Sistem Deteksi Cacat Kayu dengan Metode Deteksi Tepi SUSAN dan Ekstraksi Ciri Statistik

Sari

ABSTRAK

Kayu menjadi suatu bahan dasar untuk menghasilkan berbagai macam jenis produk olahan kayu. Untuk menghasilkan produk olahan kayu dengan kualitas tinggi, dengan ketahanan produk yang kuat, dan umur dari produk olahan kayu tersebut dapat bertahan lama maka diperlukan bahan dasar kayu yang berkualitas dalam artian tanpa cacat sebagai bahan dasarnya. Pada penelitian ini telah dirancang sebuah sistem pendeteksian kayu untuk mengklasifikasikan kayu normal (tanpa cacat) dan kayu rusak dengan metode deteksi tepi SUSAN dan ekstraksi ciri statistik orde kedua, dengan tingkat akurasi sebesar 90,67% dan waktu komputasi 2,5 detik. Sehingga mengurangi adanya human error dan efisiensi waktu dalam pensortiran. Parameter nilai threshold (t) = 0,1 pada metode deteksi tepi SUSAN, dan ciri angular second moment (ASM), correlation, variance, dan inverse different moment (IDM) pada metode ekstraksi ciri statistik orde kedua, memberikan hasil optimal dalam sistem ini.

Kata kunci: cacat kayu, deteksi tepi SUSAN, ekstraksi ciri statistik

ABSTRACT

Wood becomes a basic material to produce various types of wood processing products. To produce high quality processed wood products, with robust product durability, and long life of the processed wood products can last a long time it takes quality wood base material in the sense without flaw as the basic material. In this research, we have designed a wood detection system to classify normal wood (without defects) and damaged wood with SUSAN edge detection method and second order statistic extraction with accuracy of 90.67% and computation time 2.5 seconds. Thus reducing human error and time efficiency in sorting. The threshold value parameter (t) = 0.1 on the SUSAN edge detection method, and angular second moment (ASM), correlation, variance, and inverse different moment (IDM) characteristics in second order statistical feature extraction methods, gives optimal results in this system.

Keywords: wood defect, SUSAN edge detector, statistical feature extraction