Djefrison Ferdinan Hene Pengarang ADRIANA FANGGIDAE Dosen Pembimbing 1 MEITON BORU Dosen Pembimbing 2 Adriana Fanggidae Ketua Penguji Arfan Yeheskiel Mauko Penguji 2 Meiton Boru Penguji 1

Peranan rambu lalu lintas sangat penting dalam meningkatkan keselamatan bagi pengguna jalan dengan memberikan informasi kondisi jalan yang akan dilalui. Dalam mendapatkan objek rambu lalu lintas diantara sekian banyak objek yang ada dari citra hasil tangkapan kamera, maka perlu dilakukan segmentasi citra salah satuya berbasis clustering. Segmentasi dilakukan dengan algoritma Fuzzy C-Means dan Particle Swarm Optimization dalam ruang warna CIELAB dengan jumlah cluster 15. Sebelum segmentasi citra akan dibagi menjadi 5 bagian. Hasil pengklusteran akan dikonversikan ke ruang warna HSV dan dihitung nilai mean dari Hue, Saturation, dan Value dengan algortima Euclidian Distance akan dilakukan seleksi cluster yang mengandung rambu lalu lintas peringatan. Pengujian dilakukan terhadap rambu peringatan dengan 3 kondisi yaitu pagi, siang dan sore dimana setiap kondisi diwakili oleh 32 citra dengan ukuran yang beragam, dimana objek rambu lalu lintas peringatan di dalam citra harus utuh, tidak terhalang, tidak pudar, dan tidak rusak. Setiap citra dibagi menjadi 5 bagian dan ubah ukurannya menjadi 100 x 200 piksel. Hasil pengujian didapatkan bahwa Fuzzy C-Means dan Particle Swarm Optimization dalam ruang warna CIELAB dalam proses segmentasi dan Euclidian Distance dalam seleksi cluster rambu lalu lintas peringatan mendapatkan nilai akurasi 100% pada bagian 1 dan bagian 4 karena bagian-bagian tersebut terletak di kiri jalan tempat rambu lalu lintas terpasang, sedangkan bagian yang lainnya 0% karena pada bagian-bagian tersebut tidak terdapat rambu lalu lintas. Kata Kunci: Segmentasi, Fuzzy C-Means, Particle Swarm Optimization, Euclidian Distance, CIELAB, HSV, Rambu Lalu Lintas.