DETEKSI KERUSAKAN TEKSTIL MENGGUNAKAN MIKROSKOP … · citra. Pada umumnya tekstur adalah pola visual rumit yang tersusu n dari kesatuan -kesatuan atau subpola yang memiliki karakteristik

DETEKSI KERUSAKAN TEKSTIL MENGGUNAKAN MIKROSKOP DIGITAL(DIGITAL MICROSCOPE) DINO-LITE 211 BERBASIS PENGOLAHAN CITRA

DIGITAL DENGAN METODE GLRL

Dame Lasria Butar Butar¹, Achmad Rizal², Gelar Budiman³

¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

AbstrakPengolahan citra mempunyai peranan penting dalam berbagai bidang seperti bidangperindustrian tekstil (kain). Kerusakan kain yang paling utama adalah tinta yang blobor, kainberlubang dan kesalahan dalam pengulangan tekstur.

Pengontrolan cacat kain saat ini masih kurang efesien karena masih dilakukan secara manual.Salah satu cara untuk mengenali suatu citra adalah dengan membedakan tekstur yangmerupakan komponen dasar pembentuk citra. Tekstur citra dapat dibedakan dengan kerapatan,keseragaman, keteraturan, kekasaran, dan lain-lain. Karena komputer tidak dapat membedakantekstur seperti halnya penglihatan manusia, maka digunakan analisis tekstur untuk mengetahuipola suatu citra digital berdasarkan ciri yang diperoleh secara matematis.

Salah satu metode analisis tekstur yaitu metode run length. Metode ini mengenali jumlah runpada suatu piksel dengan level intensitas sama dan berurutan dalam satu arah tertentu.Kemudian ciri tekstur dapat diperoleh dari nilai SRE (Short Run Emphasis), LRE (Long RunEmphasis), GRU (Grey Level Uniformity), RLU (Run Length Uniformity), dan RPC (RunPercentage). Kelima ciri tersebut kemudian digunakan untuk klasifikasi dengan menggunakanmetode LDA (Linear DiscriminantAnalysis) dan k-NN (k-Nearest Neighbor). Tekstur halus akanmenghasilkan nilai SRE, RLU, dan RPC yang besar dan nilai LRE kecil. Sebaliknya tekstur kasarakan menghasilkan nilai LRE besar namun nilai SRE, RLU, dan RPC yang kecil. Setelah itu akandilakukan klasifikasi k-NN dengan membandingkan ciri tekstur paling dekat antara datapembanding dan data yang dibandingkan.

Untuk menganalisa kerusakan kain tersebut, akan dilakukan video capturing, mengubah ke citraabu (grey) dan mengenali jumlah run pada suatu piksel dengan level intensitas sama danberurutan dalam satu arah tertent, sehingga didapatkan ciri tektur dari citra tersebut.

Hasil dari penyusunan/penulisan TA ini adalah merancang suatu sistem yang dapat mendeteksisuatu kerusakan kain dengan akurasi yang cepat dan tepat.

Kata Kunci : grey level, run length

Tugas Akhir - 2011

Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi

AbstractImage processing plays an important role in various fields of industry fields such as textiles(cloth). Damage to the main fabric is the ink bleed, fabric holes and errors in the repetition oftexture.

Control of fabric defects is still less efficient because it is still done manually. One way torecognize an image is to distinguish the texture of an image-forming basic component. Thetexture image can be distinguished by density, uniformity, regularity, roughness, and others.Because computers can not distinguish the texture as well as human vision, texture analysis isused to determine the pattern of a digital image based on characteristics derived mathematically.

One method of texture analysis is the run length method. This method recognizes the number ofruns in a pixel with the same intensity level and the sequence in one particular direction. Thenthe characteristic texture can be obtained from the SRE (Short Run Emphasis), LRE (Long RunEmphasis), GRU (Grey Level uniformity), RLU (Run Length uniformity), and RPC (RunPercentage). The five traits were then used for classification using k-NN (k-Nearest Neighbor).Smooth texture will produce a value of SRE, RLU, and RPC large and small LRE value. Insteadrough texture will produce a large LRE value but the value of SRE, RLU, and RPC are small. Afterthat will be the k-NN classification by comparing the characteristic texture closest comparisonbetween the data and the data are compared.

To analyze the damage of cloth, will be video capturing, convert into grey and identify the numberof runs in a pixel with the same intensity level and tertent sequentially in one direction, so thatthe texture features obtained from image.

The results of the compilation / writing of this Final Project is to design a system that can detect adamaged fabric with a fast and precise accuracy.

Keywords : grey level, run length

Powered by TCPDF (www.tcpdf.org)

Tugas Akhir - 2011


BAB I

PENDAHULUAN

1.1 Latar Belakang

Kemajuan teknologi komputer terutama pada teknik pengolahan citra berkembang

semakin pesat. Saat ini pengolahan citra mempunyai peranan penting dalam berbagai bidang

seperti bidang perindustrian tekstil (kain). Sedangkan, Pendeteksian kerusakan kain saat ini

masih dilakukan secara manual. Oleh karena itu Tugas Akhir ini akan membuat suatu

program yang dapat membantu mendeteksi kerusakan tekstil melalui pengolahan citra.

Analisis tekstur memegang peranan penting dalam pengolahan citra digital karena

analisis tekstur dikembangkan dengan tujuan agar komputer dapat memahami, membuat

model, serta memproses tekstur untuk dapat menirukan proses pembelajaran mata atau

pengelihatan manusia.

Tekstur adalah salah satu elemen dasar citra. Elemen dasar ini berupa ciri-ciri atau

sifat-sifat yang terdapat didalam citra dan membentuk suatu pola-pola dengan interval jarak

dan arah tertentu secara berulang-ulang yang memenuhi sebagian besar atau seluruh bidang

citra. Pada umumnya tekstur adalah pola visual rumit yang tersusun dari kesatuan-kesatuan

atau subpola yang memiliki karakteristik kecerahan, warna, kemiringan, ukuran, dan lain-

lainnya.

Tujuan dari penelitian ini adalah untuk mendeteksi cacat citra tekstur kain. Kain akan

diperiksa dengan alat bantu digital microscope lalu dianalisa di software Matlab2009a.

Digital microscope Dino-Lite 211 dapat melakukan focus 100-200 kali sehingga proses

pendeteksian kain dapat dilakukan sangat detail.

Teknik untuk mendeteksi cacat citra tekstur kain adalah dengan menggunakan metode

GLRL ( Gray Level Run length). Metode ini mengenali jumlah run pada suatu piksel dengan

level intensitas sama dan berurutan dalam satu arah tertentu. Kemudian ciri tekstur dapat

diperoleh dari nilai SRE (Short Run Emphasis), LRE (Long Run Emphasis), GRU (Grey

Level Uniformity), RLU (Run Length Uniformity), dan RPC (Run Percentage). Kelima ciri

tersebut kemudian digunakan untuk klasifikasi dengan menggunakan metode LDA (Linear

Discriminant Analysis) dan k-NN (k-Nearest Neighbor). Sedangkan citra tekstur yang

dianalisis berasal dari VisTex Database.

Dengan menggunakan metode ini, dapat menghasilkan pendeteksian kerusakan kain yang

akurat dan cepat dalam pemprosesannya (tidal manual atau tidak real time).

Tugas Akhir - 2011


1.2 Tujuan

1. Merancang simulasi sistem yang berfungsi untuk mendeteksi kerusakan kain dengan

melihat struktur dan warna berbasis pengolahan citra digital dan menggunakan

metode GLRL ( Gray Level Run length).

2. Merancang simulasi sistem yang real time dan dapat melakukan pendeteksian secara

akurat dan cepat.

1.3 Manfaat Penelitian

Pemanfaatan hasil penelitian ini digunakan untuk mempermudah mendeteksi

kerusakan kain dengan bantuan aplikasi komputer sehingga tidak memerlukan tenaga

yang ahli hanya untuk melihat apakah kondisi tekstil dalam keadaan baik atau tidak dan

dapat dilakukan dengan cepat.

1.4 Batasan Masalah

Adapun perumusan masalah yang menjadi acuan dalam pembuatan tugas akhir ini adalah:

1. Kain yang akan dianalisa akan dibandingkan terlebih dahulu dengan analisa expert

kain.

2. Bagaimana membuat perancangan dan merealisasikan sistem yang dapat mendeteksi

kerusakan kain.

3. Bagaimana membuat sistem dengan tingkat akurasi dan performansi yang tinggi dan

sebagai perbandingan dengan metode yang lain.

4. Bagaimana membedakan antara kain kondisi baik dan buruk dengan analisa struktur

menggunakan GLRL ( Gray Level Run length).

5. Hanya menganalisa jenis kain tekstil, bukan sejenis kain broklat.

6. Output sistem hanya berupa kesimpulan kondisi kain, tidak menghubungkannya ke

PC atau hardware lain.

Tugas Akhir - 2011


1.5 Metodologi Penulisan

1. Studi Literatur

Pencarian dan pengumpulan literatur – literatur yang berkaitan dengan masalah –

masalah yang ada pada tugas akhir ini, baik berupa artikel, buku referensi, internet,

dan sumber – sumber lain yang berhubungan dengan masalah pada tugas akhir ini.

2. Pengumpulan Data, yaitu bahan-bahan kain dalam berbagai kondisi, pola dan warna.

3. Implementasi Perangkat Lunak, menggunakan software Matlab 2009a.

4. Analisa Perfomansi.

Melihat dan menganalisa hasil deteksi Aplikasi dengan membandingkan deteksi

secara manual dan membandingkan hasil uji dengan metode yang yang telah ada

sebelumnya.

5. Mengambil Kesimpulan.

1.6 Sistematika Penulisan

BAB I PENDAHULUAN

Bab ini berisi uraian singkat mengenai latar belakang permasalahan, tujuan

dan manfaat penelitian, perumusan masalah, batasan masalah, metodologi

penelitian serta sistematika penulisan.

BAB II LANDASAN TEORI

Bab ini berupa uraian konsep dan teori dasar secara umum yang mendukung

dalam pemecahan masalah, image segmentation (edge detection), DCT (discrit

cosine transform) dan pengolahan citra digital.

BAB III PERANCANGAN DAN REALISASI ALAT

Bab ini menguraikan tentang tahap proses perancangan dalam

mengimplementasikan perangkat lunak untuk mendeteksi kerusakan kain.

BAB IV PENGUJIAN DAN ANALISA

Berisi pengujian dan analisis terhadap hasil yang diperoleh dari tahap

perancangan dan implementasi.

Tugas Akhir - 2011


BAB V PENUTUP

Bab ini berisi tentang kesimpulan dan saran terhadap hasil yang diperoleh dari

penelitian yang telah dilakukan.


Tugas Akhir - 2011


BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil analisa terhadap pengujian yang dilakukan dalam sistem

deteksi kerusakan tekstil dengan menggunakan analisa struktur dapat disimpulkan beberapa

hal sebagai berikut:

1. Analisis tekstur metode run length ini dapat digunakan untuk membedakan tekstur

halus dan tekstur kasar.

2. Ketika analisis tekstur metode run length digunakan untuk proses klasifikasi k-NN

dari citra latih itu sendiri, diperoleh akurasi 100 % untuk deteksi baik atau rusak-nya

untuk kelima jenis tekstil (Kaos, Bahan Gorden, Kemeja, Jeans dan Batik)

3. Analisis tekstur metode run length digunakan dalam proses klasifikasi k-NN untuk

deteksi kerusakan tekstil dari data latih akurasinya 100%.


untuk deteksi kerusakan tekstil diluar data latih, diperoleh tingkat akurasi sebesar

90,244 % untuk k=1, 80,488% untuk k=3, 78,049% untuk k=5, dan 60,976 % untuk

k=7.


jenis tekstil dari data latih, diperoleh tingkat akurasi sebesar 60% untuk k=1, 30,091%

untuk k=3, 23,637% untuk k=5, dan 18,19% untuk k=7.

6. Analisis tekstur metode run length digunakan untuk proses klasifikasi k-NN jenis

tekstil di luar data latih, diperoleh tingkat akurasi sebesar 41,464% untuk k=1,

24,391% untuk k=3, 26,8293% untuk k=5, dan 4,879% untuk k=7.

7. Perubahan ukuran citra akan mempengaruhi panjang run dan derajat keabuan yang

akan digunakan untuk kelima ciri dari citra tersebut, sehingga nilai SRE, LRE, RLU,

GLU dan RPC berubah pada ukuran citra yang berbeda.

5.2 Saran

Dalam tugas akhir ini,masih terdapat banyak kekurangan yang dapat

diperbaiki untuk pengembangan berikutnya diantaranya adalah:

Tugas Akhir - 2011


1. Untuk dapat membandingkan kinerja metode run length ini, dapat dibuat analisis

tekstur dengan metode yang berbeda, seperti metode autokorelasi, co-ocurrence,

frekuensi tepi, dan lain-lain.

2. Dapat dilakukan penelitian lebih lanjut untuk menentukan jenis tekstil yang lebih

akurat lagi.


Tugas Akhir - 2011


DAFTAR PUSTAKA

1. Abdia, Away Gunadi., 2010, The Shortcut of MATLAB Programming, BI-Obses, Bandung

2. http://journal.uii.ac.id/index.php/Snati/article/view/1696/1478

3. www.wikipedia.org

4. Aryuanto. Pengolahan Citra Digital(EL7358).ITN Malang.2008.

5. MATLAB User’s Guide, 1989, The Math Works, inc.

6. Wijaya,Marvin ch dan Agus Prijono. “Pengolahan Citra Digital Menggunakan Matlab Image

Processing Toolbox”. Informatika, Bandung.

7. www.cs.ui.id/webkuliah/citra/2005

8. www.mathworks.com/products/image


Tugas Akhir - 2011


Documents

DETEKSI KERUSAKAN TEKSTIL MENGGUNAKAN MIKROSKOP … · citra. Pada umumnya tekstur adalah pola visual rumit yang tersusu n dari kesatuan -kesatuan atau subpola yang memiliki karakteristik