Ekstraksi Palet Warna Pada Desain Grafis Digital Menggunakan K-Means Clustering
DOI:
https://doi.org/10.29407/3qk0b545Keywords:
Desain Grafis, Ekstraksi Warna, K-Means Clustering, Palet Warna, Pengolahan CitraAbstract
Penentuan palet warna yang harmonis dalam desain grafis digital sering kali menjadi tantangan kompleks akibat faktor subjektivitas desainer dan tingginya variasi warna pada ribuan hingga jutaan piksel citra. Penelitian ini bertujuan mengembangkan sistem otomasi berbasis Python untuk mengekstraksi warna dominan secara presisi dan objektif. Metode yang diterapkan menggunakan pendekatan eksperimental pengembangan perangkat lunak dengan algoritma K-Means Clustering untuk segmentasi piksel di ruang RGB, yang dioptimalkan melalui tahapan pra-pemrosesan resizing serta pasca-pemrosesan konversi HSV untuk fitur Smart Extraction berbasis suasana. Hasil pengujian menunjukkan bahwa sistem berhasil mengelompokkan warna dominan secara real-time dan mampu memisahkan komposisi warna sesuai kaidah desain 60-30-10. Selain itu, teknik downsampling terbukti efektif menjaga efisiensi komputasi tanpa mengurangi akurasi visual secara signifikan. Dapat disimpulkan bahwa pendekatan hibrida antara komputasi K-Means dan interaksi pengguna memberikan solusi efektif serta panduan objektif bagi kebutuhan desain grafis modern.
Downloads
References
[1] Ananya, Aashish, B. B. V., Chudanath, K., Geetha, K. N., & Shali, S. (2025). Aesthetic of Colour: A Machine Learning Approach of Palette Generation and Aesthetic Classification. In Proceedings of the 3rd International Conference on Futuristic Technology (INCOFT 2025) (Vol. 2, pp. 268-276). SCITEPRESS.
[2] Arifah, S., Swedia, E. R., & Septian, M. R. D. (2023). Analisis Perbandingan Algoritma Clustering dalam Melakukan Segmentasi Warna pada Citra Jajan Tradisional. Sebatik, 27(1).
[3] Arifazzahra, M. (2022). Ekstraksi Palet Warna Gambar dengan Algoritma K-Means. Makalah IF4073 Interpretasi dan Pengolahan Citra, Institut Teknologi Bandung.
[4] Efendi, L. A., & Kusuma, G. P. (2024). Combining Bisecting K-Means and Conditional Generative Adversarial Network for Crafting Harmonious Color Palettes. Pakistan Journal of Life and Social Sciences, 22(2), 19866-19885.
[5] Han, J., Qiao, Y., & Ma, Y. (2025). Collaborative k-means clustering and color transfer algorithm for intelligent color scheme generation in clothing design. AKCE International Journal of Graphs and Combinatorics.
[6] Hidayah, A. N., Wulanningrum, R., & Setiawan, A. B. (2024). Pemanfaatan Metode K-Means Dalam Klasifikasi Waktu Citra Pantai di Kawasan Jalan Jalur Lintas Selatan. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 8, 1–6.
[7] Karma, I. G. M., Putra, I. K. G. D., Sudarma, M., & Linawati. (2018). Color Identification Uses the K-Means Clustering Method. Proceedings of the 2018 International Conference on Applied Science and Technology (iCAST). Manado, Indonesia.
[8] Krishna, T. V., Manoj, G., Priya, R. V., Karthik, S., Priya, S. A., Mourya, S., & Kumar, S. (2023). Finding the Most Dominant Color in an Image using K-Means Algorithm Based on Machine Learning. International Journal for Research in Applied Science & Engineering Technology (IJRASET), 11(12), 994–996.
[9] Ma'ruf, A., Sibyan, H., & Mardiyantoro, N. (2025). Ekstraksi Palet Warna untuk Kompresi Gambar Digital menggunakan Algoritma K-Means. Jurnal Informatika dan Rekayasa Perangkat Lunak, 7(1), 134–141.
[10] Ramadani, S., & Ramadhono, A. (2025). Implementasi Metode K-Means Clustering untuk Mengklasterisasikan Kipas Angin dengan Teknik Pengolahan Citra. Jurnal Informatika Teknologi dan Sains (JINTEKS), 7(1), 354–360.
[11] Rangkuti, A. R. S. (2025). Penggunaan Fitur Warna CIELAB dalam Segmentasi Kematangan Buah Kakao dengan Algoritma K-Means Clustering (Skripsi). Universitas Muhammadiyah Sumatera Utara, Medan.
[12] Rizki, M., Furqan, M., & Sriani. (2024). Application of The K-Means Clustering Algorithm to Identify Strawberry Fruit Ripe. International Journal of Information System & Technology, 8(2), 130–138.
[13] Suliswaningsih, Kuncoro, A. P., Ikhsan, A. N., Jamil, M. T., & Sani, S. (2024). Penerapan Multi-Palette Color untuk Pemberian Saran Pemilihan Warna Tema Desain Visual Vektor. Infotekmesin, 15(1), 33–37.
[14] Yadav, A., & Singh, P. (2024). Refining Color Scheme Generation: Iterative K-Means Clustering and ARI Evaluation. Journal of Informatics Electrical and Electronics Engineering (JIEEE), 5(2), 1–12.
[15] Yasmin, N., Akbar, S. C. D., & Ramadhanu, A. (2024). Penerapan K-Means Clustering untuk Klasifikasi Citra Cabai Keriting: Studi Ekstraksi Warna dan Tekstur GLCM. Indonesian Journal Computer Science, 3(2), 65–70.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Moh. Farhan Nashiruddin
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
