LAZIOLA, GHORA and Ritha, Nola and Bettiza, Martaleli (2025) IMPLEMENTASI ALGORITMA OTSU THRESHOLDING DAN K-MEANS DALAM SEGMENTASI CITRA DAUN MANGROVE. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) GHORA LAZIOLA_2001020025_Teknik Informatika_Cover.pdf - Published Version Download (454kB)
	Text (Abstrak) GHORA LAZIOLA_2001020025_Teknik Informatika_Abstrak.pdf - Published Version Download (337kB)
	Text (BAB I) GHORA LAZIOLA_2001020025_Teknik Informatika_BAB I.pdf - Published Version Download (438kB)
	Text (Daftar Pustaka) GHORA LAZIOLA_2001020025_Teknik Informatika_Daftar Pustaka.pdf - Published Version Download (302kB)
	Text (Full Teks) GHORA LAZIOLA_2001020025_Teknik Informatika_Full Teks.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

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.

Actions (login required)

View Item