PERBANDINGAN METODE GLCM DAN LBP DALAM KLASIFIKASI JENIS KAYU

Abstract

ABSTRAK

Kayu di indonesia memiliki beraneka ragam jenisnya, antara lain kayu meranti, keruing, agathis dan lain sebagaianya. Pengelompokan jenis kayu biasanya ditentukan oleh beberapa parameter, diantaranya adalah warna, berat, tekstur dan masih banyak lagi. Salah satu faktor penting dalam pengelompokan jenis kayu adalah tekstur kayu. Pengelompokan jenis kayu biasanya hanya dapat dilakukan oleh para ahli kayu. Untuk mengatasi hal ini maka digunakanlah suatu teknologi untuk menganalisis suatu tekstur kayu agar dapat diklasifikasikan kedalam kelas-kelas tertentu. Oleh karena itu, diperlukan sebuah sistem yang dapat melakukan klasifikasi jenis kayu berdasarkan tekstur. Penelitian ini menerapkan teknologi pengolahan citra digital menggunakan metode ekstraksi fitur gray level co-occurance matrix (GLCM) dan local binary pattern (LBP) untuk menghasilkan parameter nilai ekstraksi fitur pada tektur kayu. Hasil dari parameter GLCM dan LBP kemudian digunakan sebagai data untuk klasifikasi jenis kayu menggunakan metode multilayer perceptron (MLP). Dalam penelitian ini menggunakan 3 jenis kayu sebagai data latihan dan data uji, yaitu kayu agathis, keruing dan meranti. Hasil penelitian ini menggunakan metode GLCM diperoleh tingkat akurasi sebesar 90%. Sedangkan menggunakan metode LBP diperoleh tingkat akurasi sebesar 70%.

Kata kunci: Perbandingan,Klasifikasi,kayu,GLCM,LBP

ABSTRACT

Wood in Indonesia has various types, including meranti wood, keruing, agathis and so on. The grouping of wood types is usually determined by several parameters, including color, weight, texture and many more. One of the important factors in classifying wood types is wood texture. Classification of wood types can usually only be done by wood experts. To overcome this, a technology is used to analyze a wood texture so that it can be classified into certain classes. Therefore, we need a system that can classify wood types based on texture. This research applies digital image processing technology using gray level co-occurance matrix (GLCM) and local binary pattern (LBP) feature extraction methods to generate feature extraction value parameters on wood texture. The results of the GLCM and LBP parameters were then used as data for the classification of wood species using the multilayer perceptron (MLP) method. In this study, 3 types of wood were used as training data and test data, namely agathis, keruing and meranti wood. The results of this study using the GLCM method obtained an accuracy rate of 90%. While using the LBP method obtained an accuracy rate of 70%.

Keywords: Comparison, Classification, wood, GLCM, LBP