Hidayatullah, Mohammad Rizky (2019) Algoritme Enhanced K-means dengan Ekstraksi Fitur Local Binary Pattern dan Color Moment untuk Pengelompokan Citra Makanan. Sarjana thesis, Universitas Brawijaya.
Abstract
Makanan adalah sumber energi bagi tubuh untuk melakukan kegiatan seharihari. Makanan sendiri memiliki warna dan bentuknya masing-masing. Warna dan bentuk makanan dapat menimbulkan sebuah persepsi rasa dari makanan tersebut pada pemikiran seseorang yang melihatnya. Untuk melihat apakah warna dan bentuk dari makanan dapat menunjukkan informasi lain seperti kandungan gizinya dilakukan pengelompokan citra makanan. Untuk melakukan pengelompokan makanan digunakan metode Enhanced K-means. Hal ini dilakukan untuk mencegah hasil yang tidak konsisten pada K-means, karena pada Enhanced Kmeans tidak melakukan inisialisasi secara acak. Penelitian ini menggunakan metode metode color moment untuk fitur warna dan untuk fitur tekstur digunakan metode Local Binary Pattern (LBP). Hasil evaluasi Enhanced K-means dengan menggunakan Coefficient Silhouette (CS) dan Davies-Bouldin Index (DBI) menunjukkan, pengelompokan dengan menggunakan fitur warna saja dengan channel hue menghasilkan hasil terbaik dengan nilai DBI sebesar 0,957 dan Silhouette sebesar 0,399, sedangkan hasil evaluasi menggunakan kedua fitur hanya mendapatkan nilai DBI sebesar 1,058 dan Silhouette sebesar 0,31.
English Abstract
Food is a source of our energy for doing our daily activities. Food have each color and texture for their identity. Using color and texture from the food, we can feel the taste in our mind while we see that food. In this paper, we want to know about what information we can get with color and texture of food. To do that, we use clustering to see how color and texture can show any information like nutrition inside the food. We used Enhanced K-means for grouping food image because we want to get a consistent results cause in Enhanced K-means, the initialization didn’t use random data. The food image is grouping by color and texture cause they are two thing who can increase someones appetite. To get the color feature we used Color Moment and for texture feature we used Local Binary Pattern. For the result of evaluation using Coefficient Silhouette (CS) and Davies-Boulding Index (DBI), clustering using color texture get best result with DBI score is 0.957 and CS score is 0.399 whereas when we use color and texture, result for DBI score is just 1.058 and CS score is 0.31.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/266/051905584 |
| Uncontrolled Keywords: | Color Moment, Food Image, Clustering, Enhanced K-means, K-means, Local Binary Pattern |
| Subjects: | 500 Natural sciences and mathematics > 518 Numerical analysis > 518.1 Algorithms |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 11 Jul 2020 06:07 |
| Last Modified: | 11 Jul 2020 06:07 |
| URI: | http://repository.ub.ac.id/id/eprint/171476 |
Actions (login required)
 |
View Item |