Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Citra Digital Dengan Ekstraksi Fitur Warna RGB
Teks penuh
Gambar
Dokumen terkait
Pada penelitian ini dapat diambil kesimpulan bahwa pengelompokan jenis kupu – kupu dengan menggunakan fitur ekstraksi algoritma GLCM dan algoritma K- Means agar dapat
Langkah kerja dari CBIR adalah dengan melakukan ekstraksi fitur tekstur terhadap dataset citra yang digunakan, yakni citra tenun menggunakan algoritma GLCM..
Melakukan beberapa proses ekstraksi fitur warna RGB dan HSI pada setiap citra uji dan melakukan penyimpanan fitur tersebut, untuk dilakukan seleksi dan kemudian
Membandingkan tingkat efisiensi antara algoritma k- means konvensional dengan k-means yang telah dimodifikasi pada kasus kuantiasasi warna citra.. Membandingkan tingkat
Penelitian ini bertujuan untuk memperoleh metode pengklasifikasian buah manggis dengan acuan citra fitur warna RGB yang dihasilkan melalui kamera pemindai yang
Data mining dengan algoritma K-Means dapat diterapkan pada SMA Tamora untuk menganalisis permasalahan yang ada yang berkenaan dengan pengelompokkan data nilai
Dan beberapa hasil dari ujicoba metode pengelompokan warna citra dengan K- Means, dimana Original Image merupakan gambar asli citra RGB, Greyscale Image merupakan
Pada penlitian ini, diusulkan Algoritma Random Forest dengan kombinasi 3 ekstraksi fitur yaitu fitur warna, fitur Hu-Moment, dan fitur haralick pada citra penyakit daun tomat dengan
