KLASIFIKASI MULTI BETON MENGGUNAKAN FK-NNC (FUZZY K-NEAEREST NEIGBOUR IN EVERY CLASS) BERDASARKAN EKSTRAKSI FITUR GLCM (GREY LEVEL CO-OCCURENE MATRIX)

---

ABSTRAK
Dalam setiap pembangunan baik konstruksi besar atau kecil pasti membutuhkan
bahan material beton, untuk bahan tersebut tentu memiliki kualitas sesuai dengan
kegunaanya. Tentu tidak mudah mengetahui kualitas beton jika dilihat dari
permukaannya saja. Namun setiap beton pasti memiliki texture yang berbeda
bergantung pada kualitas mutu beton. Salah satu teknik untuk mendapatkan pola
suatu citra adalah menggunakan pengolahan citra. Pada penelitian ini metode yang
diterapkan adalah metode GLCM (Gray – Level Co – Occurrence Matrix) dan
FK - NNC (Fuzzy K – Nearest Neighbor In Every Class) untuk membandingkan
ciri antara beton yang satu dengan beton yang lainnya. Pemilihan mengunakan
metode GLCM karena menurut (Mirzapuor & Ghassemian,2013) metode GLCM
mampu mencapai akurasi klasifikasi tertinggi dibandingkan metode Gabor, DWT
(Discrete Wavelet Transform) dan Granulometrics. Selain itu alasan metode FK -NNC digunakan sebagai klasifikasi data karena menurut (Prasetyo,2012) metode
FK - NNC mencapai hasil akurasi lebih tinggi dari metode klasifikasi lain. Dalam
pembuatan aplikasi ada 3 bagian utama yang harus diperhatikan, yaitu inisialisasi,
ekstraksi fitur citra input, dan klasifikasi mutu beton. Pada tahap inisialisasi, citra
beton yang sudah diketahui kualitasnya diolah terlebih dahulu dengan metode
GLCM (Gray Level CO – Occurence Matrix) sehingga didapatkan fitur tektur
yang meliputi Kontras, Homogenitas, Energi, Entropi, dan Korelasi yang
digunakan untuk basis data pada aplikasi. Pada tahap ekstraksi fitur citra input,
citra beton yang digunakan sebagai inputan diolah terlebih dahulu dengan metode
GLCM (Gray Level CO – Occurence Matrix) untuk mendapatkan fitur tekstur
seperti pada tahap inisialisasi.Tahap terakhir adalah fitur citra inputan akan
dibandingkan dengan basis data menggunakan metode FK – NNC (Fuzzy K –
Nearest Neighbor In Every Class) sehingga didapatkan hasil klasifikasi mutu
beton. Keberhasilan sistem dalam mengklasifikasikan mutu beton sebesar 80 %.
Kata kunci : Klasifikasi, fitur tekstur, FK – NNC, GLCM, Citra Input, Kualitas
Mutu Beton

---

Ketersediaan

S06-17961

1796

Koleksi Skripsi

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1796

Penerbit

Surabaya : ITATS., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Klasifikasi, fitur tekstur, FK – NNC, GLCM,
Citra Input, Kualitas Mutu Beton

Info Detail Spesifik

06.2010.1.05538 B+

Pernyataan Tanggungjawab

Pembimbing : Ir. Wahyu Widodo, M.Kom

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar