Segmentasi citra merupakan tahapan terpenting dalam memperbaiki pengenalan pola. Sampai saat ini belum ada metode segmentasi yang optimal untuk citra dengan background dinamis. Segmentasi bertujuan untuk membagi prosedur citra menjadi beberapa bagian pokok penyusun citra. Dalam penelitian ini segmentasi hanya akan membagi dua bagian dari pada citra, yakni bagian obyek utama dan background. Dataset yang digunakan dalam penelitian ini menggunakan dataset Fish. Dilakukan preprocessing terlebih dahulu dengan metode histogram equalization. Algoritma segmentasi citra yang akan digunakan pada penelitian ini yakni dengan metode Fuzzy Partitions dan fuzzy partitions. Metode Fuzzy Partitions digunakan untuk proses segmentasi dengan membagi partisi pada citra. Fuzzy Interpolations untuk memperbaiki kualitas hasil dari segmentasi obyek utama dari suatu background. Setelah dilakukan penelitian, segmentasi obyek dengan background dinamis dalam penelitian ini menunjukkan nilai akurasi 99.60% dengan menggunakan metode fuzzy partitions dan fuzzy interpolations.

Citra segmentation is the most important step in improving pattern recognition. Until now there is no optimal segmentation method for citra with dynamic backgrounds. Segmentation aims to divide the citra procedure into several main parts of the citra compiler. In this research, segmentation will only divide two parts of the citra. The main object and background. The dataset used in this research using the fish dataset. Preprocessing is done first with the histogram equalization method. The citra segmentation algorithm that will be used in this research is the Fuzzy Partitions method and fuzzy interpolations. The Fuzzy partitions method used for the segmentation process by dividing partitions in the citra. Fuzzy interpolations to improve the quality of the result of the main object segmentation of a background. After doing research, the segmentation of objects with dynamic background in this study show an accuracy value of 99.60% by using fuzzy partitions and fuzzy interpolations.