ABSTRAK Nama : Ilham Kusuma Program Studi : Ilmu Komputer Judul : Analisis Algoritma Optimasi yang Terinspirasi dari Alam pada Proses Pemilihan Segmen untuk Segmentasi Semantik pada Data Citra Proses segmentasi semantik merupakan proses pemetaan seluruh piksel yang ada pada gambar ke kelas semantiknya masing-masing. Metode yang dapat mencapai akurasi yang tinggi adalah Robust Pn. Robust Pn memiliki kelebihan karena dapat menggunakan banyak segmen. Namun timbul masalah baru, yaitu waktu komputasi yang lama. Permasalahan ini bisa dipecahkan dengan memilih segmen yang berkualitas terlebih dahulu sebelum menggunakannya sebagai input Robust Pn. Segmen yang berkualitas ditentukan oleh tingginya nilai peluang segmen tersebut terhadap suatu topik. Nilai peluang diperoleh dengan menggunakan metode Latent Dirichlet Allocation. Kemudian, segmen akan dipilih menggunakan algoritma optimasi. Algoritma optimasi akan memaksimalkan nilai fitness function dan memberikan solusi yang menghasilkan evaluasi fitness function yang paling tinggi. Algoritma yang digunakan untuk memilih segmen pada penelitian sebelumnya adalah Genetic Algorithm (GA) dan Binary Particle Swarn Optimization (BPSO). Akurasi dari penggunaan kedua algoritma optimasi tersebut adalah 82.13% untuk GA dan 82.41% untuk BPSO. kedua algoritma ini dapat menghemat waktu komputasi karena segmen yang digunakan lebih sedikit. Namun, kedua algoritma ini belum dapat mengalahkan akurasi yang menggunakan seluruh segmen yang mencapai 82.49%. Penelitian ini bertujuan untuk meningkatkan kecepatan proses dengan mengimplementasikan beberapa algoritma optimasi, seperti Binary Bat Algorithm (BBA), Cuckoo Search, dan Binary Firefly Algorithm. Akurasi yang dapat dicapai oleh BBA, BCS, dan BFA berturut-turut adalah 82.323%, 82.274%, dan 82.193%. Walaupun akurasi dari ketiga algoritma tidak dapat mengalahkan BPSO, akan tetapi terjadi percepatan waktu komputasi yang signifikan. Waktu komputasi dengan BPSO yang membutuhkan waktu sekitar 253.956 detik dapat dikalahkan oleh BBA yang hanya membutuhkan waktu 138.1064 detik. Kata Kunci: Binary Bat Algorithm, Binary Firefly Algorithm, Binary Cuckoo Search, Nature Inspired Optimization Algorithm, Algoritma Optimasi, Segmentasi Semantik, Latent Dirichlet Allocation, Segmen, Robust Pn, Conditional Random Field