Claim Missing Document
Check
Articles

Found 1 Documents
Search

PENGARUH REDUKSI DIMENSI PADA CLUSTERING CITRA DAUN TOMAT MENGGUNAKAN DARKNET19 DAN K-MEANS Aeri Rachmad; Muhammad Holilur Rohman; Wahyudi Setiawan
NERO (Networking Engineering Research Operation) Vol 8, No 1 (2023): Nero - April 2023
Publisher : Jurusan Teknik Informatika Fakultas Teknik Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v8i1.21473

Abstract

Image Clustering adalah pengelompokan citra dari kelas tanpa label sebelumnya. Pada penelitian ini menggunakan citra clustering dengan data daun tomato leaf panthogen sebanyak 900 citra yang terdiri dari 3 cluster yaitu Bacterial Spot, Yellow Leaf Curl Virus dan Healthy. Pada setiap cluster memiliki 300 citra. Langkah awal yang dilakukan adalah ekstraksi fitur menggunakan DarkNet19. DarkNet19 menerapkan beberapa parameter seperti epoch sebanyak 160 dengan menggunakan Stochastic Gradient Descent, Learning Rate dimulai dari 0.01, weight decay 0.0005, dan augmentasi data termasuk random crops, rotations, hue, saturation, and exposure shifts. Selain ekstraksi fitur, pada penelitian ini juga melakukan pengurangan dimensi menggunakan Principal Component Analysis (PCA). Selanjutnya, proses clustering menggunakan K-Means Clustering. Penelitian ini bertujuan untuk mengetahui tingkat akurasi dalam proses Clustering penyakit daun tomat menggunakan metode CNN DarkNet19, PCA dan K-Means. Hasil klastering yang terbaik menggunakan K-Means Clustering dengan PCA 20 yang menghasilkan accuracy 97.7%, precission 97.73%, dan recall 97.67% dengan waktu komputasi 1 menit 16 detik.Kata Kunci: Image Clustering, Penyakit Daun Tomat, DarkNet19, Principal Component Analysis, K-Means Clustering.