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.

[thumbnail of 5113201022-Master Thesis.pdf]
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 > 55101-(S2) Master Thesis
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