Algoritme Enhanced K-means dengan Ekstraksi Fitur Local Binary Pattern dan Color Moment untuk Pengelompokan Citra Makanan
| Main Author: | Hidayatullah, Mohammad Rizky |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/171476/ |
Daftar Isi:
- Makanan adalah sumber energi bagi tubuh untuk melakukan kegiatan seharihari. Makanan sendiri memiliki warna dan bentuknya masing-masing. Warna dan bentuk makanan dapat menimbulkan sebuah persepsi rasa dari makanan tersebut pada pemikiran seseorang yang melihatnya. Untuk melihat apakah warna dan bentuk dari makanan dapat menunjukkan informasi lain seperti kandungan gizinya dilakukan pengelompokan citra makanan. Untuk melakukan pengelompokan makanan digunakan metode Enhanced K-means. Hal ini dilakukan untuk mencegah hasil yang tidak konsisten pada K-means, karena pada Enhanced Kmeans tidak melakukan inisialisasi secara acak. Penelitian ini menggunakan metode metode color moment untuk fitur warna dan untuk fitur tekstur digunakan metode Local Binary Pattern (LBP). Hasil evaluasi Enhanced K-means dengan menggunakan Coefficient Silhouette (CS) dan Davies-Bouldin Index (DBI) menunjukkan, pengelompokan dengan menggunakan fitur warna saja dengan channel hue menghasilkan hasil terbaik dengan nilai DBI sebesar 0,957 dan Silhouette sebesar 0,399, sedangkan hasil evaluasi menggunakan kedua fitur hanya mendapatkan nilai DBI sebesar 1,058 dan Silhouette sebesar 0,31.