Segmentasi pada citra ikan tuna menggunakan Density-Based Spatial Clustering of Application (DBSCAN) membutuhkan dua parameter utama, yaitu Eps dan MinPts. Parameter tersebut dapat melakukan segmentasi citra tanpa mengetahui jumlah kluster. Setiap citra memiliki nilai parameter yang berbeda untuk mendapatkan hasil segmentasi yang terbaik. Input nilai parameter dengan metode manual memiliki kelemahan dalam mendapatkan nilai yang optimal dan secara subjektif dalam menentukan nilai parameter tersebut. Kelemahan dalam mendapatkan nilai parameter yang optimal dapat menyebabkan nilai parameter yang salah dan akan berpengaruh pada hasil segmentasi dari setiap citra. Kami mengajukan metode baru yaitu segmentasi citra ikan tuna dengan otomatisasi parameter DBSCAN menggunakan jumlah titik puncak pada histogram, sehingga mendapatkan nilai parameter yang optimal untuk segmentasi dari setiap citra. Untuk mendukung hal tersebut, kami menggunakan Eps Spatial, Eps Color dan MinPts di algoritma DBSCAN. Parameter tersebut mengambil nilai dari jumlah titik puncak pada histogram dalam ruang warna yang berbeda. Hasil dari metode ini dapat melakukan segmentasi citra ikan tuna dibuktikan dengan 30 citra yang telah digunakan dan mendapatkan akurasi diatas 90&. Jadi ini dapat melakukan segmentasi tanpa mengetahui nilai parameter tersebut.
Copyrights © 2018