Sistem Pendeteksi Retakan Pada Lampu "Glass" VTL Dengan Image Processing Menggunakan Metode Gray Level Co-Occurrence Matrix Dan Sum of Absolute Diffrence

Ma'arif, Muhamad Rizalul Lutfi (2018) Sistem Pendeteksi Retakan Pada Lampu "Glass" VTL Dengan Image Processing Menggunakan Metode Gray Level Co-Occurrence Matrix Dan Sum of Absolute Diffrence. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0914040016 - Muhamad Rizalul Lutfi Ma'arif - Sistem Pendeteksi Retakan Pada Lampu.pdf Restricted to Repository staff only Download (2MB)

Abstract

Kaca merupakan salah satu bahan dasar pembuatan lampu khususnya lampu VTL (Vertical Tube Lamp) pada industri lampu. Proses pembentukan kaca hingga menjadi lampu VTL (Vertical Tube Lamp) melewati beberapa proses. Salah satunya adalah proses sortir keretakan pada kaca VTL (Vertical Tube Lamp). Salah satu perusahaan lampu VTL di Indonesia masih menggunakan bantuan mata manusia untuk memilah kaca VTL yang cacat (retak). Proses sortir tersebut tentunya kurang efektif dan efisien karena setiap mata manusia memiliki tingkat konsentrasi yang berbeda-beda. Sehingga penulis merancang sebuah sistem sortir otomatis dengan menggunakan kamera sebagai pengganti mata manusia. Metode yang digunakan adalah metode Gray Level Co-Occurence Matrix (GLCM) dan sum of absolute difference (SAD). Pada penelitian ini, penulis menggunakan metode Gray Level Co-Occurence Matrix (GLCM) untuk ekstraksi fitur dan metode Sum of Absolute Difference (SAD) untuk mengklasifikasikan lampu yang cacat dengan lampu yang normal. Hasil dari pengujian metode Gray Level Co-Occurence Matrix (GLCM) pada sistem tugas akhir ini bekerja cukup baik untuk dapat membedakan dua tekstur citra yang berbeda, baik lampu yang normal maupun lampu yang cacat. Selain itu, metode sum of absolute difference (SAD) juga cukup bekerja dengan baik pada sistem tugas akhir ini dengan dapat mengklasifikasikan lampu yang mengalami cacat dan lampu yang normal. Dua metode tersebut bekerja cukup baik sehingga pada tugas akhir ini memiliki presentase keberhasilan sebesar 84%.

Actions (login required)

View Item