Perbandingan Tingkat Akurasi Pengenalan Kadar Semen Dan Pasir Pada Campuran Kering Berdasarkan Tingkat Resolusi Kamera Dengan Metode Pengenalan JST

Abstract

Pasir dan semen merupakan salah satu material terbesar atau terpenting yang digunakan dalam proses pembangunan pada suatu bangunan atau gedung dan selalu digunakan oleh masyarakat. Masing-masing campuran memiliki takaran pasir dan semennya masing-masing, namun untuk orang biasa sulit untuk membedakan jenis-jenis campuran kering pada bangunan runtuh ataupun bangunan yang belum jadi. Penelitian ini membandingkan tingkat akurasi pengenalan kadar semen dan pasir pada campuran kering berdasarkan tingkat resolusi kamera dengan metode pengenalan Jaringan Saraf Tiruan. Jenis campuran yang digunakan antara lain dengan takaran 1semen 1pasir, 1semen 1,5pasir, 1semen 2pasir, 1semen 2,5pasir, 1semen 3pasir, dan 1semen 3,5pasir. Tingkat resolusi kamera yang digunakan ada 5 antara lain 3MP, 5MP, 8MP, 10MP, 12MP, dan menggunakan jarak pemotretan ±9cm. Metode pengenalan menggunakan Jaringan Syaraf Tiruan dan ekstrasi fitur menggunakan GLCM(Gray Level Co-Occurrence Matrix) yang terdiri dari Entropy, Standard Deviation, Contrast, Angular Second Moment(ASM)/ Homogeneity, Correlation, dan Inverse Different Moment(IDM)/ Energy. Hasil perhitungan tertinggi dalam pengenalan jenis campuran kering berdasarkan tingkat resolusi kamera ialah pada resolusi kamera 12MP dengan jumlah pengenalan sebanyak 105 dari 120 data uji, sehingga menghasilkan tingkat akurasi sebesar 87,5%.

Identifikasi Cacat Pada Kayu Menggunakan Fitur GLCM Dengan Metode SVM

“…Pada tahapan ini, dilakukan pengumpulan data yang diperlukan terkait penelitian yang akan dilakukan yaitu menggunakan dataset yang digunakan bersumber dari penelitian sebelumnya (Gunawan, 2021), dengan rincian objek yang digunakan dalam proses penelitian ini merupakan papan kayu olahan dengan menggunakan papan kayu dari sawmill dan melakukan pemilihan papan kayu yang dibutuhkan untuk kegiatan penelitian. Spesifikasi Papan Kayu yang digunakan memiliki ketebalan 20 mm, dan lebar kisaran 120 mm, dan panjang maksimal 150 mm.…”

“…Studi tahun 2021 sebelumnya oleh [5] membandingkan akurasi pengenalan cacat kayu dengan jarak potret dengan akurasi pendeteksian jaringan syaraf tiruan. Data citra diperoleh dan diekstraksi dengan GLCM dan dilatih dengan ANN.…”