IMPLEMENTASI IMAGE PROCESSING DENGAN METODE K-MEANS CLUSTERING UNTUK IDENTIFIKASI CITRA AYAM, PUYUH, DAN BEBEK
Abstract
Penelitian ini membahas masalah dalam mengklasifikasikan citra unggas, seperti ayam, puyuh, dan bebek, dengan menggunakan algoritma pengolahan citra dan teknik klasterisasi K-Means. Penelitian dilakukan karena sering terjadi kesalahan dalam mengenali jenis unggas karena kesamaan antar spesies yang sulit dibedakan secara manual. Tujuan utama penelitian ini adalah membuat metode pengenalan citra unggas secara otomatis dengan cara segmentasi berbasis klasterisasi. Teknik yang digunakan meliputi praproses citra, ekstraksi ciri bentuk dan tekstur, dan penggunaan algoritma K-Means untuk mengelompokkan nilai pixel. Hasil penelitian menunjukkan bahwa K-Means memiliki kemampuan untuk meningkatkan kualitas segmentasi citra unggas, sehingga membantu menonjolkan ciri-ciri unik dari setiap spesies. Sebagai contoh, puyuh lebih mudah dikenali karena tekstur dan kontrasnya yang tinggi, sementara bebek dan ayam cenderung memiliki citra yang lebih halus dan seragam.
Downloads
References
S. Saifullah, S. Sunardi, and A. Yudhana, Analisis Ekstraks Ciri Fertilitas Telur Ayam Kampung dengan Grey Level Cooccurrence Matrix, J. Nas. Tek. Elektro, vol. 6, no. 2, p. 66, 2017, doi: 10.25077/jnte.v6n2.376.2017.
F. Agustina and Z. A. Ardiansyah, Identifikasi Citra Daging Ayam Kampung dan Broiler Menggunakan Metode GLCM dan Klasifikasi-NN Image Identification of Local Chicken Meat and Broiler Chicken MeatUsing GLCM Method and K-NN Classification, 25 J. Infokam, vol. XVI, no. 1, 2020.
M. Nasikh et al., Deteksi Telur Ayam Kampung Berdasarkan Analisis Fitur Warna ( HSV ) dan Tekstur ( GLCM ) Cangkang Menggunakan Algoritma K-Nearest Neighbors, vol. 9, pp. 2312823138, 2025.
H. D. Adoe and A. Y. Rahman, Segmentasi Citra Burung Lovebird Menggunakan, vol. 10, no. 1, 2023.
A. A. Shihab, A. Ghofur, and A. Hamdani, Klasifikasi Kualitas Daging Ayam Menggunakan Citra Digital Dengan Ekstraksi Fitur GLCM Dan Metode CNN, J. Tekno Kompak, vol. 19, no. 2, pp. 291303, 2025, doi: 10.33365/jtk.v19i2.355.
A. Herdiansyah, Analisis Pola Pembelian Makanan Menggunakan Algoritma Apriori Di Restoran Simpang Raya, Jppie, vol. 04, 2025.
V. D. S. Nayla Fauziah, Henny Sulistianingsih, INTEGRASI ARTIFICIAL INTELLIGENCE DALAM PENGELOLAAN KEUANGAN PRIBADI: STUDI PENGEMBANGAN SISTEM ADAPTIF UNTUK GENERASI, Jppie, vol. 04, 2025, [Online]. Available: http://jurnal.unidha.ac.id/index.php/jppie
A. Ramadhanu, Klasifikasi Penggunaan Helm pada Citra Pengendara Sepeda Motor Menggunakan K-Means Clustering dan GLCM, Klasifikasi Pengguna. Helm pada Citra Pengendara Sepeda Mot. Menggunakan K-Means Clust. dan GLCM, vol. 5, no. 2, pp. 199208, 2025, doi: 10.35957/algoritme.xxxx.
S. Anand and L. Priya, Digital Image Fundamentals. 2019. doi: 10.1201/9781003002826-2.
M. Yusuf, I. Abbas, and M. F. Basmar, Segmentasi Citra Menggunakan Algoritma K-Means Berbasis Particle Swarm Optimization, pp. 146156, 2022, doi: 10.47002/metik.v6i2.377.
S. Ghosh, Comparative Analysis of K-Means and Fuzzy C- Means Algorithms, vol. 4, no. 4, pp. 3539, 2013.
Y. M. Gumiwang, A. Haikal, N. Zahhar, and H. Maulana, Perbandingan Segmentasi Citra Menggunakan Algoritma K-Means Dan Algoritma Fuzzy C-Means, vol. 3, pp. 2126, 2023.
S. Komputer and A. E. Sahri, Implementasi K-Means Clusstering dalam Pengelompokan Produksi Daging Ayam Menurut Provinsi di Indonesia, vol. 18, no. 2, pp. 173182, 2023.
K. C. Berbasis and O. Dan, Aplikasi Pengolahan Citra Digital Meat Detection Dengan Metode Segmentasi, vol. 4, no. 2, 2016.
A. Kamilaris and F. X. Prenafeta-bold, Deep Learning in Agriculture : A Survey, pp. 153.
Copyright (c) 2025 Hafis Hidayattullah, Agung Ramadhanu
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under an Attribution 4.0 International (CC BY 4.0) that allows others to share — copy and redistribute the material in any medium or format and adapt — remix, transform, and build upon the material for any purpose, even commercially with an acknowledgment of the work's authorship and initial publication in this journal.
