Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem Identifikasi Tumbuhan Obat Berbasis Citra
Abstract: Teknologi
identifikasi pada penelitian ini diperlukan untuk mempercepat proses
identifikasi spesies tumbuhan obat berupa data citra digital. Penelitian ini
membangun sistem identifikasi tumbuhan obat menggunakan teknik clustering.
Teknik clustering digunakan untuk mengelompokkan data citra sesuai dengan
spesies tumbuhan obat. Penelitian ini bertujuan melakukan optimasi k-means
clustering menggunakan metode particle swarm optimization (PSO). Metode PSO
digunakan untuk mengatasi kelemahan pada metode clustering tradisional yaitu
pemilihan pusat cluster awal dan solusi lokal. Proses ekstraksi fitur
menggunakan fuzzy local binary pattern (FLBP) untuk merepresentasikan tekstur
dari citra. Implementasi program menggunakan bahasa pemrograman C++. Analisis
clustering dilakukan untuk 30 spesies tumbuhan obat yang ada di Indonesia
dengan jumlah 48 citra masing-masing spesies. Pengukuran kualitas clustering
menggunakan nilai quantization error dan akurasi. Hasil yang diperoleh menunjukkan
metode PSO mampu meningkatkan kinerja dari metode k-means clustering dalam
proses identifikasi tumbuhan obat.
Kata kunci: fuzzy local binary
pattern, k-means clustering, particle swarm optimization, tumbuhan obat
Penulis: Franki Yusuf
Bisilisin, Yeni Herdiyeni, Bib Paruhum Silalahi
Kode Jurnal: jptinformatikadd140189
