Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem Identifikasi Tumbuhan Obat Berbasis Citra

  • Franki Yusuf Bisilisin Institut Pertanian Bogor
  • Yeni Herdiyeni Institut Pertanian Bogor
  • Bib Paruhum Silalahi Institut Pertanian Bogor

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

Downloads

Download data is not yet available.

Author Biographies

Franki Yusuf Bisilisin, Institut Pertanian Bogor
Departemen Ilmu Komputer
Yeni Herdiyeni, Institut Pertanian Bogor
Departemen Ilmu Komputer
Bib Paruhum Silalahi, Institut Pertanian Bogor
Departemen Matematika
Published
2017-01-04
How to Cite
Bisilisin, F. Y., Herdiyeni, Y., & Silalahi, B. P. (2017). Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem Identifikasi Tumbuhan Obat Berbasis Citra. Jurnal Ilmu Komputer Dan Agri-Informatika, 3(1), 37-46. https://doi.org/10.29244/jika.3.1.37-46
Section
Articles