PENGOLAHAN CITRA DIGITAL UNTUK IDENTIFIKASI OBJEK MENGGUNAKAN METODE HIERARCHICAL AGGLOMERATIVE CLUSTERING

Penulis

  • Juju Jumadi Universitas Dehasen Bengkulu
  • Yupianti Yupianti Universitas Dehasen Bengkulu
  • Devi Sartika Universitas Dehasen Bengkulu

DOI:

https://doi.org/10.23887/jstundiksha.v10i2.33636

Kata Kunci:

Identifikasi Objek, Hierarchical Agglomerative Clustering, Citra Digital

Abstrak

Identifikasi objek (object recognition) merupakan suatu bidang keillmuan dari komputer vision yang menggambarkan suatu objek yang didasarkan pada sifat utama dari objek tersebut. Identifikasi objek pada citra digital membutuhkan teknik dan metode yang mampu untuk mengekstraksi dan mengidentifikasi fitur-fitur yang terdapat pada citra digital, dimana komponen utamanya adalah warna sebagai dasar dari representasi objek pada citra digital. salah satu metode yang mampu menerapkan pengelompokan warna – warna objek pada citra digital sehingga dapat menjadi fitur utama dari objek pada citra digital adalah Hierarchical Agglomerative Clustering. Analisa dilakukan secara bertahap yaitu analisis sistem dan analisis algoritma agglomerative clustering. Proses analisa kemudian dilanjutkan dengan tahap perancangan yang mana dimulai dengan perancangan use case diagram dan perancangan flowchart. Akurasi dari algoritma Hierarchical Agglomerative Clustering cukup baik khususnya pada objek yang memiliki warna khusus atau warna yang telah menjadi ciri dari objek tersebut namun dapat menghasilkan pengenalan yang buruk jika objek yang berbeda memiliki warna dominan yang sama

Referensi

Ackermann, M. R., Bl ̈omer, J., Kuntze, D., & Sohler, C. (2014). Analysis of Agglomerative Clustering. 28th International Symposium on Theoret, pp. 308–319.

Madhulatha, T. S. (2012). An Overview On Clustering Methods. IOSR Journal of Engineering, Vol 2(4) pp : 719-725.

Prasetyo, E. (2012). Data Mining : Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: Andi.

Putra, D. (2010). Pengolahan Citra Digital. Yogyakarta: Penerbit Andi.

Saad, F. H., Mohamed, O. I., & Al-Qutaish, R. E. (2012). Comparison of Hierarchical Agglomerative Algorithms For Clustering Medical Documents. International Journal of Software Engineering & Applications, Vol 3, No 3.

Wiradharma, P. K., Purwanto, Y., & Purboyo, T. W. (2015). Analisis Sistem Deteksi Anomali Trafik Menggunakan Algoritma Clustering Isodata (Self-Organizing Data Analys Technique) Dengan Euclidean Distance. e-Proceeding of Management : Vol.2, No.2 Agustus , 1542-1549

Unduhan

Diterbitkan

2021-11-03

Cara Mengutip

Jumadi, J., Yupianti, Y., & Sartika, D. (2021). PENGOLAHAN CITRA DIGITAL UNTUK IDENTIFIKASI OBJEK MENGGUNAKAN METODE HIERARCHICAL AGGLOMERATIVE CLUSTERING. JST (Jurnal Sains Dan Teknologi), 10(2), 148–156. https://doi.org/10.23887/jstundiksha.v10i2.33636

Terbitan

Vol 10 No 2 (2021)

Bagian

Articles

Lisensi

Authors who publish with the Jurnal Sains dan Teknologi (JST)   agree to the following terms:

  1. Authors retain copyright and grant the journal the right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal. 
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work. (See The Effect of Open Access)