DETEKSI KUALITAS UIS GARA MELALUI PEMROSESAN CITRA DIGITAL DENGAN  METODA GRAY LEVEL CO-OCCURENCE MATRIX (GLCM) DAN KLASIFIKASI DECISION TREE

TIA MONICA

Informasi Umum

Kode

20.04.946

Klasifikasi

621.382 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Engineering - Signal Processing

Informasi Lainnya

Abstraksi

ABSTRAK

Pada penelitian ini akan dikembangkan sebuah sistem perangkat lunak yaitu perangkat yang mampu mendeteksi kualitas Uis Gara melalui pemrosesan citra digital. Uis Gara adalah pakaian adat tradisional suku karo yang memiliki nilai status sosial dan harga dari kain ini ditentukan dari bahan dan juga proses pembuatannya. Terdapat tiga kelas kualitas Uis Gara yaitu bagus, sedang dan buruk. Kualitas Uis Gara dapat dilihat dari benang yang tidak rapi, letak cacat pada Uis Gara dan bolongan pada permukaan Uis Gara, penentuan kualitas Uis Gara secara otomatis akan membantu para pengerajin dan yang masih pemula pada bidang ini. Pada Tugas Akhir ini dibuat sebuah sistem yang mampu mendeteksi kualitas Uis Gara dengan citra masukan yang diambil melalui kamera DSLR 600D, proses pengujian dilakukan dengan menggunakan ekstraksi ciri Gray Level Co-Occurrence Matrix (GLCM) yang akan menghasilkan matriks GLCM. Masing-masing data citra hasil pre-processing akan dibagi menjadi data latih dan data uji. Data latih akan menjadi acuan untuk pengujian kualitas Uis Gara melalui klasifikasi Decision Tree dimana citra latih akan diolah menjadi ciri statistik yang akan disimpan dalam bentuk database.Pengujian dibagi menjadi dua skema, masing-masing skema terdiri dari tiga kelas yang sama yaitu bagus, sedang dan buruk. Pengujian Skema I terdiri dari 30 citra latih dan 30 citra uji terang, 30 citra uji gelap dan 60 citra uji terang-gelap dengan parameter fitur Energy, Contrast, Correlation, Homogeneity dan Variance pada jarak 1, arah 0o dan 45o serta level kuantisasi 4 dan 8, hasil akurasi tertinggi pada pengujian Skema I yaitu 93,3% pada data uji terang. Pengujian Skema II terdiri dari 120 citra dengan perbandingan 50:50 pada data latih dan data citra uji campuran antara terang-gelap, pengujian dibagi menjadi tiga pengujian yaitu pengujian 5 fitur, 10 fitur dan 15 fitur pada jarak 1, arah 0o dan level kuantisasi 4, hasil akurasi tertinggi pada pengujian skema dua yaitu 86,6%. Dari kedua skema pengujian diperoleh akurasi maksimal 93,3% pada Pengujian Skema I dengan data data uji terang.

Kata Kunci: Gray Level Co-Occurrence Matrix, Decision Tree, Uis Gara