Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Kubik KUBIK: Jurnal Publikasi Ilmiah Matematika
Qonita Ummi Safitri
Jurusan Matematika, UIN Sunan Gunung Djati Bandung
Computer Science & IT Economics, Econometrics & Finance Education Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
SEGMENTASI CITRA MENGGUNAKAN ALGORITMA FUZZY c-MEANS (FCM) DAN SPATIAL FUZZY c-MEANS (sFCM) Qonita Ummi Safitri; Arief Fatchul Huda; Asep Solih Awaludin
KUBIK Vol 2, No 1 (2017): KUBIK : Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v2i1.1471

Abstract

Pengolahan citra merupakan salah satu aplikasi yang dimanfaatkan dalam kehidupan. Salah satu kajian pengolahan citra adalah segmentasi. Segmentasi citra dilakukan dengan banyak pendekatan, diantaranya pedekatan klastering. Algoritma klastering yang digunakan pada segmentasi citra, umumnya berbasis fuzzy c-means. Fuzzy c-mean (FCM) membagi citra menjadi beberapa wilayah tingkat keabuan berdasarkan derajat keanggotaan pada rentang [0,1]. FCM kurang memanfaatkan informasi spasial, yang merupakan atribut penting dalam proses segmentasi citra. Oleh karena itu, Chuang dkk (2006) menambahkan fungsi spasial dalam perhitungan derajat keanggotaan FCM, dengan parameter kontrol non-spasial p dan parameter kontrol spasial q. Metode ini dikenal dengan nama spatial fuzzy c-means (sFCM). Kinerja algoritma FCM dan sFCM diuji menggunakan data citra simulasi, citra batik dan citra otak. Hasil segmentasi terbaik ditentukan berdasarkan indeks validasi Vpe, Vpc, Vxb dan SC. Hasil segmentasi menunjukkan bahwa variasi parameter p dan q terbaik menurut indeks validasi Vpe dan Vpc adalah sFCM2,1 dan sFCM2,2, sedangkan Vxb dan SC menghasilkan nilai optimal untuk FCM. Namun, sFCM hanya memberikan sedikit perbaikan terhadap hasil segmentasi FCM pada citra yang mengandung gaussian noise. Artinya, sFCM tidak robust (tahan) pada citra noise.
SEGMENTASI CITRA MENGGUNAKAN ALGORITMA FUZZY c-MEANS (FCM) DAN SPATIAL FUZZY c-MEANS (sFCM) Qonita Ummi Safitri; Arief Fatchul Huda; Asep Solih Awaludin
KUBIK Vol 2, No 1 (2017): KUBIK : Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v2i1.1471

Abstract

Pengolahan citra merupakan salah satu aplikasi yang dimanfaatkan dalam kehidupan. Salah satu kajian pengolahan citra adalah segmentasi. Segmentasi citra dilakukan dengan banyak pendekatan, diantaranya pedekatan klastering. Algoritma klastering yang digunakan pada segmentasi citra, umumnya berbasis fuzzy c-means. Fuzzy c-mean (FCM) membagi citra menjadi beberapa wilayah tingkat keabuan berdasarkan derajat keanggotaan pada rentang [0,1]. FCM kurang memanfaatkan informasi spasial, yang merupakan atribut penting dalam proses segmentasi citra. Oleh karena itu, Chuang dkk (2006) menambahkan fungsi spasial dalam perhitungan derajat keanggotaan FCM, dengan parameter kontrol non-spasial p dan parameter kontrol spasial q. Metode ini dikenal dengan nama spatial fuzzy c-means (sFCM). Kinerja algoritma FCM dan sFCM diuji menggunakan data citra simulasi, citra batik dan citra otak. Hasil segmentasi terbaik ditentukan berdasarkan indeks validasi Vpe, Vpc, Vxb dan SC. Hasil segmentasi menunjukkan bahwa variasi parameter p dan q terbaik menurut indeks validasi Vpe dan Vpc adalah sFCM2,1 dan sFCM2,2, sedangkan Vxb dan SC menghasilkan nilai optimal untuk FCM. Namun, sFCM hanya memberikan sedikit perbaikan terhadap hasil segmentasi FCM pada citra yang mengandung gaussian noise. Artinya, sFCM tidak robust (tahan) pada citra noise.
Co-Authors Arief Fatchul Huda Asep Solih Awaludin