ABSTRAKSI: Pengolahan citra mempunyai peranan penting dalam berbagai bidang seperti bidang perindustrian tekstil (kain). Kerusakan kain yang paling utama adalah tinta yang blobor, kain berlubang dan kesalahan dalam pengulangan tekstur.
Pengontrolan cacat kain saat ini masih kurang efesien karena masih dilakukan secara manual. Salah satu cara untuk mengenali suatu citra adalah dengan membedakan tekstur yang merupakan komponen dasar pembentuk citra. Tekstur citra dapat dibedakan dengan kerapatan, keseragaman, keteraturan, kekasaran, dan lain-lain. Karena komputer tidak dapat membedakan tekstur seperti halnya penglihatan manusia, maka digunakan analisis tekstur untuk mengetahui pola suatu citra digital berdasarkan ciri yang diperoleh secara matematis.
Salah satu metode analisis tekstur yaitu metode run length. Metode ini mengenali jumlah run pada suatu piksel dengan level intensitas sama dan berurutan dalam satu arah tertentu. Kemudian ciri tekstur dapat diperoleh dari nilai SRE (Short Run Emphasis), LRE (Long Run Emphasis), GRU (Grey Level Uniformity), RLU (Run Length Uniformity), dan RPC (Run Percentage). Kelima ciri tersebut kemudian digunakan untuk klasifikasi dengan menggunakan metode LDA (Linear DiscriminantAnalysis) dan k-NN (k-Nearest Neighbor). Tekstur halus akan menghasilkan nilai SRE, RLU, dan RPC yang besar dan nilai LRE kecil. Sebaliknya tekstur kasar akan menghasilkan nilai LRE besar namun nilai SRE, RLU, dan RPC yang kecil. Setelah itu akan dilakukan klasifikasi k-NN dengan membandingkan ciri tekstur paling dekat antara data pembanding dan data yang dibandingkan.
Untuk menganalisa kerusakan kain tersebut, akan dilakukan video capturing, mengubah ke citra abu (grey) dan mengenali jumlah run pada suatu piksel dengan level intensitas sama dan berurutan dalam satu arah tertent, sehingga didapatkan ciri tektur dari citra tersebut.
Hasil dari penyusunan/penulisan TA ini adalah merancang suatu sistem yang dapat mendeteksi suatu kerusakan kain dengan akurasi yang cepat dan tepat.
Kata Kunci : grey level, run lengthABSTRACT: Image processing plays an important role in various fields of industry fields such as textiles (cloth). Damage to the main fabric is the ink bleed, fabric holes and errors in the repetition of texture.
Control of fabric defects is still less efficient because it is still done manually. One way to recognize an image is to distinguish the texture of an image-forming basic component. The texture image can be distinguished by density, uniformity, regularity, roughness, and others. Because computers can not distinguish the texture as well as human vision, texture analysis is used to determine the pattern of a digital image based on characteristics derived mathematically.
One method of texture analysis is the run length method. This method recognizes the number of runs in a pixel with the same intensity level and the sequence in one particular direction. Then the characteristic texture can be obtained from the SRE (Short Run Emphasis), LRE (Long Run Emphasis), GRU (Grey Level uniformity), RLU (Run Length uniformity), and RPC (Run Percentage). The five traits were then used for classification using k-NN (k-Nearest Neighbor). Smooth texture will produce a value of SRE, RLU, and RPC large and small LRE value. Instead rough texture will produce a large LRE value but the value of SRE, RLU, and RPC are small. After that will be the k-NN classification by comparing the characteristic texture closest comparison between the data and the data are compared.
To analyze the damage of cloth, will be video capturing, convert into grey and identify the number of runs in a pixel with the same intensity level and tertent sequentially in one direction, so that the texture features obtained from image.
The results of the compilation / writing of this Final Project is to design a system that can detect a damaged fabric with a fast and precise accuracy.Keyword: grey level, run length