IMPLEMENTASI PENGEMBANGAN METODE DIFFERENTIAL EVOLUTIONUNTUK CLUSTERING PIXEL

Abstract

Perkembangan metode komputasi telah mengalami percepatan yang luar biasa. Berbagai teknik komputasi untuk mendapatkan solusi dengan kinerja optimal terus berkembang. Sejumlah algoritma termasuk dalam rumpun Evolutionary Computation, diantaranya adalah Differential Evolution (DE) yang berhasil menyelesaikan masalah optimasi dalam berbagai bidang diantaranya masalah clustering. Keunggulan DE adalah karena implementasinya yangmudah dan kecepatan konvergensinya. Dalam clustering, DE menghadapi kendala penentuan jumlah cluster. Pada penelitian ini diimplementasikan sebuah algoritma Evolutionary Clustering (EC) yang merupakan pengembangan dari DE. EC diterapkan untuk melakukan pengelompokan pixel-pixel dari citra gray-scale atas beberapa area homogen yang berbeda satu dengan lainnya. EC tidak membutuhkan informasi awal tentang jumlah cluster yang akan terbentuk. EC menjadi salah satu solusi untuk menentukan jumlah cluster optimal dengan nilai validitas yang lebih baik. Kinerja dari EC akan dibandingkan dengan algoritma Fuzzy C-Means (FCM). Hasil dari EC dibanding FCM relatif sama dari segi nilai cluster validity index namun EC membutuhkan waktu relatif lebih singkat.