ABSTRAK Nama : Novian Habibie Program Studi : Ilmu Komputer Judul : Implementasi Algoritma Particle Swarm Optimization (PSO) pada Proses Pemilihan Segmen dari Multiple Segmentation untuk Segmentasi Semantik pada Citra Segmentasi semantik pada citra adalah proses pelabelan piksel-piksel pada gambar dengan label semantik. Ada banyak metode segmentasi semantik yang dapat digunakan, salah satunya adalah RobustPn, yaitu sistem yang dapat melakukan segmentasi semantik dengan memanfaatkan segmen/superpixel yang dibentuk dari multiple segmentation sebagai input higher order term pada proses minimalisasi energi menggunakan Conditional Random Field (CRF). Dikarenakan tidak semua segmen memiliki kualitas yang baik, maka penelitian terdahulu melakukan pemilihan segmen-segmen terbaik dari multiple segmentation menggunakan Latent Dirichlet Allocation (LDA) dan Genetic Algorithm (GA) untuk meningkatkan akurasi segmentasi. Jika dibandingkan dengan penggunaan semua segmen dengan global accuracy sebesar 82.49%, menggunakan segmen hasil seleksi dapat menghasilkan global accuracy yang cukup kompetitif yaitu 82.13%, dengan waktu anotasi yang jauh lebih cepat karena memakai jumlah segmen yang lebih sedikit. Penelitian ini bertujuan untuk meningkatkan performa dari sistem pemilihan segmen terdahulu menggunakan algoritma Particle Swarm Optimization (PSO) sebagai pengganti GA. Eksperimen dilakukan untuk menemukan konfigurasi parameter terbaik dari PSO dan melakukan perbaikan pada fitness function untuk proses penilaian calon solusi. Hasil eksperimen berupa PSO dengan konfigurasi dan fitness function terbaik selanjutnya dibandingkan dengan GA dari penelitian terdahulu. Setelah dibandingkan, ternyata proses seleksi menggunakan PSO akan memberikan akurasi yang lebih baik dari GA, yaitu mencapai 82.31% dengan waktu komputasi yang lebih cepat hingga 4 kali dari proses GA. Kata Kunci: Segmentasi Semantik, Conditional Random Field, Multiple Segmentation, Particle Swarm Optimization, Binary PSO, Fitness Function