BAB V KESIMPULAN DAN SARAN
5.2. Saran
Penelitian ini menggunakan metode Fuzzy C Means dioptimasi dengan metode Cat Swarm Optimization untuk melakukan segmentasi citra. Meskipun dari hasil uji ciba menunjukkan metode FCM-CSO ini lebih bagus dari FCM standar, namun dapat dilihat pada citra hasi segmentasi masih terdapat beberapa kekurangan atau belum sesuai dengan hasil yang diharapkan (citra ground truth
segmentation). Metode Cat Swarm Optimization yang digunakan dalam penelitian
ini adalah CSO murni. Pada penelitian selanjutnya agar dicoba untuk menerapkan algoritma CSO yang sudah ditingkatkan lagi kinerjanya seperti Adaptive Dynamic Cat Swarm Optimization yang dikembangkan oleh M. Oroushkani, dkk. pada tahun 2013, agar mendapatkan hasil yang lebih optimal.
DAFTAR PUSTAKA
Ahmed, M. N., Yamany, S. M., Mohamed, N., Farag, A. A., Moriarty, T. A. 2002.
Modified Fuzzy C-Means Algorithm for Bias Field Estimation and Segmentation of MRI data. IEEE Trans Med Imaging, vol. 21 : 193–9
Amiya Halder, Soumajit Pramanik. 2011. Dynamic Image Segmentation using
Fuzzy C-Means based Genetic Algorithm. International Journal of
Computer Application, vol. 28-No.6
Budi Santosa, Mirsa Kencana Ningrum. 2009. Cat Swarm Optimization for
Clustering. IEEE of Soft Computing and Pattern Recognition : 54-59
Darma Putra. 2010. Pengolahan Citra Digital. Yogyakarta : ANDI Offset
Jain, A.K., Murty M.N., and Flynn P.J. 1999. Data Clustering: A Review. ACM Computing Surveys, Vol 31, No. 3, 264-323.
Keh-Shih Chuang, Hong-Long Tzeng, Sharon Chen, Jay Wu, Tzong-Jer Chen. 2006. Fuzzy c-means clustering with spatial information for image
segmentation. Computerized Medical Imaging and Graphics, vol. 30 :
9–15
Liu, Yang and Kevin M. Passino. 2000. Swarm intelligence: Literature Overview. Department of Electrical Engineering: The Ohio State University
Mahamed G. H., Omran, Andries P Engelbrecht, Ayed Salman. 2005. Dynamic
Clustering using Particle Swarm Optimization with Application in Unsupervised Image Classification. Transactions on Engineering,
Computing and Technology, vol. 9 : 199-204
Nock, Richard; Frank Nielsen. 2004. Statistical Region Merging. IEEE Transactions on Pattern Analysis and Machine Intelligence 26 (11): 1–7 Oroushkani, M., Oroushkani, Y., Mansouri, M., Teshnehlab, M. 2013. A Novel
Cat Swarm Optimization Algorithm for Unconstrained Optimization Problem. IJITCS vol.5 no.11 pp 32 – 41
S Alpert, M Galun, R Basri, A Brandt. 2007. Image Segmentation by Probabilistic
Bottom-Up Aggregation and Cue Integration. Proceedings of the IEEE
Conference on Computer Vision and Pattern Recognition CVPR'07 : 1-8
S. C. Chu, P. W. Tsai. 2007. Computational Intelligence Based On The Behavior
Of Cats. International Journal of Innovative Computing, Information
and Control, vol. 3, no. 1 : 163-173
Sugiyono. 2002. Metode Penelitian Bisnis. PT. Gramedia Pustaka Utama : Jakarta Swagatam Das, Ajith Abraham. 2010. Spatial Information Based Image
Segmentation Using a Modified Particle Swarm Optimization Algorithm. IITA Professorship Program, School of Computer Science
and Engineering
Tirimula Rao Benala, S. C. Satapathy. 2011. Cat Swarm Optimisation For
Optimizing Hybridized Smoothening Filter In Image Edge
Enhancement. International Conference on Systemics, Cybernetics and
Informatics
Yongguo Liu, Yidong Shen. 2010. Data Clustering with Cat Swarm Optimization. Journal of Convergence Information Technology, vol. 5, no. 8
Xie XL, Beni GA. 1991. Validity Measure For Fuzzy Clustering. IEEE Trans Pattern Anal Mach Intell Vol.3 : 841-6
Lampiran 1 : Kuesioner Perbandingan Hasil Segmentasi Citra
Data Responden
Pekerjaan :
□
Mahasiswa□
DosenBidang Studi : ______________________
Petunjuk Pengisian
Kuesioner ini disusun untuk mengetahui perbandingan hasil segmentasi citra dengan metode FCM standar dan metode FCM Kuesioner ini ditujukan kepada mahasiswa ataupun dosen yang memahami pengolahan citra digital khususnya segmentasi citra, dil dengan cara membandingkan dua buah citra hasil segmentasi yang disajikan dengan citra
adalah hasil akhir segmentasi yang diharapkan dan dibuat secara manual sesuai dengan persepsi manusia. Keterangan:
STS : Sangat Tidak Setuju TS : Tidak Setuju
S : Setuju SS : Sangat Setuju
1. Citra uji “horses.png”
Citra Asli Citra Ground Truth Segmentation
Pernyataan
Citra hasil segmentasi Metode A lebih mendekati citra
truth daripada hasil segmentasi Metode B
Kuesioner Perbandingan Hasil Segmentasi Citra
______________________
Kuesioner ini disusun untuk mengetahui perbandingan hasil segmentasi citra dengan metode FCM standar dan metode FCM Kuesioner ini ditujukan kepada mahasiswa ataupun dosen yang memahami pengolahan citra digital khususnya segmentasi citra, dil
gan cara membandingkan dua buah citra hasil segmentasi yang disajikan dengan citra ground truth sebagai acuannya. Citra adalah hasil akhir segmentasi yang diharapkan dan dibuat secara manual sesuai dengan persepsi manusia.
TS : Tidak Setuju SS : Sangat Setuju
Ground Truth Segmentation Hasil Segmentasi Metode A Hasil Segmentasi Metode B
STS TS S SS
Citra hasil segmentasi Metode A lebih mendekati citra ground
Kuesioner ini disusun untuk mengetahui perbandingan hasil segmentasi citra dengan metode FCM standar dan metode FCM-CSO. Kuesioner ini ditujukan kepada mahasiswa ataupun dosen yang memahami pengolahan citra digital khususnya segmentasi citra, dilakukan sebagai acuannya. Citra ground truth
2. Citra uji “chain.png”
Citra Asli Pernyataan
Citra hasil segmentasi Metode A lebih mendekati citra
truth daripada hasil segmentasi Metode B
3. Citra uji “redberry.png”
Citra Asli Pernyataan
Citra hasil segmentasi Metode A lebih mendekati citra
truth daripada hasil segmentasi Metode B
Citra Ground Truth
Segmentation
Hasil Segmentasi Metode A
STS TS S SS
Citra hasil segmentasi Metode A lebih mendekati citra ground
Citra Ground Truth
Segmentation
Hasil Segmentasi Metode A
STS TS S SS
Citra hasil segmentasi Metode A lebih mendekati citra ground
Hasil Segmentasi Metode B
Hasil Segmentasi Metode B
4. Citra uji “duck.png”
Citra Asli Pernyataan
Citra hasil segmentasi Metode A lebih mendekati citra
ground truth daripada hasil segmentasi Metode B
5. Citra uji “carriage.png”
Citra Asli Pernyataan
Citra hasil segmentasi Metode A lebih mendekati citra
ground truth daripada hasil segmentasi Metode B
Citra Ground Truth
Segmentation
Hasil Segmentasi Metode A
STS TS S SS
Citra hasil segmentasi Metode A lebih mendekati citra daripada hasil segmentasi Metode B
Citra Ground Truth
Segmentation
Hasil Segmentasi Metode A
STS TS S SS
Citra hasil segmentasi Metode A lebih mendekati citra daripada hasil segmentasi Metode B
Hasil Segmentasi Metode B
Hasil Segmentasi Metode B