IMPLEMENTASI ALGORITMA OTSU THRESHOLDING DAN K-MEANS DALAM SEGMENTASI CITRA DAUN MANGROVE
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
LAZIOLA, GHORA
Ritha, Nola
Bettiza, Martaleli
Ritha, Nola
Bettiza, Martaleli
Subject
006.6 Computer Graphics/Komputer Grafis, Grafika Komputer
Datestamp
2025-02-05 04:12:23
Abstract :
Penelitian ini membandingkan dua metode segmentasi, yaitu Otsu Thresholding dan K-Means Clustering, serta performa model backpropagation yang menggunakan hasil segmentasi dari masing-masing metode untuk klasifikasi empat jenis mangrove. Hasil analisis menunjukkan bahwa Otsu Thresholding menghasilkan nilai MSE sebesar 0.0196 dan PSNR sebesar 17.5 dB, lebih baik dibandingkan K-Means Clustering dengan MSE sebesar 0.0218 dan PSNR sebesar 16.95 dB. Model backpropagation dilatih dengan parameter pelatihan yang sama, yaitu learning rate sebesar 0.2, 1000 epoch, serta arsitektur hidden layers dengan 256 neuron di lapisan pertama dan 128 neuron di lapisan kedua. Hasil pengujian menunjukkan bahwa model berbasis Otsu Thresholding mencapai testing accuracy sebesar 94%, dengan precision 0.96, recall 0.94, dan F1-score 0.95, sedangkan model berbasis K-Means Clustering mencapai testing accuracy sebesar 81.48%, dengan precision 0.83, recall 0.81, dan F1-score 0.81. Secara keseluruhan, model dengan segmentasi Otsu Thresholding memiliki kemampuan generalisasi yang lebih baik, menjadikannya metode segmentasi yang lebih unggul untuk mendukung performa klasifikasi jenis mangrove.
Penelitian ini membandingkan dua metode segmentasi, yaitu Otsu Thresholding dan K-Means Clustering, serta performa model backpropagation yang menggunakan hasil segmentasi dari masing-masing metode untuk klasifikasi empat jenis mangrove. Hasil analisis menunjukkan bahwa Otsu Thresholding menghasilkan nilai MSE sebesar 0.0196 dan PSNR sebesar 17.5 dB, lebih baik dibandingkan K-Means Clustering dengan MSE sebesar 0.0218 dan PSNR sebesar 16.95 dB. Model backpropagation dilatih dengan parameter pelatihan yang sama, yaitu learning rate sebesar 0.2, 1000 epoch, serta arsitektur hidden layers dengan 256 neuron di lapisan pertama dan 128 neuron di lapisan kedua. Hasil pengujian menunjukkan bahwa model berbasis Otsu Thresholding mencapai testing accuracy sebesar 94%, dengan precision 0.96, recall 0.94, dan F1-score 0.95, sedangkan model berbasis K-Means Clustering mencapai testing accuracy sebesar 81.48%, dengan precision 0.83, recall 0.81, dan F1-score 0.81. Secara keseluruhan, model dengan segmentasi Otsu Thresholding memiliki kemampuan generalisasi yang lebih baik, menjadikannya metode segmentasi yang lebih unggul untuk mendukung performa klasifikasi jenis mangrove.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
