IDENTIFIKASI CACAT LAS DENGAN GEOMETRIC INVARIANT MOMENT PADA CITRA RADIOGRAF DIGITAL RADIOGRAFI

Identifikasi cacat oleh ahli radiografer (AR) menjadi hal yang riskan terhadap human error dalam proses analisis cacat pada film radiografi. Maka diperlukan adanya pembacaan cacat las secara otomatis untuk membantu AR mengatasi permasalahan tersebut. Identifikasi cacat las secara otomatis dilakukan dengan mengggunakan jaringan syaraf tiruan dengan bantuan software Matlab. Metode geometric invariant moment memungkinkan ciri citra tidak berubah oleh translasi, rotasi, dan perubahan skala. Keunggulan tersebut sangat diperlukan untuk membaca indikasi cacat pengelasan pada citra radiograf dengan bentuk dan ukuran yang bervariasi. Sistem identifikasi dibuat menggunakan jaringan syaraf tiruan model klasifikasi backpropagation neural network pattern recognition. Model klasifikasi tersebut memungkinkan komputer melakukan pengenalan pola pada citra radiograf digital radiografi. Pelatihan jaringan syaraf tiruan yang dilakukan memiliki 3 layer yaitu 1 input layer, 1 hidden layer, dan 1 output layer. Sistem identifikasi yang dibuat mampu membedakan indikasi cacat las incompleted of penetration dan clustered porosity pada citra radiograf digital radiografi. pada sistem identifikasi ini, citra hasil exposure dipotong pada bagian yang terdapat indikasi cacat las kemudian diubah menjadi citra grayscale. Citra grayscale ini kemudian di ekstraksi ciri citranya menjadi 7 nilai vektor ciri citra (momen invariant) dengan invariant moment. Masing-masing citra memiliki nilai vektor ciri citra yang berbeda. Sistem akan secara otomatis mengidentifikasi citra tersebut berdasarkan ciri citranya ke dalam identifikasi indikasi cacat incompleted of penetration atau clustered porosity. Hasil pembuatan sistem identifikasi dengan 5998 data indikasi incompleted of penetration dan 672 data indikasi clustered porosity didapatkan tingkat akurasi sebesar 89,9%.
Kata kunci: Digital Radiografi, Geometric Invariant Moment, Backpropagation neural network