Identifikasi Kadar Semen dan Pasir pada Campuran Kering Menggunakan Metode Backpropagation

Gasim Gasim(1*), Sudiadi Sudiadi(2),

(1) 
(2) STMIK Global Informatika MDP Palembang
(*) Corresponding Author
DOI: https://doi.org/10.23917/khif.v5i1.8014

Abstract

Campuran perekat dan juga plesteran dinding pada bangunan biasanya terdiri dari semen dan pasir. Perbedaan kadar capuran semen dan pasir berdampak pada kekuatan hasil. Penelitian ini mengimplementasikan kecerdasan buatan untuk mengidentifikasi atau mengenali kadar campuran semen dan pasir melalui citra campuran semen dan pasir yang sudah kering. Penelitian ini menggunakan enam macam campuran semen dan pasir. Pengumpulan data citra dilakukan dengan cara pemotretan menggunakan kamera resolusi sensor sebesar 7 MP, jarak potret lebih kurang 8 cm, dilakukan pada siang hari, dan tidak menggunakan cahaya dari lampu kamera. Citra latih dan citra uji berukuran 500 x 500 piksel, dan banyaknya citra latih adalah 300 citra dan 150 citra sebagai data uji. Metode pengenalan menggunakan jaringan syaraf tiruan dengan algoritma propagasi balik (backpropagation) dan dengan input berupa nilai tekstur dari citra campuran semen dan pasir yang sudah kering. Tingkat akurasi keberhasilan identifikasi adalah 87.33%. Penelitian ini berhasil mengimplementasikan JST dan fitur tekstur analisis dari GLCM dengan jarak potret dan resolusi kamera tertentu, serta penelitian ini dapat menjadi referensi pada penelitian lanjutan.

Keywords

identifikasi; semen; pasir; tekstur; resolusi sensor; backpropagation

References

Indocement Corporation, “Mengenal Jenis-jenis Campuran Pasir dalam Adukan Bahan Bangunan Semen”, semen tiga roda, 30 Mei 2015, [Online]. Tersedia: https://www.sementigaroda.com/read/ 20150730/170/mengenal-jenis-jenis-campuran-pasir-dalam-adukan-bahan-bangunan-semen, [Diakses: 16 April 2019]

Bawaan Situs, "6 Kesalahan Ketika Membuat Adukan Semen", lyceum, 28 Feb 2017, [Online]. Tersedia: https://www.lyceum.id/6-kesalahan-ketika-membuat-adukan-semen, [Diakses: 15 Mei 2019]

Wibowo F, Harjoko A, " Klasifikasi Mutu Pepaya Berdasarkan Ciri Tekstur GLCM Menggunakan Jaringan Saraf Tiruan", Khazanah Informatika. vol. 3, no. 2, pp. 100-104, 2017.

S.Adinugroho, Y.A.Sari, "Perbandingan Jaringan Learning Vector Quantization dan Backpropagation pada Klasifikasi Daun Berbasiskan Fitur Gabungan", Jurnal Informatika & Multimedia, Vol.9, No.2, pp.58-64,2017.

Gasim, Harjoko A, Seminar K.B., Hartati S., "Image Blocks Model for Improving Accuracy in Identification Systems of Wood Type," (IJACSA) International Journal of Advanced Computer Science and Applications., vol. 4, no. 6, pp. 48-53, 2013.

P. Li, dan J.R. Flenly, "Pollen texture identification using neural networks", Grana, Vol. 38, pp. 59-64, 1999

A. Huthaifa, M. Saher, H.Hazem, "A Flower Recognition System Based On Image Processing And Neural Networks", International Journal of Scientific & Technology Research, Vol.7, no. 11, pp.166-173, 2018

H.S.A. Suhair, E.G. Loay, "Texture Recognition Using Co-Occurrence Matrix Features and Neural Network," Journal of Theoretical and Applied Information Technology., vol. 95, no.21, pp. 5949-5961, 2017

G. Azim, "Identification of Textile Defects Based on GLCM and Neural Networks," Journal of Computer and Communications., vol. 3, no. 12,pp. 1-8, 2015.

K.A.Nidhal, S.D. Nizar, A.A. Zaid, "Skin Texture Recognition Using Neural Networks," Conference: ACIT 2008, vol. 9, 2009.

S.M. Mai, A.S. Mariam,S. Amr, "Automatic Detection of Melanoma Skin Cancer using Texture Analysis,". International Journal of Computer Applications., vol. 42, no. 20, pp. 22-26, 2012.

S. Jain, "Brain Cancer Classification Using GLCM Based Feature Extraction in Artificial Neural Network", International Journal of Computer Science & Engineering Technology (IJCSET)., vol.4, no. 7, pp. 966-970, 2013.

Y.Kaya, M.E.Erez, O.Karabacak, L.Kayci, M.Fidan,"An automatic identification method for the comparison of plant and honey pollen based on GLCM texture features and artificial neural network", Grana, Vol. 52, no. 1, pp.71-77, 2013.

DOI: 10.1080/00173134.2012.754050

R.M. Haralick, K. Shanmugam, I. Dinstein, "Textural Features for Image Classification," IEEE Transaction On System, Man and Cybernetics., vol. 3, no. 6, pp. 610-621, 1973.

Mathworks Corporation, "Create a Gray-Level Co-Occurrence Matrix", MATLAB for Artificial Intelligence, 2019, [Online]. Tersedia: https://www.mathworks.com/help/images/create-a-gray-level-co-occurrence-matrix.html, [Diakses:16 April 2019].

Sutojo T, Mulyanto E, dan Vincent, 2010. Kecerdasan Buatan. Yogyakarta: Andi Offset.

Article Metrics

Abstract view(s): 1281 time(s)
PDF (Bahasa Indonesia): 648 time(s)

Refbacks

  • There are currently no refbacks.