Implementasi Euclidean Distance dan Segmentasi K-Means Clustering Pada Identifikasi Citra Jeruk Nipis

Abstract

Jeruk nipis (Citrus aurantifolia) adalah buah kecil yang berasal dari Asia Tenggara dan dikenal luas karena aroma dan rasa asamnya. Buah ini memiliki berbagai manfaat kesehatan dan masakan. Penelitian ini bertujuan mengimplementasikan algoritma Euclidean Distance dan segmentasi citra dengan K-Mean Clustering pada identifikasi citra jenis Jeruk Nipis berdasarkan ciri bentuk dan teksturnya. Algoritma K-Mean Clustering digunakan untuk memisahkan antara Foreground dan Background pada citra. Objek tersebut akan diekstraksi cirinya berdasarkan bentuk dan ciri tekstur dengan menggunakan MATLAB. Segmentasi citra merupakan langkah penting dalam pengolahan citra. Fokus penelitian ini adalah pada dua warna jeruk nipis hijau  dan jeruk nipis kuning. Proses segmentasi dimulai dengan tahap praproses citra, seperti konversi ke ruang warna Lab* untuk meningkatkan ketepatan segmentasi berdasarkan komponen warna. Algoritma K-Means Clustering digunakan untuk membagi citra menjadi beberapa kluster yang masing-masing mewakili segmen berbeda dari citra jeruk nipis. Hasil segmentasi dievaluasi untuk memastikan kluster yang terbentuk mampu memisahkan objek jeruk nipis dengan akurat dari latar belakang.  Maka didapatkan hasil ekstraksi ciri pada Metric adalah 0,95965 menunjukan hasil yang sangat baik, pada Eccentricity 0,18568 menunjukan  Ukuran eksentrisitas objek menggambarkan Nilai yang Sempurna. untuk Contrast 0,02922 merupakan nilai yang cukup rendah, pada Correlation tingkat keteraturan atau hubungan antara piksel dalam citra bernilai 0.99448 mendekati 1 dan dapat diartikan memiliki nilai yang baik , untuk Energy 0,67743 Cukup tinggi yang menunjukkan tekstur yang lebih seragam. untuk Homogeneity Keseragaman intensitas Pixel dalam Citra memiliki nilai yang cukup tinggi yaitu  0,99201. fitur-fitur ini digunakan untuk mengidentifikasi citra berdasarkan karakteristik yang relevan.