Image Segmentation dengan menggunakan Particle Swarm Optimization

Show simple item record

dc.contributor.advisor Adithia, Mariskha Tri
dc.contributor.author Sutendy, Alvinus
dc.date.accessioned 2021-08-04T07:30:11Z
dc.date.available 2021-08-04T07:30:11Z
dc.date.issued 2020
dc.identifier.other skp39907
dc.identifier.uri http://hdl.handle.net/123456789/12032
dc.description 1736 - FTIS en_US
dc.description.abstract Gambar dapat digunakan sebagai media untuk menyampaikan informasi. Informasi dari sebuah gambar didapat melalui objek-objek yang terkandung di dalam gambar. Seringkali objek-objek yang terdapat di dalam gambar kurang dapat dibedakan antara satu dengan lainnya. Untuk mengatasi hal ini, diperlukan teknik segmentasi gambar. Salah satu cara yang dapat dilakukan untuk melakukan segmentasi gambar yaitu dengan menggunakan clustering. Algoritma clustering yang digunakan pada penelitian ini yaitu PSO (Particle Swarm Optimization). Selain PSO, digunakan juga algoritma clustering menggunakan K-means sebagai perbandingan. Untuk melakukan segmentasi gambar diperlukan objek-objek berupa piksel. Setiap piksel terdiri dari komponen red (merah), green (hijau), dan blue (biru). Perangkat lunak yang dibuat dapat menerima masukan gambar dengan format file JPG/JPEG, PNG, dan GIF. Tipe gambar yang dapat diproses yaitu tipe gambar skala keabuan dan tipe gambar berwarna. Sebelum dilakukan segmentasi gambar ada dua buah proses yang dilakukan yaitu automatic contrast adjustment agar range nilai setiap piksel lebih besar dan konversi ruang warna ke CIE L*a*b untuk gambar berwarna agar variasi warna lebih banyak. Setelah dilakukan segmentasi gambar, selanjutnya dapat dilakukan median filter pada gambar untuk menghilangkan noise yang ada. Pada penelitian ini juga dilakukan percobaan segmentasi untuk rata-rata nilai piksel pada window berukuran 3×3. Hasil pengujian terhadap perangkat lunak menunjukkan bahwa seluruh proses berjalan dengan baik. Namun ada proses yang cukup memakan waktu yaitu proses menghitung nilai silhouette dari hasil clustering. Proses ini berjalan dengan lama dikarenakan diperlukan perhitungan silhouette dari setiap piksel. Semakin tinggi resolusi gambar maka waktu yang dibutuhkan untuk menghitung nilai silhouette akan lebih banyak. Hasil perbandingan antara kedua algoritma menunjukkan bahwa algoritma PSO lebih baik dibanding K-means pada gambar skala keabuan, namun keduanya seimbang pada gambar berwarna. en_US
dc.language.iso Indonesia en_US
dc.publisher Program Studi Teknik Informatika Fakultas Teknologi Informasi dan Sains - UNPAR en_US
dc.subject segmentasi gambar en_US
dc.subject clustering gambar en_US
dc.subject K-means en_US
dc.subject PSO en_US
dc.subject automatic contrast adjustment en_US
dc.subject CIE L*a*b en_US
dc.subject median filter en_US
dc.title Image Segmentation dengan menggunakan Particle Swarm Optimization en_US
dc.type Undergraduate Theses en_US
dc.identifier.nim/npm NPM2016730092
dc.identifier.nidn/nidk NIDN0411108001
dc.identifier.kodeprodi KODEPRODI618#Teknik Informatika


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search UNPAR-IR


Advanced Search

Browse

My Account