Widiasri, Monica (2012) Segmentasi Citra berbasis Informasi Warna dan Tekstur menggunakan Neutrosophic Set. Masters thesis, Institut Teknologi Sepuluh Nopember (ITS) Surabaya.
Full text not available from this repository. (Request a copy)Abstract
Segmentasi citra adalah proses membagi citra ke dalam beberapa region, sehingga setiap region bersifat homogen. Citra natural umumnya berisi kombinasi informasi warna dan tekstur. Oleh karena itu, metode segmentasi citra yang menggunakan kombinasi informasi warna dan tekstur akan dapat menghasilkan kemampuan yang lebih baik dalam membedakan region. Metode segmentasi citra yang hanya menggunakan informasi warna atau tekstur telah banyak dikembangkan. Sedangkan, penelitian segmentasi citra yang menggunakan kombinasi informasi warna dan tekstur masih aktif dilakukan. Pada teori neutrosophy, setiap entitas tidak hanya mempunyai nilai kebenaran, namun juga mempunyai nilai kesalahan dan sekaligus nilai ketidakpastian. Neutrosophic set (NS), merupakan generalisasi dari fuzzy set, yang berdasarkan neutrosophy. NS dapat digunakan untuk menyelesaikan permasalahan yang berkaitan dengan ketidakpastian. NS mulai banyak dikembangkan untuk berbagai aplikasi, seperti sistem basis data relasional, semantic web services, deteksi dataset keuangan, analisa perkembangan ekonomi, serta pengolahan citra. Pada penelitian ini, kombinasi ekstraksi informasi warna pada ruang warna L*u*v dan ekstraksi informasi tekstur menggunakan transformasi Gabor wavelet, ditransformasikan pada domain NS. Nilai entropy pada NS digunakan untuk mengevaluasi ketidakpastian. Operasi alpha-mean dan beta-enhancement dilakukan untuk mengurangi ketidakpastian pada citra neutrosophic. Setelah operasi tersebut, dilakukan proses segmentasi region menggunakan metode K-means clustering yang dimodifikasi untuk NS, yaitu gamma-K-means clustering. Hasil uji coba menunjukkan bahwa metode yang diusulkan dapat melakukan segmentasi citra tekstur berwarna dengan baik. Indeks validitas yang digunakan untuk menentukan pemilihan jumlah cluster optimal secara otomatis pada gamma-K-means clustering mencapai kesesuaian hasil dengan nilai F-measure terbaik sebesar 70%. Segmentasi citra menggunakan metode clustering berbasis NS terbukti menghasilkan kinerja segmentasi yang lebih baik dibandingkan metode clustering yang tidak berbasis NS. Selain itu, segmentasi citra menggunakan kombinasi warna dan tekstur terbukti lebih baik dibandingkan hanya menggunakan warna atau tekstur saja.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering > Department of Informatic |
| Depositing User: | Monica Widiasri 61151 |
| Date Deposited: | 22 Aug 2014 02:18 |
| Last Modified: | 22 Aug 2014 02:18 |
| URI: | http://repository.ubaya.ac.id/id/eprint/20033 |
Actions (login required)
 |
View Item |
