Analisis Performansi Sistem Pendeteksi Kualitas Kayu Jati Menggunakan Pengolahan Citra Dengan Metode Discrete Cosine Transform Dan Learning Vector Quantization

Abstract

Abstrak Jati adalah salah satu jenis kayu yang banyak diminati karena kuat, awet, mudah dikerjakan, dan memiliki corak yang unik serta elegan. Kayu jati biasa digunakan sebagai bahan baku pembuatan perabotan rumah seperti kursi, meja, lemari, dan lai-lain. Tetapi masih banyak pengusaha mebel yang keliru menentukan kualitas kayu jati. Sehingga mengakibatkan kurangnya kualitas kayu jati yang digunakan sebagai bahan baku dalam membuat perabotan rumah. Metode yang digunakan penulis untuk menentukan kualitas kayu jati yaitu Discrete Cosine Transform (DCT) sebagai ekstraksi ciri dan Learning Vector Quantization (LVQ) sebagai klasifikasinya. Penulis memilih menggunakan metode Discrete Cosine Transform sebagai ekstraksi ciri karena memiliki kelebihan yaitu waktu komputasi pada ekstraksi DCT-2D tidak tergantung pada jumlah fitur yang diekstrak, sedangkan untuk klasifikasinya penulis menggunakan Learning Vector Quantization karena memiliki kelebihan yaitu nilai errornya kecil jika dibandingkan dengan jaringan syaraf tiruan seperti Backpropagation dan Self-Organizing Maps (SOM). Dengan menggunakan ekstraksi ciri Discrete Cosine Transform (DCT) dan klasifikasi menggunakan Learning Vector Quantization (LVQ) menggunakan applikasi Matrix Laboratory (MATLAB) untuk pengolahannya mencapai akurasi 91,67% dengan waktu komputasi 38,12 detik dengan menggunakan block size 256, ciri statistik mean dan variance, dengan hidden layer 35 dan epoch 300. Kata Kunci: Kayu Jati, Discrete Cosine Transform, Learning Vector Quantization Abstract Teak is one type of wood that is much in demand because it is strong, durable, easy to work with, and has a unique and elegant pattern. Teak wood is used as a raw material for home furnishings such as chairs, tables, cabinets, and others. But there are still many furniture entrepreneurs who mistakenly determine the quality of teak wood. Resulting in lack of teak wood quality used as raw material in making furniture home. The method used by the authors to determine the quality of teak wood is Discrete Cosine Transform (DCT) as a feature extraction and Learning Vector Quantization (LVQ) as its classification. The authors chose to use the Discrete Cosine Transform method as a feature extraction because it has the advantage that the compute time on the DCT-2D extraction does not depend on the number of features that are extracted, whereas for author classifications using Learning Vector Quantization because it has the advantage of a small error value compared to artificial neural networks such as Backpropagation and Self-Organizing Maps (SOM). By using the Discrete Cosine Transform (DCT) extraction and classification using the Learning Vector Quantization (LVQ) using the Matrix Laboratory application (MATLAB) for processing achieves 91.67% accuracy with computation time 38.12 seconds by using block size 256, mean and variance, with hidden layer 35 and epoch 300. Keywords: Teak Wood, Discrete Cosine Transform, Learning Vector Quantization