 363,05 128,65 1
22 74 26 68 22 100,78 186,03 339,47 100,78 1
23 64 84 59 45 72,15 142,27 354,78 72,15 1
24 10 23 32 38 78,86 228,05 354,98 78,86 1
25 180 156 149 161 222,43 107,43 203,48 107,43 2
26 253 253 253 253 393,93 264,64 141,41 141,41 3
27 226 229 222 216 336,19 205,49 107,27 107,27 3
Sumber: Data Penelitian, 2021
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 696-705 E- ISSN 2503-2933 712
Tabel 3 memberikan infromasi terkait dengan titik centroid menggunakan teori jarah Euclidean yang akan menentukan citra burung lovebird akan masuk ke kluster yang mana.Berdasarkan Tabel 3 dapat diketahui bahwa sebanyak 13 data burung lovebird masuk ke Cluster 1, sebanyak 7 data burung lovebird masuk ke Cluster 2, dan sebanyak 7 data burung lovebird masuk ke cluster 3. Data diringkas pada Tabel 4.
Tabel 4. Rekapitulasi Iterasi 1 Data Burung Lovebird Iterasi 1 Jumlah Persentase
(%) Anggota
Cluster 1 13 48,15% 3,5,6,9,10,11,12,19,21,22,23,24
Cluster 2 7 25,93% 2.4,8,14,15,17,25
Cluster 3 7 25,93% 1,7,13,15,16,18,20,26,27
Total 27 100
Sumber: Data Penelitian, 2021
Tabel 4 memberikan informasi terkait dengan hasil dari iterasi 1 untuk mengelompokkan data burung lovebird ke kluster-kluster yang telah ditentukan. Hasil iterasi 1 adalah sebanyak 13(48,15%) data citra burung lovebird masuk ke kluster 1. Sebanyak 7(25,93%) data citra burung lovebird masing-masing masuk ke kluster 2 dan kluster 3.
d. Untuk memvalidasi hasil kluster yang telah terbentuk, maka pusat kluster dihitung kembali.
Pusat kluster baru dihitung dengan menggunakan rata-rata anggota kluster yang sudah terbentuk.
Hasil pembentukan titik pusat kluster yang baru untuk memastikan kevalidan hasil pengklusteran yang telah dilaksanakan di iterasi 1 maka peneliti mencari nilai rata-rata dari nilai numerik yang menjadi anggota kluster pada iterasi 1. Hasil rata-rata ini akan digunakan untuk menentukan titik pusat kluster baru. Hasil penentuan kluster baru ini akan menghasilkan iterasi 2 untuk melihat adalah hasil kluster yang masih berubah atau sudah tetap dan datanya aman untuk digunakan. Hasil penentuan titik pusat kluster baru ini disaijkan pada Tabel 5.
Tabel 5. Penentuan Titik Pusat Kluster Baru Penentuan Cluster Baru
Ruang warna Greyscale
Ruang warna RGB
R G B
Cluster baru yang ke-1 54,62 44,08 43,92 40,15 Cluster baru yang ke-2 153 171,29 158,57 149,86 Cluster baru yang ke-3 140,43 217,29 226,14 203,14 Sumber: Data Penelitian, 2021
Berdasarkan hasil perhitungan menggunakan titik pusat kluster baru, maka didapatkan hasil iterasi 2 yang disajikan pada Tabel 6.
Tabel 6. Rekapitulasi Iterasi 2 Data Burung Lovebird Iterasi 2 Jumlah Persentase
(%) Anggota
Cluster 1 12 44,44% 3,5,6,9,10,11,12,17,19,21,22,23,24
Cluster 2 7 25,94% 2.4,8,13,14,15,25
Cluster 3 8 29,63% 1,7,15,16,18,20,26,27
713 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 706-718 E-ISSN 2503-2933
Total 27 100
Sumber: Data Penelitian, 2021
e. Untuk memastikan pusat kluster tidak berubah, maka pusat kluster diperbarui dengan cara yang sama sampai tidak terbentuk pusat kluster yang berbeda.
Hasil penentuan kluster baru ini akan menghasilkan iterasi 3 untuk melihat adalah hasil kluster yang masih berubah atau sudah tetap dan datanya aman untuk digunakan. Hasil penentuan titik pusat kluster baru ini disajikan pada Tabel 7.
Tabel 7. Rekapitulasi Iterasi 3 Data Burung Lovebird Iterasi 3 Jumlah Persentase
(%) Anggota
Cluster 1 12 44,44% 3,5,6,9,10,11,12,17,19,21,22,23,24
Cluster 2 7 25,94% 2.4,8,13,14,15,25
Cluster 3 8 29,63% 1,7,15,16,18,20,26,27
Total 27 100
Sumber: Data Penelitian, 2021
Berdasarkan Tabel 7 dapat diketahui bahwa data citra burung lovebird yang masuk ke dalam kluster 1 sebanyak 12 (44,44%). Sebanyak 7 (25,94%) data citra burung lovebird masuk ke kluster 2. Dan sebanyak 8 (29,63%) data citra burung lovebird masuk ke cluster 3. Hasil perhitungan akurasi segmentasi citra burung lovebird menggunakan k means secara manual disajikan pada Tabel 8.
Tabel 8. Perbandingan Akurasi Data Latih dan Data Real Citra Burung Lovebird Data ke- Data Latih Data Real Akurasi
1 3 2 Tidak Akurat
2 2 2 Akurat
3 1 1 Akurat
4 2 2 Akurat
5 1 1 Akurat
6 1 1 Akurat
7 3 2 Tidak Akurat
8 2 2 Akurat
9 1 1 Akurat
10 1 1 Akurat
11 1 1 Akurat
12 1 1 Akurat
13 3 2 Tidak Akurat
14 2 2 Akurat
15 2 2 Akurat
16 3 2 Tidak Akurat
17 2 2 Akurat
18 3 3 Akurat
19 1 1 Akurat
20 3 3 Akurat
21 1 1 Akurat
22 1 1 Akurat
23 1 1 Akurat
24 1 1 Akurat
25 2 2 Akurat
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 696-705 E- ISSN 2503-2933 714
26 3 3 Akurat
27 3 3 Akurat
Sumber: Data Penelitian, 2021)
Untuk mengetahui akurasi perhitungan k means menggunakan cara manual ini maka hasil pengklusteran ini menjadi data latih untuk selanjutnya akan dibandingkan dengan data real.
Pada perhitungan data real, dimasukkan parameter berupa citra warna HSV dan L*a*b.
Berdasarkan Tabel 8 dapat diketahui bahwa sebanyak 4 data dari 27 data yang digunakan tidak akurat. Sehingga akurasi segmentasi citra burung lovebird menggunakan k means secara manual adalah.
= ℎ
ℎ 100%
= 23
27 100%
= 85,19%
Hasil perhitungan menunjukkan bahwa akurasi segmentasi citra burung lovebird menggunakan k means secara manual adalah 85,19%. Berdasarkan hasil penelitian dapat diketahui bahwa data yang digunakan untuk penelitian sebagian besar dapat diuji menggunakan sistem k means menggunakan cara manual. Namun, menggunakan cara manual membutuhkan waktu yang banyak dan tahap-tahapnya cukup panjang.
3.2 Segmentasi Burung Lovebird Dengan Menggunakan K Means
Untuk membangun program segmentasi burung lovebird berdasarkan warna bulunya, peneliti menggunakan Toolbox graphic user interface (GUI). Program ini dapat dirancang memakai Matlab R2021a. Pada Toolbox ini tersedia banyak macam pushbutton yang mempunyai beragam fungsi yang dapat disesuaikan dengan kebutuhan. Berikut ini adalah hasil penerapan Toolbox graphic user interface (GUI). Langkah-langkah untuk membuat program segmentasi ini adalah sebagai berikut:
a. Peneliti menyiapkan data set yang akan digunakan untuk menampilkan sumber citra yang akan diolah. Pada penelitian ini, sumber image yang akan diolah terdiri dari 27 buah image burung lovebird dari jenis albino, batman, biola, blorok. dakocan, lutino, olive, parblue dan violet.
b. Setelah data telah disiapkan maka program Matlab dapat dibuka. Program Matlab yang dapat digunakan untuk melaksanakan program y ang akan dibangun minimal adalah 2014a. Dalam penelitian ini program Matlab yang digunakan adalah Matlab R2021a.
c. Menampilkan Gui Matlab dapat dilakukan dengan mengklik perintah New >> Grapphical User Interface. Perintah lain yang dapat dilakukan untuk memunculkan perintah Gui pada program Matlab adalah dengan mengetikkan kata guide pada Command Window.
d. Setelah program Gui Matlab dapat ditampilkan maka saatnya membuat static text, 2 buah axes, dan 3 push botton. Untuk mengubah isi properties komponen, klik kanan komponen yang diubah lalu pilih property inspector. Komponen yang diubah propertinya ditampilkan pada Tabel 9.
715 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 706-718 E-ISSN 2503-2933
Tabel 9. Komponen yang Dibangun Dengan Program GUI
No. Komponen Property Isi
1 Static text String Segmentasi Citra Menggunakan K Means
FontSize 12
2 PushButton
String Input gambar
Tag pushbutton1
FontSize 12
3 PushButton
String K means
Tag Pushbutton2
FontSize 12
4 PushButton
String Reset
Tag Pushbutton3
FontSize 12
5 Axes
Tag Axes1
Xtick <kosongkan>
Ytick <kosongkan>
Ztick <kosongkan>
6 Axes
Tag Axes2
Xtick <kosongkan>
Ytick <kosongkan>
Ztick <kosongkan>
e. Setelah tampilan komponen di ubah, maka pada pushbutton di klik kanan dan mulai memasukkan program dalam koding yang dibutuhkan untuk masing-masing pushbutton diisi. Souce Code untuk menjalankan program dapat dilihat pada Lampiran 2. Hasil progam dapat dilihat pada Gambar 2.
f.
(a) Data Burung Lovebird Parblue yang akan diuji dari ruang warna RGB
(b) Data Burung Lovebird Parblue diproses menggunakan segmentasi kmeans dengan parameter greyscaled
Gambar 2. Pengubahan Citra Digital dari Data Latih Dengan Data Uji
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 696-705 E- ISSN 2503-2933 716
Program segmentasi burung lovebird menggunakan K means dibangun dengan menggunakan fitur GUI di Matlab versi R2021a. Gambar 10 menunjukkan bahwa program segmentasi warna burung lovebird menggunakan GUI Matlab dapat dilaksanakan. Hasil penelitian ini menyatakan segmentasi dapat digunakan untuk membedakan sebuah citra ke dalam intensitasnya. Hal ini membuat citra dapat dibedakan antara objek dan latar belakangnya.Berdasarkan hasil penelitian dapat diketahui bahwa data yang digunakan untuk penelitian sebagian besar dapat diuji menggunakan sistem k means yang dibangun menggunakan GUI Matlab. Dalam penelitian ini menggunakan data set sebanyak 27 sampel citra, terdiri dari citra lovebird varietas albino, batman, biola, blorok. Dakocan, lutino, olive, parblue dan violet.
Tahapan yang digunakan untuk segmentasi jenis/spesies dan warna lovebird meliputi proses prapengolahan, ekstraksi dan segmentasi K-means clustering menggunakan GUI Matlab pada Tabel 10.
Tabel 10. Perbandingan Akurasi K Means No Jenis Performasi Akurasi
1 K means Cara Manual 85,19%
2 K Means Menggunakan Matlab 96,29%
Dalam penelitian ini menggunakan data set sebanyak 27 sampel citra, terdiri dari citra lovebird varietas albino, batman, biola, blorok. Dakocan, lutino, olive, parblue dan violet.
Masing-masing sampel citra dari varietas albino, batman, biola, blorok. Dakocan, lutino, olive, parblue dan violet terdiri dari 3 image yang berbeda. Tahapan yang digunakan untuk segmentasi jenis/spesies dan warna lovebird meliputi proses prapengolahan, ekstraksi dan segmentasi K- means clustering menggunakan GUI Matlab. Hasil penelitian menunjukkan bahwa dengan menggunakan K-Means maka segmentasi burung lovebird berdasarkan warna bisa terdeteksi.
Pada penelitian ini, program segmentasi citra burung lovebird dengan memanfaatkan matlab untuk mengekstraksi ruang RGB ke Greyscaled menunjukkan tingkat akurasi lebih tinggi yaitu 96,26% daripada segmentasi yang menggunakan cara manual yaitu 85, 19%.
Hasil penelitian ini menunjukkan bahwa segmentasi warna yang dominan dapat memberikan informasi tentang jenis-jenis burung lovebird. Segmentasi dapat dilaksanakan dengan analisis pencocokan citra. Beberapa faktor yang dapat mempengaruhi hasil pencocokan citra salah satunya adalah dengan warna. Dalam penelitian ini, segmentasi dilakukan dengan menggunakan warna bulu burung lovebird yang cantik dan mencolok.
Untuk melaksanakan analisis citra segmentasi adalah salah satu bagian yang penting, hal ini disebabkan gambar memerlukan proses yang lebih jauh untuk memudahkan analisis, contohnya adalah analisis pengenalan pola. Segmentasi citra adalah bagian dari analisis citra yang dipakai untuk mempartisi citra menjadi beberapa bagian dan mengambil sebagian objek yang difokuskan. Dibidang pengolahan citra, yang dimaksudkan dengan segmentasi adalah suatu proses membagi sebuah citra digital menjadi beberapa region (multiple region) himpunan piksel. Segmentasi memiliki tujuan akhir unruk membuat suatu citra menjadi lebih sederhana dan mudah dianalisis. Untuk melaksanakan segmentasi objek salah satu metode klustering yang bisa dipakai adalah K-Means. K Means paling sering digunakan. Hasil penelitian terdahulu ini menunjukkan k means bisa menghasilkan klaster data besar yang baik dengan cepat.
Untuk membangun program segmentasi burung lovebird berdasarkan warna bulunya, peneliti menggunakan Toolbox graphic user interface (GUI). Program ini dapat dirancang memakai Matlab R2021a. Pada Toolbox ini tersedia banyak macam pushbutton yang mempunyai beragam fungsi yang dapat disesuaikan dengan kebutuhan. Hasil penelitian menunjukkan bahwa dengan menggunakan K-Means maka segmentasi burung lovebird berdasarkan warna bisa terdeteksi. Pada penelitian ini, program segmentasi citra burung
717 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 706-718 E-ISSN 2503-2933
lovebird dengan memanfaatkan matlab untuk mengekstraksi ruang RGB ke Greyscaled menunjukkan tingkat akurasi lebih tinggi yaitu 96,26% daripada segmentasi yang menggunakan cara manual yaitu 85, 19%.Segmentasi burung lovebird berdasarkan warnanya akan dapat membantu penggemar burung lovebird mengenali burng lovebird yang diminatinya. Sistem ini diperlukan karena adanya indera visual manusia yang terbatas dalam mengenali warna lovebird dengan mata telanjang. Diperkuat dengan pendapat Misdiyanto yang menyatakan bahwa untuk menentukan jenis burung lovebird selama ini dilakukan dengan mata. Keterbatasan mata dalam memvisualisasi warna membuat pentingnya dibangus satu sistem yang berguna untuk dapat membantu visualisasi manual dengan mata telanjang ini menjadi sistem yang terkomputerisasi.
Dengan sistem yang terkomputerisasi maka segmentasi warna akan dapat lebih akurat dalam memberikan informasi tentang jenis-jenis burung lovebird yang ada di pasaran [10].
4. KESIMPULAN
Hasil penelitian memberikan informasi bahwa dengan menggunakan K-Means maka segmentasi burung lovebird berdasarkan warna bisa terdeteksi. Pada penelitian ini, program segmentasi citra burung lovebird dengan memanfaatkan matlab untuk mengekstraksi ruang RGB ke Greyscaled menunjukkan tingkat akurasi lebih tinggi yaitu 96,26% daripada segmentasi yang menggunakan cara manual yaitu 85, 19%.
5. SARAN
Berikut ini beberapa saran berdasarkan kesimpulan yang diambil dalam penelitian:
1. Kepada peneliti lanjutan untuk menggunakan hasil penelitian ini dengan membagun suatu sistem program selanjutnya yang dapat dipakai untuk mempartisi semua citra digital dalam berbagai format bukan hanya image yang mempunyai format .jpeg.
2. Hasil partisi citra digital akan lebih akurat jika K-Means digabungkan bersama jenis algoritma lain, salah satinya algoritma Hierarchical Clustering
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada orangtua yang telah memberi dukungan financial terhadap penelitian ini.
DAFTAR PUSTAKA
[1] Rofii, M, ”Analisis Cluster Lovebird Berdasarkan Ciri Fisik dan Jenisnya Menggunakan Algoritma K Means dengan Penghitungan Jarak Manhattan,” Jurnal Insand Comtech, Vol. 3, No. 1, Mei 2018
[2] Rahman, Aviv Yuniar, ”Identifikasi Jenis Burung Lovebird Menggunakan Fitur Histogram dengan Evaluasi SSE,” Conference on Innovation and Application of Science and Technology (CIASTECH 2020)
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 696-705 E- ISSN 2503-2933 718
[3] Andika, TH, “Analisis Perbandingan Segmentasi Citra Menggunakan Metode K-Meansdan Fuzzy C-Means,” Seminar Nasional Teknologi dan Bisnis. 2018
[4] Anggraeni, FT, ”Segmentasi k Means Clustering pada Citra Warna Daun Tunggal Menggunakan Model Warna L*a*b,” SCAN Vol. XIV Nomor 2 - JUNI 2019
[5] Atina,”Segmentasi Citra Paru Menggunakan Metode k-Means Clustering,” Jurnal Pendidikan Fisika dan Keilmuan (JPFK) Vol. 3 No. 2 September 2017, Hal. 57 -65 [6] Rulaningtyas, Riries, Andriyan B. Suksmono, Tati L. R. Mengko, and G. A.Putri
Saptawati, “Segmentasi Citra Berwarna Dengan Menggunakan Metode Clustering Berbasis Patch Untuk Identifikasi Mycobacterium Tuberculosis,” Jurnal Biosains Pascasarjana. Vol. 17 No. 1. 2015
[7] Febrinanto, Falih Gozi, Candra Dewi, dan Anang Tri Wiratno, “Implementasi Algoritme K-Means Sebagai Metode Segmentasi Citra Dalam Identifikasi Penyakit Daun Jeruk,”
2(11):5375–83. 2018.
[8] Rodriguez, Lisbeth, Farid Gracia-Lamont, Jair Cervantes, and Asdrubal Lopez.
“Segmentation of Images by Color Features: A Survey,” Neurocomputing Volume 292, 31 May 2018, Pages 1-27
[9] Dhanachandra, Nameirakpam, Khumanthem Manglem, and Yambem Jina Chanu,
“Image Segmentation Using K -Means Clustering Algorithm and Subtractive Clustering Algorithm.” Procedia - Procedia Computer Science 54:764–71. 2015
[10] Misdiyanto. ”Identifikasi Jenis-Jenis Burung Lovebird Menggunakan Pengolahan Citra Digital Dengan Metode K Means Clustering,” Jurnal Sains Komputer & Informatika (J- SAKTI). Volume 4 Nomor 2, September 2020, pp. 445-456
