segmentasi. Secara visual citra ikan tuna memiliki varian warna yang tinggi mulai dari bagian biru gelap hingga biru terang atau putih. Jika citra ikan tuna dipetakan ke dalam ruang fitur maka piksel yang menyusun area tubuh ikan tuna akan membentuk kelompok piksel hyperellipsoid. Algoritma segmentasi Fuzzy C-Means berbasis jarak Mahalanobis dapat digunakan untuk mensegmentasi citra yang memiliki karakteristik tersebut. Namun inisialisasi derajat keanggotaan dan centroid klaster secara random mengakibatkan proses pengklasteran piksel menjadi tidak efisien dalam hal iterasi dan waktu komputasi. Penelitian ini mengusulkan metode baru untuk segmentasi citra ikan tuna dengan Mahalanobis Histogram Thresholding M-HT dan Mahalanobis Fuzzy CMeans MFCM. Metode yang diusulkan terdiri atas tiga tahapan utama yaitu Inisialisasi centroid untuk mendapatkan centroid awal tiap klaster pengklasteran piksel untuk mengelompokkan piksel background dan objek dan peningkatan akurasi untuk meningkatkan akurasi hasil pengklasteran piksel. Berdasarkan hasil uji coba diperoleh rata-rata jumlah iterasi sebanyak 66 iterasi dengan waktu segmentasi rata-rata 16203 detik. Rata-rata Akurasi sebesar 9854 dengan tingkat Missclassification Error sebesar 146. Berdasarkan hasil yang diperoleh maka dapat disimpulkan bahwa metode yang diusulkan dapat meningkatkan efisiensi dalam hal jumlah iterasi dan waktu segmentasi. Selain itu metode yang diusulkan dapat memberikan hasil segmentasi yang lebih akurat dibandingkan dengan metode konvensional.


ABSTRACT

One of important phases in classification system of tuna fish is segmentation phase. Visually image of tuna fish have high color variant from dark blue until light blue or white. If image of Tuna fish are mapped in feature space pixel that arrange the body of tuna fish will form group of pixel of hyperellipsoid. Fuzzy C-Means segmentation algorithm based on Mahalanobis distance can be used to segment image that has the characteristic. However initialization of clusters centroid randomly causes segmentation process to be inefficient in terms of iterations and computational time. In this study we proposed a new method for segmentation of tuna image with Mahalanobis Histogram Thresholding M-HT and Mahalanobis Fuzzy Cmeans MFCM. The proposed method consist of three important phases namely Initialization centroid to obtain centroid of each cluster pixel clustering to group the background pixels and object pixels and improvement of accuracy to improve the accuracy of pixels clustering results. Based on the experiment it is obtained average amount of iteration as many as 66 iteration with time of segmentation average as long as 162.03 second. While average Accuracy as big as 98.54 with level of Missclassification Error as big as 1.46. Based on the obtained result it can be concluded that the proposed method can improve the efficiency in terms of the number of iterations and time segmentation. Besides that the proposed method can give accurate segmentation result compared with the conventional method.

1.  ITS-Master-41283-5114201010 - abstract_id.pdf - 425 KB
2.  ITS-Master-41283-5114201010 - abstract_en.pdf - 166 KB
3.  ITS-Master-41283-5114201010 - conclusion.pdf - 677 KB

• SEGMENTATION OF TUNA FISH IMAGE BY MAHALANOBIS HISTOGRAM THRESHOLDING AND MAHALANOBIS FUZZY C-MEANS