IMPLEMENTASI RANDOM FOREST UNTUK KLASIFIKASI JENIS CACAT PADA KAYU MENGGUNAKAN FITUR HUE, SATURATION, VALUE, DAN HISTOGRAM ORIENTED GRADIENT

SEPTIAWAN, DAVIT (2025) IMPLEMENTASI RANDOM FOREST UNTUK KLASIFIKASI JENIS CACAT PADA KAYU MENGGUNAKAN FITUR HUE, SATURATION, VALUE, DAN HISTOGRAM ORIENTED GRADIENT. Other thesis, UPN "Veteran" Yogyakarta.

[thumbnail of COVER.pdf] Text
COVER.pdf

Download (178kB)
[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf

Download (206kB)
[thumbnail of PENGESAHAN PEMBIMBING.pdf] Text
PENGESAHAN PEMBIMBING.pdf

Download (226kB)
[thumbnail of PENGESAHAN PENGUJI.pdf] Text
PENGESAHAN PENGUJI.pdf

Download (281kB)
[thumbnail of DAFTAR ISI.pdf] Text
DAFTAR ISI.pdf

Download (238kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf

Download (154kB)
[thumbnail of SKRIPSI FULL DAVIT SEPTIAWAN.pdf] Text
SKRIPSI FULL DAVIT SEPTIAWAN.pdf
Restricted to Repository staff only

Download (3MB)
Official URL: https://www.upnyk.ac.id/

Abstract

Kayu merupakan material alami yang banyak dimanfaatkan dalam berbagai sektor
industri, termasuk konstruksi, furnitur, dan dekorasi. Namun, keberadaan cacat pada kayu
dapat memengaruhi kualitas, menurunkan nilai jual, serta mengurangi daya tahannya.
Sortasi kayu secara manual masih banyak diterapkan, tetapi metode ini memiliki kelemahan
berupa subjektivitas dan inkonsistensi dalam penilaian kualitas kayu. Oleh karena itu,
dibutuhkan sistem klasifikasi otomatis yang lebih akurat dan konsisten untuk meningkatkan
efisiensi dalam industri kayu.
Penelitian ini menerapkan metode Histogram of Oriented Gradients (HOG) dan Hue,
Saturation, Value (HSV) untuk mengekstraksi fitur dari citra permukaan kayu. Proses
klasifikasi dilakukan menggunakan algoritma Random Forest (RF) dengan fitur hasil
ekstraksi dari metode HOG dan HSV. Model dikembangkan melalui optimasi jumlah pohon
keputusan dan diuji dengan berbagai kombinasi fitur guna memperoleh hasil terbaik. Kinerja
model kemudian dievaluasi menggunakan confusion matrix untuk mengukur tingkat akurasi
dalam klasifikasi cacat kayu.
Berdasarkan hasil penelitian, metode Random Forest dengan kombinasi fitur HOG
dan HSV terbukti efektif dalam mengklasifikasikan cacat pada kayu dengan akurasi terbaik
sebesar 87,50%. Pengujian yang dilakukan menunjukkan bahwa metode yang diterapkan
mampu mengidentifikasi cacat kayu secara akurat berdasarkan citra permukaannya.
Kata Kunci: Klasifikasi Cacat Kayu, Random Forest, Histogram of Oriented Gradients,
Hue Saturation Value

Item Type: Thesis (Other)
Additional Information: Davit Septiawan (Penulis-123200133) ; Bambang Yuwono (Pembimbing)
Uncontrolled Keywords: Klasifikasi Cacat Kayu, Random Forest, Histogram of Oriented Gradients, Hue Saturation Value
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: A.Md.SI Indah Lestari Wulan Aji
Date Deposited: 10 Jun 2025 03:48
Last Modified: 10 Jun 2025 03:48
URI: http://eprints.upnyk.ac.id/id/eprint/42692

Actions (login required)

View Item View Item