Herditomo (2014) Penerapan Metode Hybrid Fuzzy C-Means dan Particle Swarm Optimization (FCM - PSO) untuk Segmentasi Citra Geografis. Magister thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
Geographical Information Systems ( ) help humans in analyzing spatial data. The fundamental concept of operations is the layers concept. These layers are there to support complete and comprehensive spatial analysis. Among those layers namely roads, surface water, buildings and vegetation can be observed and distinguished by the naked eye from an ordinary satellite image based on color. If the field to observed pretty much will cause fatigue of the observer. That`s why we design a system that is expected to automate the process of differentiating regions with image segmentation. We prefer Fuzzy C-Means (FCM) as a method to perform image segmentation, unfortunately in its development Fuzzy C-Means known to fall in a local optimum value so we will try to overcome by combining FCM with the optimization method, namely Particle Swarm Optimization (PSO). Observed research variables are objective function Jm, number of iterations and time. The results showed that the proposed hybrid method FCM-PSO has a longer average time in the process compared to the FCM that is equal to 101.804703 seconds. Similarly, the average objective function value that is greater than the FCM is 42977540.790917. From the observation of the segmentation results also found that the FCM segmentation results tend to be closer to the original condition compared segmentation results of FCM-PSO.
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/004.19/HER/p/041404199 |
| Subjects: | 000 Computer science, information and general works > 004 Computer science > 004.1 General works on specific types of computers |
| Divisions: | S2/S3 > Magister Teknik Elektro, Fakultas Teknik |
| Depositing User: | Endro Setyobudi |
| Date Deposited: | 20 Aug 2014 10:45 |
| Last Modified: | 20 Aug 2014 10:45 |
| URI: | http://repository.ub.ac.id/id/eprint/155382 |
Actions (login required)
 |
View Item |