IMPLEMENTASI DENSITY-BASED CLUSTERING PADA SEGMENTASI CITRA Betta Fish

Abstract

Pada masa pandemi COVID-19, peminat ikan hias semakin meningkat jumlahnya, terutama peminat ikan hias spesies Betta Fish. Betta Fish merupakan jenis ikan hias dengan spesies yang beragam dengan keindahan warna dan morfologi tubuh, terutama bentuk ekornya. Semakin beragam corak warna ikan dan bentuk ekor yang unik, semakin mahal harga jual dari ikan hias jenis ini. Permintaan pasar terhadap ikan Betta Fish semakin tinggi sehingga menyebabkan harga jual Betta Fish juga meningkat. Namun, tidak semua pecinta ikan hias mengenali nama spesies dari ikan Betta Fish. Untuk itu, diperlukan sebuah sistem berbasis pattern recognition yang dapat mengenali spesies Betta Fish. pattern recognition memiliki beberapa tahapan, yaitu segmentasi, ekstraksi, dan klasifikasi. Penelitian ini bertujuan untuk memisahkan (segmentasi) objek dengan background pada citra digital. Dataset yang digunakan berjumlah 160 citra dengan jumlah citra untuk setiap spesies adalah 40 citra. Spesies Betta Fish yang digunakan adalah Halfmoon, Double Tail, Serit dan Plakat. Tahapan pertama dengan mengonversi citra menjadi model warna saturation dan intensity. Metode yang digunakan pada proses segmentasi adalah Density-Based Clustering. Density-Based Clustering merupakan metode segmentasi dengan cara membentuk cluster berdasarkan tingkat kepadatan dari area objek. Proses segmentasi menggunakan metode Density-Based Clustering mencapai tingkat akurasi sebesar 92,82%.