Muhammad Firmansyah

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Tiara Dwi Puji Dzakirah

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Adam Hadi Surya

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

DOI: https://doi.org/10.19184/jei.v3i2.60013

ABSTRAK 

Perkembangan teknologi pengolahan citra digital semakin banyak dimanfaatkan dalam berbagai bidang seperti pemantauan lingkungan, pertanian, dan analisis tutupan lahan. Salah satu teknik penting dalam pengolahan citra adalah segmentasi citra, yaitu proses pemisahan objek berdasarkan karakteristik tertentu seperti warna piksel. K-Means Clustering sering digunakan dalam segmentasi citra karena memiliki konsep yang sederhana dan efisien, namun performanya sangat dipengaruhi oleh ruang warna yang digunakan. Penelitian ini bertujuan untuk membandingkan kinerja segmentasi citra lahan menggunakan metode K-Means Clustering pada model warna RGB dan HSV serta mengevaluasi model warna yang menghasilkan performa terbaik berdasarkan metrik evaluasi. Metode penelitian menggunakan pendekatan kuantitatif eksperimental dengan objek berupa citra lahan yang terdiri atas area vegetasi, perairan, dan lahan tandus. Citra diproses melalui tahap preprocessing, segmentasi menggunakan K-Means pada ruang warna RGB dan HSV, serta evaluasi hasil menggunakan ground truth. Analisis dilakukan secara visual dan kuantitatif menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model HSV secara umum menghasilkan performa lebih baik dibandingkan RGB. Nilai evaluasi pada HSV cenderung lebih tinggi dan stabil dengan F1-score yang lebih baik pada sebagian besar citra, terutama dalam mendeteksi area vegetasi. Sebaliknya, RGB lebih rentan terhadap perubahan intensitas cahaya sehingga menghasilkan kesalahan klasifikasi lebih banyak pada area dengan kemiripan warna tinggi. Kesimpulannya, pemilihan ruang warna berpengaruh signifikan terhadap kualitas segmentasi citra, dan HSV lebih efektif digunakan dalam segmentasi citra lahan berbasis K-Means Clustering.

KATA KUNCI: K-Means Clustering, Segmentasi Citra, RGB, HSV