Deteksi Cacat Ubin Keramik Dengan Metode K-Nearest Neighbor

Authors

  • Riza Alamsyah Budi Luhur University
  • Ade Davy Wiranata Budi Luhur University
  • Rafie Rafie Budi Luhur University

DOI:

https://doi.org/10.33633/tc.v18i3.2459

Keywords:

Digital Image Processing, Median Filtering, Teknik Morfologi, GLCM dan KNN

Abstract

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

2019-08-30