Penerapan Metode Hybrid Fuzzy C-Means dan Particle Swarm Optimization (FCM - PSO) untuk Segmentasi Citra Geografis
| Main Author: | Herditomo |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/155382/ |
Daftar Isi:
- Sistem Informasi Geografis (SIG) membantu manusia dalam menganalisis data spasial. Konsep yang mendasar dari operasi SIG adalah konsep lapisan (layer). Lapisan-lapisan ini ada untuk mendukung analisis spasial yang utuh dan menyeluruh. Dari antara lapisan-lapisan itu yaitu jalan, air permukaan, pemukiman dan hijauan dapat diamati dan dibeda-bedakan dengan mata telanjang dari sebuah citra satelit biasa berdasarkan warnanya. Apabila bidang yang diamati cukup banyak akan menimbulkan kelelahan dari pengamatnya untuk itulah dirancang sebuah sistem yang diharapkan dapat mengotomasi proses pembedaan daerah dengan segmentasi citra. Metode segmentasi citra yang dipilih adalah Fuzzy C-Means (FCM) namun pada perkembangannya Fuzzy C-Means diketahui sering jatuh dalam nilai optimum lokal sehingga akan dicoba untuk mengatasi dengan menggabungkannya dengan metode optimasi yaitu Particle Swarm Optimization (PSO). Variabel penelitian yang diamati diantaranya adalah fungsi objektif Jm, jumlah iterasi dan waktu. Hasil penelitian menunjukkan bahwa metode Hybrid FCM-PSO yang diusulkan mempunyai rata-rata waktu yang lebih lama dalam proses dibandingkan FCM yaitu sebesar 101.804703 detik. Demikian pula dengan rata-rata nilai fungsi objektif yang lebih besar daripada FCM yaitu 42977540.790917. Dari pengamatan hasil segmentasi juga ditemukan bahwa hasil segmentasi FCM cenderung lebih mendekati kondisi asli dibandingkan hasil segmentasi FCM-PSO.