Deteksi Cacat Ubin Keramik Dengan Metode K-Nearest Neighbor
DOI:
https://doi.org/10.33633/tc.v18i3.2459Keywords:
Digital Image Processing, Median Filtering, Teknik Morfologi, GLCM dan KNNAbstract
Perusahaan industri manufaktur harus dapat menjaga kualitas dari setiap produk yang diproduksi, termasuk perusahaan industri manufaktur yang memproduksi ubin keramik. Selama beberapa tahun, inspeksi visual secara otomatis sudah diterapkan untuk menentukan kualitas ubin keramik yang diproduksi. Sulitnya mendeteksi ubin keramik yang cacat bisa berdampak pada menurunnya kualitas hasil produksi, menurunnya tingkat kepercayaan konsumen, dan penurunan laba bagi perusahaan. Masalah yang dibahas di dalam penelitian ini adalah bagaimana mendeteksi ubin keramik yang cacat sehingga model yang dibangun dapat meningkatkan akurasi untuk mendeteksi ubin keramik yang cacat. Langkah penyelesaian masalah ini adalah dengan mengumpulkan data berupa citra dari ubin keramik, kemudian data citra dilakukan preprocessing menggunakan Median Filtering untuk menghilangkan noise salt and paper dan Teknik Morfologi untuk memperbaiki hasil segmentasi citra. Setelah dilakukan preprocessing, data citra diekstraksi ciri berdasarkan tekstur dengan menggunakan metode Gray Level Co-occurrence Matrix (GLCM) yang dilanjutkan dengan mengklasifikasikan data citra menggunakan metode K-Nearest Neighbor (KNN). Hasil dari penelitian ini adalah model yang dibangun menggunakan metode K-Nearest Neighbor dapat meningkatkan akurasi untuk mendeteksi kecacatan pada ubin keramik dengan nilai akurasi sebesar 98.9474% untuk k = 3.References
D. Nazelliana and P. Widodo, “Deteksi Cacat Ubin Keramik Dengan Metode Jaringa Saraf Tiruan Dan Algoritma Backpropagtion,†Fakt. Exacta, vol. 7, no. 2, pp. 154–164, 2014.
G. M. A. Rahaman, C. Science, E. Discipline, and C. Science, “Automatic Defect Detection and Classification Technique from Image: A Special Case Using Ceramic Tiles,†Int. J. Comput. Sci. Inf. Secur., vol. 1, no. 1, pp. 22–30, 2009.
K. Ragab and N. Alsharay, “Developing Parallel Cracks and Spots Ceramic Defect Detection and Classiï¬cation Algorithm using CUDA,†in 2017 IEEE 13th International Symposium on Autonomous Decentralized System (ISADS), 2017, pp. 255–261.
R. Gonydjaja and T. M. Kusuma, “Rectangularity Defect Detection for Ceramic Tile Using Morphological Techniques,†ARPN J. Eng. Appl. Sci. 2014, vol. 9, no. 11, pp. 2052–2056, 2014.
K. Ragab and N. Alsharay, “An Efficient Defect Classiï¬cation Algorithm for Ceramic Tiles,†in ACIIDS 2017 : Advanced Topics in Intelligent Information and Database Systems, 2017, vol. 710, pp. 235–247.
S. H. Hanzaei and A. Afshar, “Automatic Detection and Classification of the Ceramic Tiles’ Surface Defects,†Pattern Recognit., vol. 66, pp. 174–189, 2016.
Y. Samarawickrama and C. Wickramasinghe, “Matlab based Automated Surface Defect Detection System for Ceremic Tiles using Image Processing,†in 2017 6th National Conference on Technology and Management (NCTM), 2017, pp. 34–39.
T. Sutoyo, E. Mulyanto, V. Suhartono, D. N. Oky, and Wijanarto, Teori Pengolahan Citra Digital. 2009.
R. D. Kusumanto and A. N. Tompunu, “Pengolahan Citra Digital Untuk Mendeteksi Obyek Menggunakan Pengolahan Warna Model Normalisasi RGB,†in Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2011 (Semantik 2011), 2011, vol. 1, no. 1.
J. ; Han, M. Kamber, and J. Pei, Data Mining Concepts and Technique, 3rd Editio. Waltham: Elsevier, 2012.
Kusrini and E. Luthfi, Algoritma Data Mining. Yogyakarta, Indonesia: Andi, 2009.
R. Anggraini, B. Hidayat, and S. Darana, “Klasifikasi Jenis Kualitas Keju Dengan Menggunakan Metode Gray Level Co-occurrence Matrix (GLCM) dan Support Vector Machine (SVM) Pada Citra Digital,†in e-Proceeding of Engineering, 2017, vol. 4, no. 2, pp. 2035–2042.
Saifudin and A. Fadlil, “Sistem Identifikasi Citra Kayu Berdasarkan Tekstur Menggunakan Gray Level Coocurrence Matrix (GLCM) Dengan Klasifikasi Jarak Euclidean,†SINERGI, vol. 19, no. 3, pp. 181–186, 2015.
R. M. Haralick, K. Shanmugam, and I. Dinstein, “Textural Features for Image Classification,†IEEE, vol. SMC-3, no. 6, pp. 610–621, 1973.
S. Iriyanto and T. Zaini, Pengolahan citra digital. Bandar Lampung: Anugrah Utama Raharja, 2016.
Downloads
Published
Issue
Section
License
Copyright (c) 2019 Techno.Com
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
License Terms
All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:
1. Attribution
Readers and users are free to:
-
Share – Copy and redistribute the material in any medium or format.
-
Adapt – Remix, transform, and build upon the material.
As long as proper credit is given to the original work by citing the author(s) and the journal.
2. Non-Commercial Use
-
The material cannot be used for commercial purposes.
-
Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.
3. Rights of Authors
-
Authors retain copyright and grant Techno.COM Journal the right to publish the article.
-
Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.
4. No Additional Restrictions
-
The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.
5. Disclaimer
-
The journal is not responsible for how the published content is used by third parties.
-
The opinions expressed in the articles are solely those of the authors.
For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/
