Pengembangan aplikasi untuk interpretasi film radiografi industri menggunakan jaringan syaraf tiruan
MUHTADAN, Ir. Surjono, M.Phil
2009 | Tesis | S2 Teknik ElektroPengembangan aplikasi untuk melakukan interpretasi cacat pengelasan pada film radiografi industri menggunakan jaringan syaraf tiruan telah dilakukan dalam penelitian ini. Penelitian ini bertujuan untuk menghasilkan aplikasi yang menerapkan pengolahan citra digital, ekstraksi ciri, dan pengenalan pola menggunakan jaringan syaraf tiruan. Pengolahan citra digital yang diterapkan dalam pengembangan ini yaitu teknik penghilangan derau dengan filter median, peregangan kontras dan penajaman citra dengan filter laplacian. Metode Geometric Invariant Moment dan Statistical Texture diterapkan untuk melakukan ekstraksi ciri dari cacat pengelasan citra digital film radiografi. Jaringan syaraf metode Learning Vector Quantization (LVQ) digunakan untuk melakukan klasifikasi dan interpretasi dari cacat pengelasan film radiografi. Hasil dalam penelitian berupa aplikasi jaringan LVQ yang telah dilakukan pelatihan jaringan dengan nilai parameter laju pelatihan sebesar 0,001; penurun laju pelatihan sebesar 0,01 dan minimum laju pelatihan sebesar 0,00004. Aplikasi ini mampu memberikan hasil klasifikasi untuk data simulasi sebanyak 90 data dengan keberhasilan klasifikasi sebesar 87,78% dan dengan waktu sekitar 1,656 detik untuk tiap interpretasi.
Software development for interpretation of weld defect in industrial radiographic film using artificial neural network have done in this research. The purposes of this research are applying digital image processing, feature extraction, and pattern recognition using artificial neural network. This development applied median filter for noise reducing, contrast stretching, and laplacian filter for image sharpening. Geometric invariant moment and statistical texture used for extracting weld defect pattern feature. Learning Vector Quantization (LVQ), an artificial neural network method applied for interpreting and classifying of weld defect of radiographic film. The result of this research is an application that implement LVQ neural network and have trained by using training parameters that are: learning rate 0.001; learning rate reducing value 0.01; minimum learning rate 0.00004. This system can classify and interpreting 90 simulation data until 87.78% and need 1.656 seconds to interpreting a data.
Kata Kunci : Film radiografi, pengolahan citra, ekstraksi ciri, jaringan syaraf tiruan, learning vector quantization, Radiographic film, image processing, feature extraction, artificial neural network