Jurnal : Pengelompokan Kayu Kelapa Menggunakan Algoritma K-Means - Skripsi Teknik Informatika

ABSTRACT 

Generally, the process of selecting coconut wood as the raw material of a product carried out by a trained person (grader) by observing the coconut wood directly without using any tools (manual). This causes the dependence of expertise and experience of a grader in the selection of raw materials coconut wood. The dependency causes problems increasingly complex when data coconut wood to be tested manually increase more and more. This research aims to create and build clustering of coconut wood automatically by implementing the texture feature extraction method based on histogram as a determinant of coconut wood 2D image characteristics and K-Means clustering method to clustering the extracted texture features of coconut wood 2D image. The results showed from 105 data test of coconut wood 2D image labeled A, B, and C successfully grouped into 3 groups with f-measure 93%. 

Keywords: Computer Vision, Coconut Wood Clustering, K-Means Clustering, Statistical Histogram. 

PENDAHULUAN 

Pohon kelapa tumbuh menyebar dari pantai hingga pegunungan terutama di daerah tropis dan pohon ini dapat ditemukan tumbuh secara liar atau ditanam sebagai usaha masyarakat seperti di Indonesia [1]. Indonesia merupakan negara kedua terbesar yang memiliki pertanaman kelapa setelah negara Filipina. Tanaman ini tumbuh menyebar dan dapat dijumpai hampir diseluruh kepulauan Indonesia [2]. Penentuan penilaian kelas secara visual pada kayu kelapa ditentukan oleh kepadatan bundel (pola) pada irisan kayu kelapa per satuan luas. Semakin padat maka kualitas kayu semakin baik. Hal lain yang membuat faktor kualitas kayu kelapa adalah warna dan ukuran pola bundel, ukuran yang lebih besar dan warna lebih gelap akan menghasilkan kualitas yang lebih baik [4]. Kebutuhan akan kayu kelapa yang berkualitas untuk produk yang bermutu, pada industri mebel diperlukan kontrol yang baik pada semua proses, mulai dari pemilihan bahan baku, pengolahan sampai dengan produk tersebut jadi. Pada umumnya proses pemilihan bahan baku kayu kelapa dilakukan oleh seorang pakar (grader) secara konvensional, hal tersebut menyebabkan ketergantungan akan keahlian dan pengalaman seorang grader dalam melakukan pemilihan bahan baku kayu kelapa [5]. Ketergantungan tersebut menyebabkan masalah semakin kompleks ketika jumlah kayu kelapa yang akan diuji secara visual semakin banyak. Pada penelitian ini digunakan ekstraksi fitur tekstur berbasis histogram untuk mendapatkan 6 karakteristi ciri tekstur citra kayu kelapa dan metode clustering dengan algoritma K-Means yang digunakan untuk mengelompokkan data data hasil ekstraksi fitur tekstur berbasis histogram yang banyak jumlahnya ke dalam 3 golongan kelompok. Dari tiga kelompok kayu kelapa yang telah berhasil dikelompokkan selanjutnya akan dibandingkan dengan data uji kualitas kayu kelapa dari Pendidikan Industri Kayu (PIKA) yang didapatkan dari peneliti sebelumnya dengan penelitian [4] [5]. Hal ini dilakukan untuk menganalisa kinerja serta menguji presisi, recall dan f-measure dari algoritma K-Means clustering dalam mengelompokan kayu kelapa dengan metode ekstraksi fitur tekstur berbasis histogram. 

Peneliti : Setiawan Qodri Nugroho

Untuk lebih lengkapnya silahkan download di link berikut ini :

Kata Kunci : Algoritma K-Means, Jurnal K-Means, Jurnal Teknik Informatika, Jurnal Data Mining, Jurnal Skripsi, Jurnal, Contoh Jurnal, Skripsi Teknik Informatika,Contoh Skripsi, Skripsi.