METODE IDENTIFIKASI JENIS KAYU BERDASARKAN MODEL BLOK CITRA MIKROSKOPIS PENAMPANG LINTANG

Gasim, S.Kom, M.Si, Drs. Agus Harjoko, M.Sc., Ph.D.

2014 | Disertasi | S3 Ilmu Komputer

Nama kayu atau sering disebut jenis kayu adalah identitas dari sebuah kayu. Kegiatan identifikasi jenis kayu adalah kegiatan untuk mendapatkan nama kayu. Kayu memiliki banyak jenis, dan masing-masing memiliki kualitas, kegunaan, harga, legalitas, dan pajak yang berbeda. Dengan mengetahui jenis kayu, maka proses selanjutnya diharapkan akan sesuai dengan harapan, dan pihak yang berkepentingan tidak mengalami (meminimalkan) kerugian dari kesalahan identifikasi kayu, oleh karena itu mengetahui jenis atau nama dari setiap kayu menjadi sangat penting. Kegiatan identifikasi jenis kayu biasa dilakukan oleh pakar kayu, namun jumlah pakar kayu sangat terbatas dari segi jumlah, karena untuk menghasilkan seorang pakar kayu membutuhkan waktu lama dan pengalaman yang banyak. Salah satu solusi yang ditawarkan dalam pemecahan masalah dalam identifikasi kayu adalah dengan menerapkan ilmu komputer yaitu kecerdasan buatan. Penerapan kecerdasan buatan ini sudah pernah dilakukan para peneliti sebelumnya, namun belum ada yang membuat metode secara keseluruhan untuk kegiatan ini. Selain itu tingkat akurasi yang dihasilkan dari penelitian sebelumnya masih belum memuaskan jika dilihat dari banyaknya ciri yang digunakan dan banyaknya jenis kayu yang digunakan. Penelitian ini membuat model utama untuk kegiatan identifikasi jenis kayu dengan menerapkan kecerdasan buatan. Model tersebut melingkupi 1) akuisisi data; 2) pemilahan citra yang hasil pemotretan; 3) pemotongan citra hasil pemotretan; 4) data processing yang terdiri dari blok citra, ekstraksi ciri, dan jaringan saraf tiruan (JST); 5) pengujian. Blok citra merupakan model yang dibuat dengan tujuan untuk meningkatkan tingkat akurasi sekaligus mereduksi banyaknya ciri yang digunakan. Blok citra adalah proses membagi citra menjadi beberapa bagian, dalam penelitian ini menggunakan 1 blok dan banyak blok. Penelitian ini menggunakan 20 jenis kayu Indonesia yang sebagian besar merupakan yang umum diperdagangkan. Tiap jenis kayu diwakili 100 citra sebagai citra latih, sehingga untuk 20 jenis kayu terdapat 2.000 citra. Pengujian dilakukan terhadap 360 citra dengan 1 blok citra dan banyak blok citra. Ekstraksi ciri untuk model 1 blok citra berasal dari citra keabuan dan citra deteksi tepi, masing-masing 6 ciri, 261 dapat dikenali, 99 tidak dapat dikenali, sehingga tingkat akurasi pengenalannya 72,5%. Ekstraksi ciri untuk model banyak blok citra menggunakan citra keabuan dan citra deteksi tepi, masing-masing 3 ciri, 293 dapat dikenali, 67 tidak dapat dikenali, sehingga tingkat akurasi pengenalannya 81,38%.

Wood name or better known as wood type is the identity of a wood. Wood type identification is an activity to obtain wood names. There are many types of wood, and each has distinct quality, usage, price, legality and tax. By knowing wood types, the next process is expected to meet expectations, and stakeholders don’t experience (minimize) loss from misidentification of woods, therefore knowing type or name of each wood is very important. Wood type identification is usually performed by lumber experts, but the number of lumber experts is very limited, because producing a lumber expert takes a long time and a lot of experience. One of the proposed solutions in wood identification is applying computer science, i.e. artificial intelligence. The implementation of artificial intelligence has been done by researchers before, however no one has made comprehensive method for this activity. Furthermore the accuracy level of previous studies is not satisfactory in terms of the number features used and number of wood types used. This research made a main model for wood type identification by using artificial intelligence. The model included 1) data acquisition; 2) sorting photographed images; 3) cutting photographed images; 4) data processing which consisted of image block, characters extraction, and artificial neural network yang (JST); 5) testing. Image block is a model made to improve accuracy level as well as to reduce the number of features used. Image block is a process of dividing images into several parts, this study used 1 block and multiple blocks. This research used 20 types of Indonesian woods which are mostly publicly traded. Every wood types was represented by 100 images as practice images, so that for 20 wood types there were 2.000 images. Test was performed on 360 images with 1 image block and multiple image blocks. For feature extraction for 1 block model, images were grey images and edge detection images, each 6 features, 261 could be recognized, 99 couldn’t be recognized, so that the accuracy level of recognition was 72,5%. For feature extraction for multi blocks model, images were grey images and edge detection images, each 3 features, 293 could be recognized, 67 couldn’t be recognized, so that the accuracy level of recognition was 81,38%.

Kata Kunci : -