Klasifikasi Tingkat Kerusakan Kayu Menggunakan  Metode Convolutional Neural Network (CNN)

Anas Tasia; Ika Maria Daniati; Ricky Agung Sumiranto

doi:10.29407/stains.v3i1.4304

Authors

Anas Tasia Universitas Nusantara PGRI Kediri
Ika Maria Daniati Universitas Nusantara PGRI Kediri
Ricky Agung Sumiranto Universitas Nusantara PGRI Kediri

DOI:

https://doi.org/10.29407/stains.v3i1.4304

Keywords:

Convolutional Neural Network (CNN), Klasifikasi, Tingkat Kerusakan kayu

Abstract

Dalam penentuan kayu yang berkualitas untuk dapat digunakan dan diolah menjadi sebuah mebel, diperlukan suatu pertimbangan yang matang tentang kondisi kayu. Penentuan kondisi kayu dapat ditinjau dari segi fisik seperi kerusakan dan kecacatan pada kayu, kerusakan pada kayu dapat terjadi karena disebabkan oleh faktor manusia seperti kesalahan saat pemotongan kayu dan saat proses pengeringan kayu, sedangkan kecacatan pada kayu dapat disebabkan juga oleh faktor alamiah oleh lingkungan, faktor inilah yang tidak dapat dihindari yang dapat menyebabkan kecacatan pada kayu. Untuk dapat diolah menjadi sebuah mebel kayu harus berkulitas tinggi dan layak untuk digunakan. Diperlukan metode untuk menilai kelayakan kondisi kayu dan mengukur persentase kerusakan kayu yang dapat diperbaiki. untuk mengatasi permasalahan tersebut diatas, selanjutnya dikembangkanlah sebuah sistem klasifikasi pengenalan pola untuk mengetahui tingkat kecacatan atau kerusakan pada kayu menggunakan metode Convolutional Neural Network (CNN). Dengan diterapkannya metode CNN pada sistem klasifikasi pengenalan pola kerusakan kayu didapatkan hasil akurasi dengan nilai 94%. Hasil ini menunjukkan efektivitas metode CNN dalam mengidentifikasi dan mengklasifikasikan kerusakan pada kayu secara akurat, yang dapat mendukung peningkatan efisiensi dan ketepatan dalam pemilihan kayu untuk dapat dilakukan perbaikan pada kayu.

Downloads

Download data is not yet available.

References

SNI 03-3257-1994, “SNI Mutu dan Ukuran Kayu Bangunan,” Badan Standar Nas. Indones., pp. 1–10, 1994.

N. Neneng, N. U. Putri, and E. R. Susanto, “Klasifikasi Jenis Kayu Menggunakan Support Vector Machine Berdasarkan Ciri Tekstur Local Binary Pattern,” Cybernetics, vol. 4, no. 02, pp. 93–100, 2021, doi: 10.29406/cbn.v4i02.2324.

Eskak, “Peningkatan Nilai Tambah Pada Cacat Batang Kayu Dengan Kreasi Seni,” Din. Kerajinan dan Batik Maj. Ilm., vol. 33, no. 2, p. 133, 2016, doi: 10.22322/dkb.v33i2.1649.

P. D. WANANDA, L. NOVAMIZANTI, and R. D. ATMAJA, “Sistem Deteksi Cacat Kayu dengan Metode Deteksi Tepi SUSAN dan Ekstraksi Ciri Statistik,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 6, no. 1, p. 140, 2018, doi: 10.26760/elkomika.v6i1.140.

A. Ardhiansyah, G. E. Tavita, and I. A. M, “IDENTIFIKASI JENIS CACAT KAYU BULAT JATI (Tectona grandis Linn. F.) PADA AREAL PEMANENAN DI KPH JEMBER,” J. Hutan Lestari, vol. 7, no. 1, pp. 525–531, 2019, doi: 10.26418/jhl.v7i1.32377.

A. ANHAR and R. A. PUTRA, “Perancangan dan Implementasi Self-Checkout System pada Toko Ritel menggunakan Convolutional Neural Network (CNN),” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 11, no. 2, p. 466, 2023, doi: 10.26760/elkomika.v11i2.466.

M. A. T. Siregar and G. Gasim, “Identifikasi Cacat Pada Kayu Menggunakan Fitur Glcm Dengan Metode Svm,” J. Algoritm., vol. 3, no. 1, pp. 22–32, 2022, doi: 10.35957/algoritme.v3i1.2970.

K. Kurnadi, M. Marsudi, and Y. Maulana, “Analisis Pengendalian Produk Cacat Pada Kayu Lapis Menggunakan Sqc (Statistical Quality Control) Pada Pabrik Pt. Wijaya Tri Utama Plywood Industry,” J. Ind. Eng. Oper. Manag., vol. 3, no. 2, 2020, doi: 10.31602/jieom.v3i2.4998.

F. N. Cahya, N. Hardi, D. Riana, and S. Hadiyanti, “Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network (CNN),” Sistemasi, vol. 10, no. 3, p. 618, 2021, doi: 10.32520/stmsi.v10i3.1248.

H. Fonda, “Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (Cnn),” J. Ilmu Komput., vol. 9, no. 1, pp. 7–10, 2020, doi: 10.33060/jik/2020/vol9.iss1.144.