Implementasi K-Means Clustering Untuk Segmentasi Citra X-Ray Paru-Paru

Algoritma pengelompokan (clustering) semacam K-Means dikenal sebagai algoritma pembelajaran tidak terbimbing (unsupervised learning) karena tidak adanya target kelas untuk setiap data. Algoritma K-Means menjadi salah satu algoritma yang peling penting dalam bidang data mining. Memiliki kelebihan sebagai algoritma yang mudah diimplementasikan, relatif cepat ditinjau dari waktu komputasi dan telah digunakan secara luas untuk menyelesaikan berbagai persoalan komputasi. Pada artikel ini, saya akan menjelaskan bagaimana implementasi algoritma K-Means clustering untuk melakukan segmentasi citra X-Ray paru-paru. Perlu diketahui bahwa segmentasi citra merupakan  proses yang ditujukan untuk mendapatkan objek-objek yang terkandung di dalam citra atau membagi citra ke dalam beberapa daerah dengan setiap objek atau daerah memiliki kemiripan atribut. Pada  citra yang mengandung hanya satu objek, objek dibedakan dari latarbelakangnya (Kadir, 2012).

Penting untuk diketahui bahwa, K yang dimaksudkan dalam K-Means adalah jumlah partisi, sehingga algoritma ini mengelompokkan setiap titik pada data X dalam salah satu partisi K. Semakin besar nilai K berdampak pada banyaknya cluster untuk mengelompokkan data X. Nilai K ini juga menjadi parameter yang dibutuhkan oleh algoritma K-Means. Tidak ada ketetapan mutlak bagaimana menentukan nilai K yang optimal. Biasanya, penentuan nilai K didasarkan atas informasi yang diketahui sebelumnya tentang seberapa banyak cluster data yang muncul pada data X.  Cara lain yang paling naif dalam menentukan nilai K adalah melakukan percobaan dengan beberapa nilai K hingga ditemukan bentuk pengelompokan yang tepat. Namun dewasa ini, banyak peneliti telah mencoba untuk melakukan pencarian nilai K yang optimum pada K-Means menggunakan berbagai pendekatan meta-heuristik seperti particle swarm optimization (pso), ant colony optimization (aco) dan lain sebagainya. 

Gambar 1 Citra asli X-Ray paru-paru
hahaha

Gambar 2 Editing Backround Citra X-Ray paru-paru
Hahaha

Gambar 3 Segmentasi Manual Menggunakan Photo Editor

hahaha

Gambar 4 Program Segmentasi Otomatis Menggunakan Matlab
hahaha
Gambar 5 Proses Segmentasi Otomatis Menggunakan K-Means Clustering
hahah

Gambar 6 Hasil Segmentasi Citra tanpa Morfologi



hahaha
Gambar 7 Hasil Segmentasi Citra Menggunakan Morfologi Closing



Ini demo program sudah tersedia di channel youtube kami




Referensi :
Kadir, Abdul dan Susanto, Adhi. Teori dan Aplikasi Pengolahan Citra. Yogyakarta : Andi. 2012

0 Response to "Implementasi K-Means Clustering Untuk Segmentasi Citra X-Ray Paru-Paru"

Post a Comment

Terima Kasih Telah Berkunjung, Silakan Berkomentar...
Kritik dan Saran Teman-Teman Sangat Memotivasi Saya (^_^)

Iklan Atas Artikel

Iklan Tengah Artikel 1

Iklan Tengah Artikel 2

Iklan Bawah Artikel