Implementasi Algoritma K-Means Pada Pendeteksian Warna Untuk Membantu Penderita Buta Warna

Eka Putra, Marcel (2014) Implementasi Algoritma K-Means Pada Pendeteksian Warna Untuk Membantu Penderita Buta Warna.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

K-Means merupakan salah satu algoritma clustering dimana setiap bagian pengelompokkannya diwakili oleh rata-rata dari anggota kelompoknya. K-Means mempunyai kelemahan pada inisialisasi titik pusat cluster yang bersifat random sehingga seringkali menyebabkan terjebaknya pada optimasi lokal sehingga hasil pengelompokannya tidak optimal. Pada kasus pengelompokkan warna sistem pendeteksian warna hal tersebut dapat berakibat pada kurang tepatnya hasil pendeteksian warna. Berdasarkan permasalahan tersebut maka diperlukan sebuah algoritma sebagai solusi yang dapat meningkatkan hasil clustering menuju optimasi global. Fast Genetic K-Means Algorithm(FGKA) merupakan sebuah algoritma clustering yang menggabungkan efisiensi algoritma K-Means dan kekuatan algoritma Genetika. FGKA memiliki alur algoritma yang dimulai dari fase inisialisasi, kondisi terminal, seleksi, mutasi dan K-Means Operator. Operator genetika seperti crossover dihindari pada FGKA karena mahal secara biaya komputasi dan dapat menghasilkan individu baru yang tidak valid. FGKA memiliki beberapa parameter inputan seperti jumlah kromosom, rasio mutasi, dan juga iterasi K-Means Operator (KMO) yang dapat dikombinasikan untuk mendapatkan hasil clustering yang mengarah pada optimasi global. Dalam penelitian ini dilakukan sejumlah percobaan terhadap algoritma FGKA dengan melakukan kombinasi parameter inputan yang telah ditetapkan untuk mendapatkan hasil pengelompokkan yang paling optimal. Ditemukan bahwa semakin besar jumlah kromosom maka semakin besar pula kemungkinan FGKA dalam mencapai konvergensi pada global optima. Namun perlu adanya pertimbangan pada nilai rasio mutasi, semakin rendah nilai rasio mutasi maka semakin sulit FGKA dalam mencapai kondisi konvergen. Iterasi K-Means menjadi penyebab mahalnya biaya komputasi FGKA dalam mencapai konvergensi. Dengan menggunakan sistem pendeteksian warna, penderita buta warna dapat terbantu dalam melihat warna

Item Type: Article
Uncontrolled Keywords: Fast Genetic K-Means Algorithm, optimasi global, buta warna
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2014
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Depositing User: M.Kom Taryana Suryana
Date Deposited: 16 Nov 2016 08:09
Last Modified: 16 Nov 2016 08:09
URI: https://repository.unikom.ac.id/id/eprint/28566

Actions (login required)

View Item View Item