@thesis{thesis,
		author={DANAR PUTRA PAMUNGKAS  DANAR and DANIEL SWANJAYA  DANIEL and Firmansyah Mukti Wijaya  Mukti},
		title ={IMPLEMENTASI ALGORITMA ADAPTIVE THRESHOLDING DAN K-MEANS CLUSTERING SEBAGAI METODE SEGMENTASI CITRA DAUN BAWANG MERAH},
		year={2023},
		url={http://repository.unpkediri.ac.id/11865/},
		abstract={Penelitian ini bertujuan untuk menjawab tantangan dalam memilih segmentasi terbaik untuk citra daun bawang merah dengan latar belakang yang berbeda.  Metode Adaptive Thresholding dan K-Means Clustering diimplementasikan dalam penelitian ini untuk segmentasi citra. Metode deskriptif observasional kuantitatif digunakan dalam proses preprocessing pada 25 citra daun bawang dengan latar belakang yang beragam. Hasil penelitian menunjukkan bahwa metode Adaptive Thresholding memberikan hasil segmentasi yang baik dengan intensitas hitam dan putih, sementara metode K-Means Clustering dengan ekstraksi ciri dari citra juga menghasilkan segmentasi yang memuaskan. Analisis segmentasi pada 5 skenario dengan menggunakan sistem web aplikasi menunjukkan bahwa kedua metode mampu melakukan proses segmentasi dengan baik. Metode Adaptive Thresholding memiliki nilai rata-rata Jaccard index 0.92, Rand index 0.85, dan F1 score 0.95. Sementara itu, metode K-Means Clustering memiliki nilai rata-rata yang lebih rendah, yaitu Jaccard index 0.64, Rand index 0.69, dan F1 score 0.71 pada skenario latar belakang acak. Meskipun demikian, hasil segmentasi terbaik diperoleh menggunakan metode Adaptive Thresholding pada latar belakang putih terang, dengan nilai Jaccard index 0.96, Rand index 0.91, dan F1 score 0.98 . Penelitian ini memberikan rekomendasi segmentasi terbaik untuk citra daun bawang merah dengan latar belakang yang berbeda. Metode Adaptive Thresholding terbukti efektif dalam proses segmentasi dengan ekstraksi bentuk dan ciri tekstur, menghasilkan tingkat akurasi yang tinggi. Penggunaan pencahayaan yang memadai saat pengambilan citra sangat penting untuk mencapai hasil segmentasi yang optimal.}
		}