Muh., Rafli Rasyid and Zulkifli, Tahir and Syafaruddin, Syafaruddin (2019) Pengolahan citra digital untuk mendeteksi kesalahan kerja mesin industri dengan metode learning vector quantization. Jurnal Pekommas, 4 (2): 3. pp. 131-136. ISSN 2502-1893
Jurnal Pekommas_Muh. Rafli Rasyid_Universitas Hasanuddin Makassar.pdf
Download (664kB) | Preview
Abstract
Dewasa ini, pengolahan citra digital banyak digunakan dalam berbagai bidang. Hal ini untuk mempermudah manusia dalam melakukan pekerjaan dengan cara menganalisis video atau gambar. Selain itu pengolahan citra digital digunakan dalam pengambilan keputusan, dunia industri, pemanfaatan teknologi mesin industri yang merupakan salah satu faktor yang paling penting dalam upaya memudahkan pekerjaan manusia. Suatu mesin industri tidak terlepas dari kesalahan kerja yang dapat menghambat proses produksi dan menimbulkan kerugian bagi industri. Penelitian ini bertujuan untuk mendeteksi kesalahan kerja mesin industri dengan menggunakan data video pergerakan mesin industri yang direkam menggunakan kamera webcam.Untuk tahap proses preprosesing, citra di -resize kemudian di konversi menjadi citra grayscale dan dilakukan segmentasi menggunakan metode thresholding. Tahap selanjutnya melakukan operasi morfologi dengan operasi opening. Ekstraksi fitur dilakukan dengan mengubah citra biner menjadi data vektor yang digunakan sebagai data masukan pada proses klasifikasi dengan menggunakan algoritma Learning Vector Quantization Neural Network (LVQ NN). Hasil penelitian menunjukkan hasil deteksi kesalahan kerja mesin industri dapat dilakukan dengan baik dengan nilai akurasi sebesar 94,24% pada tahap pelatihan, dan 92,38% pada tahap pengujian.
Item Type: | Article |
---|---|
Subjects: | Computers, Control & Information Theory Computers, Control & Information Theory > Pattern Recognition & Image Processing |
Divisions: | BATAN > Biro Hukum, Humas dan Kerja sama IPTEK > BATAN > Biro Hukum, Humas dan Kerja sama |
Depositing User: | - Yayan Sofyan |
Date Deposited: | 05 Jan 2023 05:15 |
Last Modified: | 05 Jan 2023 05:15 |
URI: | https://karya.brin.go.id/id/eprint/14179 |