SEGMENTASI METODE PARTICLE SWARM OPTIMIZATION PADA PENDETEKSI CITRA TANGAN

Sanora, Shinta and WULANNINGRUM, RESTY and SANJAYA, ARDI (2022) SEGMENTASI METODE PARTICLE SWARM OPTIMIZATION PADA PENDETEKSI CITRA TANGAN. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_55201_18103020168.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (739kB) | Request a copy
	Text (Similaritiy) RAMA_55201_18103020168_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (References) RAMA_55201_18103020168_0719068702_0706118101_06_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (425kB)

Abstract

Perkembangan teknologi sudah sedemikian memberikan pengaruh besar terhadap aspek kehidupan manusia. Salah satu teknologi ini termasuk adanya pengolahan citra digital. Citra sebagai keluaran atau sistem perekaman data dapat bersifat optik berupa foto, bersifat analog berupa sinyal – sinyal video seperti gambar pada monitor televisi. Dizaman sekarang yang pesat, penggunaan kamera Closed Circuit Television (CCTV) yang dapat mendeteksi kejadian. Namun CCTV yang terpasang pada tempat tertentu hanya digunakan sebagai pemantau kejadian yang ada. Dalam program ini CCTV digunakan sebagai pendeteksi kejahatan atau bahaya menggunakan citra tangan. Proses ini dapat menggunakan metode Particle Swarm Optimization untuk mendeteksi citra tangan. Tahapan yang akan diproses dengan melakukan ekstraksi ciri dari data latih sebagai data set. Kemudian dengan data uji untuk melakukan segmentasi citra menggunakan metode Particle Swarm Optimization. Dari hasil uji coba segmentasi citra tangan menggunakan metode Particle Swarm Optimization dengan melakukan 3 skenario uji coba mendapat nilai skenario ke-1 dengan MSE 26.676,88, skenario ke-2 mendapat nilai 25.592,15 , skenario ke 3 mendapat nilai 24.705,83. Hal ini menunjukkan bahwa kinerja metode Particle Swarm Optimization memiliki hasil yang lebih baik pada uji coba skenario ke-3 karena semakin kecil nilai MSE maka hasil uji coba semakin baik. Selain itu dengan data latih yang digunakan lebih banyak dari skenario uji coba yang lain agar sistem dapat melakukan segmentasi yang lebih baik. dapat dibangunnya sistem pendeteksi citra tangan dengan metode Particle Swarm Optimization dapat memaksimalkan tampilan citra dalam menganalisis gambar.

Actions (login required)

View Item