%A 1817031090  MAULANA  YUSUF 
%T PENERAPAN METODE EXPECTATION MAXIMIZATION ? GAUSSIAN
MIXTURE MODEL (EM-GMM) PADA SEGMENTASI CITRA DIGITAL
%X Salah satu aplikasi analisis cluster adalah segmentasi citra digital. Segmentasi citra
merupakan proses yang digunakan untuk mempartisi citra menjadi daerah yang
lebih sederhana. Saat menerapkan analisis klaster untuk segmentasi citra, terjadi
permasalahan dimana intensitas piksel yang ada akan menarik piksel lainnya yang
serupa ke dalam suatu klaster yang sama. Permasalahan tersebut sangat jarang
terjadi jika menerapkan metode soft clustering karena pikselnya dilengkapi dengan
derajat keanggotaan. Pada penelitian ini dikaji penerapan Gaussian Mixture Model
yang merupakan salah satu metode soft clustering yang menggunakan distribusi
Gaussian sebagai komponen dari mixture model. Parameter dari GMM akan
diiterasi menggunakan algoritma Expectation-Maximization untuk mendapatkan
maximum likelihood. Pemilihan jumlah klaster terbaik ditentukan berdasarkan
nilai Akaike's Information Criterion (AIC) dan Bayesian Information Criterion
(BIC). Hasil yang diperoleh menunjukkan jumlah klaster 7 merupakan jumlah
klaster yang optimal.
Kata Kunci: Analisis Klaster, Segmentasi Citra, Expectation-Maximization,
Gaussian Mixture Model, Akaike Information Criterion, Bayesian Information
Criterion.
%D 2022
%C UNIVERSITAS LAMPUNG
%R 1817031090
%I FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
%L eprints64661