NUR’AINI, Selvia (2025) Penggunaan Algoritma K-Means Untuk Pengelompokkan Warna Daun Kopi Dengan Menghitung Average RGB. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (107kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (592kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (543kB)
	Text 5. KATA PENGANTAR.pdf Restricted to Repository staff only Download (137kB) | Request a copy
	Text 6. ABSTRAK.pdf Download (172kB)
	Text 6. ABSTRAK.pdf Download (172kB)
	Text 7. ABSTRACT.pdf Download (115kB)
	Text 8. DAFTAR ISI.pdf Download (442kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (651kB)

Abstract

ABSTRAK
Dalam tahap preprocessing untuk mengenali fitur dalam gambar seperti
pengelompokkan citra, metode yang lazim digunakan adalah image classification
dari supervised learning. Tetapi, penulis tertarik untuk meneliti apakah metode
ringan seperti unsupervised learning juga bisa digunakan pada kasus serupa. Daun
kopi yang sehat dengan tidak sehat memiliki warna berbeda, sehingga unsur ini
digunakan sebagai dasar penghitungan. Metode yang akan digunakan adalah K
Means Clustering dari penghitungan average RGB. Jika penggunakan K-Means
terbukti berhasil mengelompokkan daun dengan benar, maka hal ini bisa
dikembangkan untuk pemanfaatan lebih lanjut di skala hasil kebun nyata, seperti
mengidentifikasi berapa persen petak pohon yang sehat, tanpa harus melakukan
data training. Penggunaan algoritma K-Means dalam mengkategorikan bercak
daun kopi berdasarkan average RGB menghasilkan klaster yang tidak memuaskan
jika hanya dilakukan satu kali klasterisasi. Anggota klaster terkelompokkan
berdasarkan tingkat pencahayaan foto dan bukan berdasarkan warna bercak daun.
Hasil klasterisasi mulai mengalami peningkatan setelah dilakukan pemecahan lebih
lanjut dari klaster yang sudah ada. Warna bercak daun mulai memberikan pengaruh
yang signifikan ke nilai average RGB. Klaster awal yang tadinya mengandung
sekitar setengah anggota daun campuran, setelah pemecahan lebih lanjut, daun yang
terlihat bukan termasuk anggota hanya minoritas. K-Means terbukti bisa digunakan
untuk alternatif metode ringan dalam pengelompokkan gambar, tetapi dalam proses
profilisasi harus dilakukan secara manual.
Kata Kunci: daun kopi, K-Means Clustering, pengolahan citra, average RGB

Actions (login required)

View Item