Modifikasi Metode Fuzzy C-Means untuk Klasifikasi Citra Daun Padi

Fra Siskus Dian Arianto, Adi Wibowo, Bayu Surarso

Abstract


Metode Fuzzy C-means merupakan algoritma pembelajaran tidak terawasi yang menggunakan derajat keanggotaan untuk menentukan cluster tiap-tiap titik data. Proses pembelajaran yang tidak terawasi menjadi keunggulan untuk dapat diterapkan pada gambar yang terdapat noise. Dilakukan modifikasi terhadap metode Fuzzy C-means yaitu dengan melakukan penentuan dan perubahan matriks partisi  menggunakan fungsi keanggotaan fuzzy untuk mendapatkan proses pembelajaran dan akurasi cluster. Penelitian ini bertujuan untuk mendapatkan model terbaik klasifikasi warna daun padi (Oryza Sativa) berdasarkan citra digital dengan menggunakan modifikasi metode fuzzy c-means yang diterapkan untuk klasifikasi. Data citra daun padi yang digunakan sebanyak  citra dengan ukuran  dimana data dibagi menjadi data latih  citra untuk mendapatkan model dan 160 citra digunakan untuk pengujian model klasifikasi. Data citra diubah menjadi matriks Red, Green, Blue (RGB) yang kemudian ditransformasi menjadi matriks fuzzy. Penetapan nilai elemen-elemen matriks partisi  dilakukan dengan membangkitkan bilangan random berdistribusi Uniform yang kemudian diubah menjadi matriks fuzzy. Model fuzzy c-means terbaik untuk klasifikasi diperoleh dengan menggunakan pusat cluster dari proses pembelajaran pada 9 percobaan terhadap parameter pangkat (). Diperoleh model terbaik modifikasi metode fuzzy c-means untuk klasifikasi pada percobaan parameter pangkat () sama dengan 2 dengan accuracy (ACC) 71%,  specificity (SPC) 76%, sensitivity (TPR) 54%, positive predictive value (PPV) 51%, dan negative predictive value (NPV) 85%.

Keywords


Matriks Fuzzy, fuzzy c-means, Matriks Partisi U

Full Text:

PDF

References


Arora, Jyoti, and Meena Tushir. 2020. “An Enhanced Spatial Intuitionistic Fuzzy C-Means Clustering for Image Segmentation.” Procedia Computer Science 167(2019):646–55. doi: 10.1016/j.procs.2020.03.331.

Huang, Kuang Yu. 2010. “Applications of an Enhanced Cluster Validity Index Method Based on the Fuzzy C-Means and Rough Set Theories to Partition and Classification.” Expert Systems with Applications 37(12):8757–69. doi: 10.1016/j.eswa.2010.06.032.

Kadarman, J., N. Anggriyani, and W. Wiryawan. 2016. “Perbandingan Sensitivitas Dan Spesifisitas Ankle-Brachial Index Dengan Carotid Intima-Media Thickness Dalam Mendeteksi Penyakit Jantung Koroner Signifikan.” Jurnal Kedokteran Diponegoro 5(4):1111–24.

Kusumadewi, Sri, and H. Purnomo. 2004. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.

Miao, Jiaqing, Xiaobing Zhou, and Ting Zhu Huang. 2020. “Local Segmentation of Images Using an Improved Fuzzy C-Means Clustering Algorithm Based on Self-Adaptive Dictionary Learning.” Applied Soft Computing Journal 91:106200. doi: 10.1016/j.asoc.2020.106200.

Munir, M. Syahrul, and I. Ketut Eddy Purnama. 2015. “Identifikasi Kekurangan Unsur Hara Primer Pada Pertumbuhan Tanaman Kedelai Berdasarkan Tekstur Daun Menggunakan Support Vektor Machine.” SCAN - Jurnal Teknologi Informasi Dan Komunikasi 10(2):45–54.

Noerjanto, R. P. Bambang, Yunita Savitri, and Mirna Cathryna Putri. 2014. “Sensitivitas , Spesifisitas , Dan Akurasi Pengukuran Mental Indeks Pada Radiografi Panoramik Wanita Pascamenopause . Panoramic Radiograph of Post-Menopausal Women ).” 5(1):8–13.

Uum Efiyah. 2014. “Penerapan Algoritma Fuzzy C-Means Untuk Pengelompokan Harga Gabah Di Tingkat Penggilingan Berdasarkan Kualitas Gabah.” 217–24.

Wang, Hesheng, and Baowei Fei. 2009. “A Modified Fuzzy C-Means Classification Method Using a Multiscale Diffusion Filtering Scheme.” Medical Image Analysis 13(2):193–202. doi: 10.1016/j.media.2008.06.014.

Xu, Jindong, Guozheng Feng, Tianyu Zhao, Xiao Sun, and Meng Zhu. 2019. “Remote Sensing Image Classification Based on Semi-Supervised Adaptive Interval Type-2 Fuzzy c-Means Algorithm.” Computers and Geosciences 131(December 2018):132–43. doi: 10.1016/j.cageo.2019.06.005.




DOI: http://dx.doi.org/10.30872/jim.v17i1.6068

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer

Editor Informatika Mulawarman Address:
ISSN 1858-4853 (Print) | ISSN 2597-4963 (Online)
Published by: Mulawarman University
Managed by : Informatika Department
Jalan Sambaliung No.9 Sempaja Selatan Samarinda Utara,
Kalimantan Timur 75117 - Indonesia
E-mail: jim.unmul@gmail.com
OJS: http://e-journals.unmul.ac.id/index.php/JIM
Contact Person: Gubtha Mahendra Putra

 Creative Commons License

Informatika Mulawarman by http://e-journals.unmul.ac.id/index.php/JIM/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Under the CC BY-SA license, authors and other users are able to reprint, distribute or use the material for commercial purposes so long as they give attribution to the journal Informatika Mulawarman and license the republished material under the same license.