Dynamic Particle Swarm Optimization dan K-means Clustering untuk Segmentasi Citra

Pada skripsi ini dibahas segmentasi citra dalam ruang warna HSV menggunakan algoritma gabungan Dynamic Particle Swarm Optimization dan K-means clustering (DPSOK) yang didasari oleh algoritma Dynamic Particle Swarm Optimization (DPSO) dan K-means clustering. Algoritma DPSOK terinspirasi oleh algoritma gabungan Particle Swarm Optimization dan K-means clustering (PSOK). Algoritma PSO mampu mengatasi kelemahan algoritma K-means clustering yang sangat sensitif terhadap pusat klaster awal dan cepat mengalami konvergen ke optimum lokal. Namun algoritma PSO membutuhkan waktu yang lebih panjang untuk konvergen ke solusi optimum global. Algoritma Dynamic Particle Swarm Optimization (DPSO) menggunakan bobot inersia dinamis dan parameter sosial dinamis untuk menghitung kecepatan partikel. Dengan menggunakan bobot inersia dinamis dan parameter sosial dinamis, DPSOK mampu mencari solusi optimum lokal dan global secara seimbang dengan waktu yang lebih singkat. Hasil percobaan menunjukkan bahwa algoritma DPSOK mampu mencapai waktu segmentasi yang lebih singkat dibandingkan algoritma PSOK dan hasil segmentasi citra yang lebih baik dibandingkan algoritma K-means clustering