Perbandingan Metode K Nearest Neighbor dan K Means Clustering Dalam Segmentasi Warna Pada Citra
Daftar Isi:
- Pada Tugas Akhir ini telah dibuat program yang dapat mensegmentasikan atau memisahkan warna pada sebuah citra untuk kemudian dapat ditampilkan satu persatu. Aplikasi dari segmentasi warna dapat dimanfaatkan pada perusahaan tekstil atau percetakan untuk melakukan separasi warna. Dalam Tugas Akhir ini dua buah metoda yang digunakan untuk pensegmentasian warna pada citra yaitu K Nearest Neighbor dan K Means Clustering. Tugas Akhir ini juga membandingkan ke dua buah metoda tersebut pada lima gambar berbeda untuk disegmentasi warnanya dan diperoleh hasil bahwa secara kualitatif K Nearest Neighbor mendapat skor 3,7 (dari skala 5) dan K Means Clustering mendapat skor 3,6 (dari skala 5), hal ini menunjukan hasil segmentasi warna pada gambar secara penglihatan mata hampir tidak dapat dibedakan, sedangkan secara kuantitatif, K Means Clustering mendapat nilai persentase keberhasilan pengektrasian warna sebesar 100% sama dengan K nearest Neighbor yang juga mendapat nilai persentase keberhasilan pengekstrasian warna sebesar 100%. Jadi, dalam Tugas Akhir ini, Metoda K Nearest Neighbor lebih unggul 0,1 point dari metoda K Means Clustering, berdasarkan perbandingan secara kualitatif.