Rancang Bangun Klasifikasi Cacat Pada Genting Menggunakan Metode Support Vector Machine (SVM)

Rais Yufli Xavierullah; Murman Dwi Prasetio; Denny Sukma Eka Atmaja

doi:10.25124/jrsi.v7i2.420

Rais Yufli Xavierullah Program Studi Teknik Industri, Fakultas Rekayasa Industri, Telkom University
Murman Dwi Prasetio Program Studi Teknik Industri, Fakultas Rekayasa Industri, Telkom University
Denny Sukma Eka Atmaja Program Studi Teknik Industri, Fakultas Rekayasa Industri, Telkom University

DOI: https://doi.org/10.25124/jrsi.v7i2.420

Abstract

Pengendalian kualitas merupakan suatu sistem yang dapat membantu suatu perusahaan dalam menjaga dan mempertahankan kualitas produk agar tidak adanya terjadi cacat produk. PT. XYZ merupakan salah satu perusahaan yang berada pada bidang industri genting tanah liat. Pada setiap bulannya PT. XYZ memiliki pengembalian produk karena cacat dengan rata-rata 2225 genting. Salah satu masalah yang terjadi pada PT. XYZ yaitu proses inspeksi yang hanya mengunakan penglihatan. Penggunaan penglihatan dapat memiliki risiko seperti peningkatan biaya operasi karena pemeriksaan yang salah, kegagalan mendapatkan bisnis, dan pengerjaan ulang. Dengan perkembangan tekhnologi dapat mengatasi hal tersebut dengan ditemukannya pendeteksi bersifat buatan dengan menggunakan metode pengukuran, preprocessing gambar, dan algoritma dalam mendeteksi cacat tersebut. Pada penelitian ini menggunakan metode Support Vector Machine (SVM) dalam melakukan pengklasifikasian cacat. Pengambilan gambar secara langsung pada penelitian ini menggunakan raspberry pi dan pembuatan sistem algoritma menggunakan software pyhton. Penelitian ini menggunakan kernel linear pada algoritma SVM. Hasil pada penelitian ini menyimpulkan bahwa tingkat akurasi tertinggi yaitu 88,6% dengan menggunakan kernel linear.

Downloads

Download data is not yet available.

References

[1] Ratnadi and E. Suprianto, “Pengendalian Kualitas Produksi Menggunakan Alat Bantu Statistik (Seven Tools) Dalam Upaya Menekan Tingkat Kerusakan Produk,” Indept, vol. 6, no. 2, pp. 10–18, 2016.
[2] M. Musafak, J. K. Runtuk, and S. Sumartono, “Usulan Pengurangan Jumlah Cacat Part Produk Frame X,” JIE Sci. J. Res. Appl. Ind. Syst., vol. 3, no. 2, p. 129, 2019, doi: 10.33021/jie.v3i2.528.
[3] S. Aprilla, M. T. Furqon, and M. A. Fauzi, “Klasifikasi Penyakit Skizofrenia dan Episode Depresi Pada Gangguan Kejiwaan Dengan Menggunakan Metode Support Vector Machine ( SVM ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 11, pp. 5611–5618, 2018.
[4] M. D. Prasetio, “An Approaching Machine Learning Model: Tile Inspection Case Study,” Int. J. Innov. Enterp. Syst., vol. 4, no. 01, pp. 12–22, 2020, doi: 10.25124/ijies.v4i01.44.
[5] Z. Li, J. Zhang, T. Zhuang, and Q. Wang, “Metal surface defect detection based on MATLAB,” Proc. 2018 IEEE 3rd Adv. Inf. Technol. Electron. Autom. Control Conf. IAEAC 2018, no. Iaeac, pp. 2365–2371, 2018, doi: 10.1109/IAEAC.2018.8577540.
[6] A. M. Puspitasari, D. E. Ratnawati, and A. W. Widodo, “Klasifikasi Penyakit Gigi Dan Mulut Menggunakan Metode Support Vector Machine,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 2, pp. 802–810, 2018.
[7] I. Ari Sanjaya, “Pengaruh Jumlah Penggilingan Tanah Liat Sebagai Bahan Pembuat Genteng Terhadap Karakteristik Genteng Keramik Darmasaba,” J. Ilm. Tek. Sipil, vol. 13, no. 1, pp. 82–92, 2009.
[8] Shadika, “Optimasi Klasifikasi Cacat Pada Kain Tenun Gorden Menggunakan Metode Image Processing Dan Metode Artificial Neural Network di Pt Buana Intan Gemilang,” 2017.
[9] P. D. Wananda, “Perancangan Sistem Deteksi Cacat Kayu Dengan Metode Deteksi Tepi Susan Pada Pengolahan Citra Berwarna.,” 2018.
[10] H. Anazmar, “Analisis Performansi Sistem Pendeteksi Kualitas Kayu Jati Menggunakan Pengolahan Citra Dengan Metode Histogram Of Oriented Gradients dan Support Vector Machine,” 2019.
[11] T. F. B. Nusantara, “Klasifikasi Jenis Kulit Wajah Pria Berdasarkan Tekstur Menggunakan Metode Gray Level Co-Occurrance Matrix (GLCM) Dan Support Vector Machine (SVM),” 2018, doi: 10.1017/CBO9781107415324.004.
[12] D. Helyudanto, F. Nhita, and A. A. Rohmawati, “Prediksi Penyebaran Demam Berdarah di Kabupaten Bandung dengan Metode Hybrid Autoregressive Integrated Moving Average ( ARIMA ) dengan Support Vector Machine ( SVM ),” 2019.
[13] M. D. Prasetio, T. Hayashida, I. Nishizaki, and S. Sekizaki, “Deep belief network optimization in speech recognition,” Proc. - 2017 Int. Conf. Sustain. Inf. Eng. Technol. SIET 2017, vol. 2018-Janua, pp. 138–143, 2018, doi: 10.1109/SIET.2017.8304124.
[13] R. Rachmat and S. Suhartono, “Comparative Analysis of Single Exponential Smoothing and Holt’s Method for Quality of Hospital Services Forecasting in General Hospital”, Bulletin of Comp. Sci. & Electr. Eng., vol. 1, no. 2, pp. 80–86, Aug. 2020.