Kata belakang yang berbeda. Metode deskriptif observasional kuantitatif digunakan pada proses preprocessing terhadap 25 citra daun bawang dengan latar belakang berbeda.
Hasil penelitian menunjukkan bahwa metode Adaptive Thresholding memberikan hasil segmentasi yang baik dengan intensitas hitam putih, sedangkan metode K-Means Clustering dengan ekstraksi ciri dari citra juga memberikan segmentasi yang memuaskan. Sedangkan metode clustering K-Means memiliki nilai rata-rata yang lebih rendah yaitu indeks Jaccard 0,64, indeks Rand 0,69, dan skor F1 0,71 pada skenario random background. Namun hasil segmentasi terbaik diperoleh dengan menggunakan metode Adaptive Thresholding pada latar belakang putih terang dengan nilai indeks Jaccard sebesar 0,96, indeks Rand sebesar 0,91, dan skor F1 sebesar 0,98.
Penelitian ini memberikan rekomendasi segmentasi terbaik pada gambar daun bawang bawang merah dengan latar belakang yang berbeda-beda. Metode Adaptive Thresholding terbukti efektif dalam proses segmentasi dengan mengekstraksi fitur bentuk dan tekstur, sehingga memberikan tingkat akurasi yang tinggi. Penggunaan pencahayaan yang memadai saat pengambilan gambar sangat penting untuk mencapai hasil segmentasi yang optimal.
Ucapan terima kasih juga disampaikan kepada pihak-pihak lain yang tidak dapat disebutkan satu persatu yang telah banyak membantu dalam penyelesaian skripsi ini. Jelas bahwa skripsi ini masih mempunyai banyak kekurangan, sehingga peringatan, kritik dan saran dari berbagai pihak sangat kami harapkan. Dengan harapan semoga skripsi ini dapat bermanfaat bagi kita semua khususnya bagi dunia pendidikan di Indonesia.
Latar Belakang Masalah
Penerapan segmentasi citra sebelumnya telah dilakukan oleh (Desiani et al., 2021) yang meneliti variasi ambang batas segmentasi pembuluh citra retina. Hasil penelitian menunjukkan metode Adaptive Thresholding mempunyai akurasi rata-rata 91%, sensitivitas 36%, dan spesifisitas 97%. Penelitian lain juga dilakukan oleh (Febrinanto & Falih Gozi, 2018), dalam penelitian berjudul Implementasi Algoritma K-Means Clustering Sebagai Metode Segmentasi Citra Dalam Identifikasi Penyakit Daun Jeruk Berdasarkan hasil pengujian yang dilakukan.
Nilai faktor skala yang memberikan akurasi tertinggi adalah 1,1, sedangkan nilai cluster optimal yang diperoleh pada proses segmentasi daun adalah 2 dan pada proses segmentasi penyakit adalah 9. Selain itu, pada segmentasi citra diperoleh segmentasi citra hati menggunakan U-The arsitektur net berkinerja sangat baik, baik, dengan ukuran kinerja akurasi dan spesifisitas di atas 95%, serta nilai sensitivitas dan DSC di atas 85% dalam studi oleh Naralok et al., (2022). Hal ini menunjukkan bahwa arsitektur U-Net mempunyai kemampuan yang sangat baik dalam memprediksi hasil objek berwarna putih (hati) dan hasil objek berwarna hitam (background) pada segmentasi citra hati.
Berdasarkan uraian di atas, penelitian ini mengusulkan algoritma Adaptive Thresholding dan K-Means Clustering untuk membandingkan akurasi penggunaan kedua algoritma tersebut dalam melakukan proses segmentasi pada citra bawang merah. Adaptive Thresholding adalah metode membagi suatu gambar menjadi sub-gambar kecil dan menentukan nilai ambang batas untuk setiap sub-gambar. Sedangkan K-Means Clustering merupakan metode segmentasi citra dengan membagi data menjadi beberapa wilayah cluster yang berbeda untuk memperoleh fitur-fitur objek (Kusuma & Ellyana, 2018).
Oleh karena itu peneliti menggunakan metode Thresholding dan K-Means Clustering sebagai metode segmentasi citra pada objek bawang merah, sehingga dilakukan penelitian. Implementasi Algoritma Adaptive Thresholding dan K-Means Clustering Sebagai Metode Segmentasi Citra Bawang Merah”, yang akan diusulkan dalam penelitian ini.
Identifikasi Masalah
Perlunya metode segmentasi citra yang lebih akurat untuk menentukan batas wilayah jelajah dan mengidentifikasi hama dan penyakit pada tanaman bawang merah. Perbandingan keakuratan metode Adaptive Thresholding dan metode K-Means Clustering dalam melakukan segmentasi citra pada citra daun bawang merah.
Rumusan Masalah
Batasan Masalah
Data gambar yang akan digunakan adalah gambar bawang merah berwarna RGB dengan ukuran piksel 500x500 yang diambil secara pribadi dengan total 25 data gambar. Penelitian ini akan membandingkan keakuratan metode Adaptive Thresholding dan metode K-Means Clustering dalam melakukan segmentasi citra pada citra daun bawang. Hasil akhir dari penelitian ini adalah sebuah aplikasi web yang dapat melakukan segmentasi citra daun bawang bawang merah dengan menggunakan metode K-Means Clustering dan Adaptive Thresholding, serta membandingkan akurasi kedua metode tersebut.
Pengguna aplikasi web hasil penelitian ini adalah para peneliti atau ahli di bidang citra digital dan pengolahan citra. Penelitian ini hanya akan membatasi tahap segmentasi daun bawang merah dengan menggunakan metode K-Means Clustering, dan tidak membahas tahap selanjutnya dalam proses klasifikasi atau identifikasi hama dan penyakit pada tanaman bawang merah.
Tujuan Penelitian
Perbandingan keakuratan metode Adaptive Thresholding dan metode K-Means Clustering dalam melakukan segmentasi citra pada citra daun bawang.
Manfaat dan Kegunaan Penelitian
Metode Penelitian
- Studi Literatur
- Pengumpulan Data
- Analisa Sistem
- Perancangan Sistem
- Desain Sistem
- Implementasi
- Uji Coba
- Laporan
Pendekatan yang digunakan dalam penelitian ini adalah metode penelitian deskriptif observasional kuantitatif, yaitu dengan membuat gambaran obyektif suatu keadaan di bawang merah dengan menggunakan citraan, dimulai dari pengumpulan data, interpretasi data serta penampakan dan hasilnya. Umumnya peneliti merancang prosedur penelitian menggunakan diagram air terjun prosedur penelitian yang dapat dilihat pada Gambar 1.1 dan sesuai dengan skema penelitian. Penelitian diawali dengan mencari referensi jurnal atau artikel terkait gambar, segmentasi dan metode yang digunakan dalam penelitian ini.
Dari jurnal-jurnal tersebut kemudian dilakukan review jurnal untuk memperoleh pengetahuan materi yang mendalam, mengidentifikasi permasalahan dan teori-teori yang berkaitan dengan permasalahan dalam penelitian. Dalam penelitian ini dilakukan observasi untuk memperoleh data gambar daun bawang merah untuk bahan penelitian. Data gambar daun bawang merah diperoleh dengan proses pengambilan gambar dan perekaman daun bawang merah secara langsung pada lokasi yang telah ditentukan.
Analisis sistem ini dilakukan untuk mengetahui metode segmentasi yang diperoleh dari proses studi literatur yang dapat digunakan untuk mengidentifikasi citra daun bawang merah. Perancangan sistem ini sesuai dengan studi literatur dan dibuat alur detailnya sehingga dapat ditentukan algoritma yang cocok untuk penelitian ini. Hasil perancangan sistem sebelum pengujian akan diimplementasikan melalui kode berupa bahasa pemrograman Python.
Dalam proses pengujian lebih ditekankan pada logika sistem, sehingga seluruh item yang akan diuji telah terlaksana. Setelah tahap implementasi selesai, sistem akan diujicobakan pada tahap ini. Apabila ditemukan kesalahan pada program pada tahap pengujian, maka dilakukan perbaikan pada program dengan menghilangkan bug atau kesalahan pada program.
Dalam penyusunan laporan, hasil analisis yang diperoleh dari pengumpulan data, perancangan sistem, perancangan dan implementasi sistem disertai dengan kesimpulan.
Jadwal Penelitian
Sistematika Penulisan Laporan
PENDAHULUAN
TINJAUAN PUSTAKA
ANALISA DAN DESAIN SISTEM
IMPLEMENTASI DAN HASIL
PENUTUP
Arsitektur U-Net dalam segmentasi citra hati untuk deteksi dini kanker hati, Jurnal Teknologi Informasi Techno.Com, 21 (4). Deteksi Penyakit pada Daun Kentang Menggunakan Image Processing dengan Metode Convolutional Neural Network, Jurnal Teknologi Informasi Kreatif, 8 (1).
