{"title":"木上的缺陷标识使用SVM方法的GLCM特性","authors":"Muhammad Azwar Tsar Siregar, Gasim Gasim","doi":"10.35957/algoritme.v3i1.2970","DOIUrl":null,"url":null,"abstract":"Kayu adalah bagian batang atau ranting tumbuhan yang mengeras akibat proses lignifikasi secara alami. Kayu memiliki sifat yang tidak dapat ditiru dengan bahan lain. Sifat kayu adalah tahan lama, kuat dan tidak korosif. Kelemahan kayu, yaitu kekurangan alamiah yang terdapat di dalamnya seperti cacat mata kayu, cacat rapuh hati dan cacat lubang penggerek. Penelitian ini menggunakan metode SVM (Support Vector Machine) untuk mendapatkan akurasi terhadap cacat pada kayu dengan menggunakan ekstraksi GLCM (Gray Level Co-occurence Matrix). Dataset yang digunakan terdapat 160 citra kemudian dipisahkan menjadi 112 data train dan 48 data test. Identifikasi yang dilakukan pada kernel Gaussian mendapatkan akurasi tertinggi sebesar 27,08% daripada menggunakan kernel Linear dengan akurasi lebih kecil yakni 16,67%.","PeriodicalId":447117,"journal":{"name":"Jurnal Algoritme","volume":"40 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"IDENTIFIKASI CACAT PADA KAYU MENGGUNAKAN FITUR GLCM DENGAN METODE SVM\",\"authors\":\"Muhammad Azwar Tsar Siregar, Gasim Gasim\",\"doi\":\"10.35957/algoritme.v3i1.2970\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Kayu adalah bagian batang atau ranting tumbuhan yang mengeras akibat proses lignifikasi secara alami. Kayu memiliki sifat yang tidak dapat ditiru dengan bahan lain. Sifat kayu adalah tahan lama, kuat dan tidak korosif. Kelemahan kayu, yaitu kekurangan alamiah yang terdapat di dalamnya seperti cacat mata kayu, cacat rapuh hati dan cacat lubang penggerek. Penelitian ini menggunakan metode SVM (Support Vector Machine) untuk mendapatkan akurasi terhadap cacat pada kayu dengan menggunakan ekstraksi GLCM (Gray Level Co-occurence Matrix). Dataset yang digunakan terdapat 160 citra kemudian dipisahkan menjadi 112 data train dan 48 data test. Identifikasi yang dilakukan pada kernel Gaussian mendapatkan akurasi tertinggi sebesar 27,08% daripada menggunakan kernel Linear dengan akurasi lebih kecil yakni 16,67%.\",\"PeriodicalId\":447117,\"journal\":{\"name\":\"Jurnal Algoritme\",\"volume\":\"40 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-10-05\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Algoritme\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.35957/algoritme.v3i1.2970\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Algoritme","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35957/algoritme.v3i1.2970","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
IDENTIFIKASI CACAT PADA KAYU MENGGUNAKAN FITUR GLCM DENGAN METODE SVM
Kayu adalah bagian batang atau ranting tumbuhan yang mengeras akibat proses lignifikasi secara alami. Kayu memiliki sifat yang tidak dapat ditiru dengan bahan lain. Sifat kayu adalah tahan lama, kuat dan tidak korosif. Kelemahan kayu, yaitu kekurangan alamiah yang terdapat di dalamnya seperti cacat mata kayu, cacat rapuh hati dan cacat lubang penggerek. Penelitian ini menggunakan metode SVM (Support Vector Machine) untuk mendapatkan akurasi terhadap cacat pada kayu dengan menggunakan ekstraksi GLCM (Gray Level Co-occurence Matrix). Dataset yang digunakan terdapat 160 citra kemudian dipisahkan menjadi 112 data train dan 48 data test. Identifikasi yang dilakukan pada kernel Gaussian mendapatkan akurasi tertinggi sebesar 27,08% daripada menggunakan kernel Linear dengan akurasi lebih kecil yakni 16,67%.