Modifikasi Distribusi Semut Pada Ant Colony Optimization Berdasarkan Gradient Untuk Deteksi Tepi Citra

Liantoni, Febri (2015) Modifikasi Distribusi Semut Pada Ant Colony Optimization Berdasarkan Gradient Untuk Deteksi Tepi Citra. Masters thesis, Institut Technology Sepuluh Nopember.

[img]
Preview
Text
5113201022-Master Thesis.pdf - Published Version

Download (2MB) | Preview

Abstract

Ant Colony Optimization (ACO) merupakan algoritma optimasi yang terinspirasi oleh tingkah laku semut dalam mencari makan. Karena keunggulan yang dimilikinya, ACO banyak digunakan untuk menyelesaikan permasalahan non-polinomial yang sulit, salah satunya adalah deteksi tepi pada citra. Penerapan ACO pada deteksi tepi telah terbukti berhasil dengan baik, akan tetapi metode penyebaran semut pada ACO sangat mempengaruhi tingkat akurasi. Pada ACO tradisional semut awal disebarkan secara acak. Kondisi ini dapat menyebabkan ketidakseimbangan distribusi semut yang kemudian mempengaruhi proses penemuan jalur pada deteksi tepi. Berdasarkan permasalahan tersebut, modifikasi distribusi semut pada ACO diusulkan untuk mengoptimalkan penyebaran semut berdasarkan gradient. Nilai gradient digunakan untuk menentukan penempatan semut. Metode yang diusulkan pada penelitian ini adalah dengan melakukan penyebaran semut berdasarkan nilai gradient. Semut tidak disebar secara acak, akan tetapi ditempatkan di gradient tertinggi. Cara ini diharapkan dapat digunakan untuk optimasi penemuan jalur. Berdasarkan hasil uji coba, dengan menggunakan ACO modifikasi yang diusulkan dapat diperoleh nilai rata-rata Peak Signal to Noise Ratio (PSNR) 12,884. Sedangkan, menggunakan ACO tradisional diperoleh nilai rata-rata PSNR 11,665. Hasil ini menunjukkan bahwa ACO modifikasi mampu menghasilkan citra keluaran yang lebih baik dibandingkan ACO tradisional yang sebaran semut awalnya dilakukan secara acak. ===================================================================================================== Ant Colony Optimization (ACO) is an optimization algorithm which is inspired by the behavior of ants when finding foods. Because of its advantages, ACO is widely used to solve the difficult non-polynomial problems, one of them is image edge detection. Application of ACO on edge detection has been proven to work well, but the method of spreading ants in ACO greatly affects the accuracy. In traditional ACO, the initial ant randomly distributed. This condition can cause an imbalance ants distribution which can affect the path discovery process on edge detection. Based on this problem, a modified ant distribution in ACO is proposed to optimize the deployment of ant based gradient. Gradient value is used to determine the placement of the ants. Ants are not distributed randomly, but placed in the highest gradient. This method is expected to be used for optimization path discovery. Based on the test results, using the proposed ACO modification can be obtained average values of Peak Signal to Noise Ratio (PSNR) 12.884. Meanwhile, using traditional ACO obtained an average value of PSNR 11.665. These results indicate that the ACO modification capable of generating output image better than traditional ACO which ants are initially distributed randomly.

Item Type: Thesis (Masters)
Additional Information: RTIf 006.42 Lia m
Uncontrolled Keywords: Ant Colony Optimization, gradient, deteksi tepi, peak signal to noise ratio
Subjects: T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Information Technology > Informatics Engineering > (S2) Master Theses
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 29 Oct 2018 07:06
Last Modified: 29 Oct 2018 07:06
URI: http://repository.its.ac.id/id/eprint/59915

Actions (login required)

View Item View Item