Klasifikasi Cacat Pada Kemasan Botol Dengan Menggunakan Metode Ekstraksi Gray Level Co-Occurrance Matrix (GLCM) Dan Support Vector Machine (SVM)

Prasetyo, Dendy Dwi (2019) Klasifikasi Cacat Pada Kemasan Botol Dengan Menggunakan Metode Ekstraksi Gray Level Co-Occurrance Matrix (GLCM) Dan Support Vector Machine (SVM). Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0915040024 - Dendy Dwi Prasetyo - Klasifikasi Cacat Pada Kemasan Botol Dengan Menggunakan Metode Ekstraksi _i_Gray Level Co-Occurrance Matrix__i_ (GLCM) Dan _i_Support Vector Machine__i_ (SVM).pdf Restricted to Repository staff only Download (2MB)

Abstract

Dalam dunia modern ini, Perkembangan di sektor industri semakin maju. Dengan adanya teknologi tinggi di era globalisasi sekarang dapat meningkatkan hasil produksi dan mengurangi jumlah tenaga kerja pada suatu perusahan. Dalam hal ini proses pemindahan barang dari proses satu ke proses lainnya menjadi hal yang sangat penting karena mengacu pada hasil barang yang diproduksi dan kecepatan waktu pendistribusiannya. Pada suatu produk selalu tidak terlepas dengan kemasan produk dan label. Selain berfungsi sebagai pengaman juga berfungsi sebagai pengenal produk dan juga informasi dari produk tersebut. Suatu kemasan pada produk bisa saja rusak atau cacat karena suatu hal. Dalam hal ini membuat hasil produksi dari perusaahan menjadi terganggu. Sistem pendeteksi kecacatan kemasan ini perlu diterapkan pada setiap perusahan agar poduk selalu dalam kualitas yang baik sampai pada pengemasan kemudian pendistribusian hingga akhirnya ke konsumen. Sistem ini menggunakan kamera yang difungsikan sebagai sensor pendeteksi kecacatan pada kemasan. Dengan memanfaatkan hasil tangkapan dari kamera dengan menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dengan memanfaatkan ekstraksi fitur – fitur sebuah citra dengan memperhatikan hubungan piksel ketetanggaan dan Support Vector Machine (SVM) sebagai pengklasifikasi jenis kemasan termasuk cacat atau tidak. Jika produk tidak sesuai maka akan disortir oleh motor servo ke bagian lain sedangkan produk yang sempurna juga akan dihitung sebagai produk yang layak jual dan siap untuk didistribusikan ke pasar. Dari hasil pengujian penggunaan metode Gray Level Co-Occurance Matrix (GLCM) dan Support Vector Machine (SVM), tingkat keberhasilan dari alat ini adalah 80%. Dengan penyebab tingkat kegagalan ialah karena tingginya kesamaan antara botol yang rusak dan normal botol pada posisi tertentu.

Actions (login required)

View Item