Analisis Perbandingan Segmentasi Citra Menggunakan Metode K-Means dan Fuzzy C-Means

Abstract

Segmentasi merupakan salah satu bagian penting dalam analisis citra, karena pada prosedur ini gambar/citra yang diinginkan akan dianalisis untuk proses yang lebih lanjut agar lebih mudah di analisis guna tujuan selanjutnya, misalnya pada pengenalan pola. Segmentasi citra yang merupakan bagian dari analisis citra digunakan untuk membagi sebuah citra menjadi beberapa bagian dan mengambil sebagian objek yang diinginkan. Salah satu teknik dalam segmentasi citra adalah dengan clustering. Clustering adalah suatu usaha untuk melakukan pengelompokan data berdasarkan kelas dan merupakan metode mengelompokkan atau mempartisi data dalam suatu dataset. Segmentasi citra berbasis clustering pada penelitian ini menggunakan metode K-Means dan metode Fuzzy C Means. K-Means merupakan metode yang simple dan cepat perhitungannya, sedangkan Fuzzy C-Means merupakan algoritma yang populer digunakan dalam teknik Fuzzy Clustering. Penelitian ini untuk mengetahui metode yang paling optimal dalam melakukan segmentasi citra. Sebelum melakukan segmentasi terlebih dahulu menentukan ruang warna menggunakan CIELab. Identifikasi data uji menggunakan dua pendekatan, yaitu analisis bentuk dan analisis tekstur. Hasil pengujian menunjukan algoritma K-Means menghasilkan segmentasi untuk identifikasi yang lebih baik dari pada Fuzzy C Means karena menghasilkan nilai yang hampir sama atau mendekati dengan nilai ekstraksi ciri citra yang tersedia.

Kata kunci: Segmentasi, Fuzzy C-Means, K-Means, Clustering