Melola Discovery

← Melola Discovery

Jurnal SINTA 2

HYBRID GENETIC ALGORITHMDAN ANT COLONY OPTIMIZATIONUNTUK OPTIMISASI METODE MULTILEVEL IMAGE THRESHOLDING

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 9 No. 2 (2011) · pp. 30–38

DOI
10.12962/j24068535.v9i2.a36
ISSN
2406-8535, 1412-6389
Published
2011-07-01
Publisher
Institut Teknologi Sepuluh Nopember
Language
eng

Abstract

Penggunaan genetic algorithm (GA) sebagai metode multilevel image thresholding dalam segmentasi citra dapat memberikan keuntungan seperti kecepatan proses dan penentuan jumlah threshold serta nilai threshold yang tepat. Akan tetapi, genetic algorithm memiliki beberapa kelemahan dimana salah satunya adalah kemungkinan terjadinya konvergensi yang terlalu dini (premature convergence) dan tidak adanya feedback positive yang tidak menjamin solusi global optimal. Penelitian ini mengajukan metode baru Hybrid GA-ACO untuk optimisasi metode multilevel image thresholdingsehingga dapat mengatasi kelemahan tersebut dengan cara menggabungkan GA dan ant colony optimization (ACO). Penggabungan dilakukan dengan menjadikan posisi dan nilai threshold yang didapatkan pada GA sebagai nilai awal untuk proses algoritma ACO. Hasil pengujian dengan citra sintetis dan citra asli menunjukkan nilai cost function, uniformity, dan misclassification error dari metode hybrid GA-ACO lebih baik dibandingkan dengan algoritma awal GA, yaitu rata-rata 98.87% untuk tingkat uniformity dan 97.72% untuk nilai ME. Nilai cost function metode hybrid GA-ACO yang lebih kecil dibandingkan algoritma GA menunjukkan bahwa metode hybrid GA-ACO dapat mencegah konvergensi dini pada algoritma GA. Dari hasil tersebut dapat disimpulkan bahwa metode hybrid GA-ACO yang dikembangkan merupakan suatu metode multilevel image thresholding yang dapat mencegah konvergensi dini sehingga mencapai konvergensi pada solusi optimal yang bersifat global optimum.

Collaboration network of the authors

9 authors · 18 co-authorship links · 10 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Pendidikan Ganesha
  • Udayana University
  • University of National Education
  • Institut Bisnis dan Teknologi Indonesia
  • Australian National University
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Made Windu Antara KesimanUniversitas Pendidikan Ganesha1
Agus Aan Jiwa PermanaUniversitas Pendidikan Ganesha1
Ida Bagus Ary Indra IswaraInstitut Bisnis dan Teknologi Indonesia1
Cokorda PramarthaAffiliation unknown1
Madek Jeani PurnamaUniversity of National Education1
I Wayan ArkaAustralian National University1
Ni Luh WatiniasihUdayana University1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://juti.if.its.ac.id/index.php/juti/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">HYBRID GENETIC ALGORITHMDAN ANT COLONY OPTIMIZATIONUNTUK OPTIMISASI METODE MULTILEVEL IMAGE THRESHOLDING</dc:title>
	<dc:creator xml:lang="en">Pradnyana, Gede Aditra</dc:creator>
	<dc:creator xml:lang="en">Suputra, I Putu Gede Hendra</dc:creator>
	<dc:description xml:lang="en"> Penggunaan genetic algorithm (GA) sebagai metode multilevel image thresholding dalam segmentasi citra dapat memberikan keuntungan seperti kecepatan proses dan penentuan jumlah threshold serta nilai threshold yang tepat. Akan tetapi, genetic algorithm memiliki beberapa kelemahan dimana salah satunya adalah kemungkinan terjadinya konvergensi yang terlalu dini (premature convergence) dan tidak adanya feedback positive yang tidak menjamin solusi global optimal. Penelitian ini mengajukan metode baru Hybrid GA-ACO untuk optimisasi metode multilevel image thresholdingsehingga dapat mengatasi kelemahan tersebut dengan cara menggabungkan GA dan ant colony optimization (ACO). Penggabungan dilakukan dengan menjadikan posisi dan nilai threshold yang didapatkan pada GA sebagai nilai awal untuk proses algoritma ACO. Hasil pengujian dengan citra sintetis dan citra asli menunjukkan nilai cost function, uniformity, dan misclassification error dari metode hybrid GA-ACO lebih baik dibandingkan dengan algoritma awal GA, yaitu rata-rata 98.87% untuk tingkat uniformity dan 97.72% untuk nilai ME. Nilai cost function metode hybrid GA-ACO yang lebih kecil dibandingkan algoritma GA menunjukkan bahwa metode hybrid GA-ACO dapat mencegah konvergensi dini pada algoritma GA. Dari hasil tersebut dapat disimpulkan bahwa metode hybrid GA-ACO yang dikembangkan merupakan suatu metode multilevel image thresholding yang dapat mencegah konvergensi dini sehingga mencapai konvergensi pada solusi optimal yang bersifat global optimum.</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2011-07-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://juti.if.its.ac.id/index.php/juti/article/view/36</dc:identifier>
	<dc:identifier>10.12962/j24068535.v9i2.a36</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 9, No 2, Juli 2011; 30-38</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v9i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/36/35</dc:relation>
</oai_dc:dc>