Deteksi Cacat Percetakan Al-Qur’an dengan Menggunakan Metode Image Subtraction

Main Authors: Laili, Khoirunnisa Shofwatul, Kurniawardhani, Arrie
Format: Article info eJournal
Bahasa: ind
Terbitan: AUTOMATA , 2020
Subjects:
Online Access: https://journal.uii.ac.id/AUTOMATA/article/view/13947
https://journal.uii.ac.id/AUTOMATA/article/downloadSuppFile/13947/1952
ctrlnum article-13947
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="en-US">Deteksi Cacat Percetakan Al-Qur&#x2019;an dengan Menggunakan Metode Image Subtraction</title><creator>Laili, Khoirunnisa Shofwatul</creator><creator>Kurniawardhani, Arrie</creator><subject lang="en-US">deteksi; al-Qur&#x2019;an; percetakan; cacat; image subtraction</subject><description lang="en-US">Deteksi cacat pada proses produksi adalah salah satu bagian penting dalam dunia industri. Tahap ini akan menguji seberapa baik kualitas produk sebelum didistribusikan kepada masyarakat luas. Pemeriksaan ini juga dilakukan pada industri percetakan al-Qur&#x2019;an. Namun, proses pemeriksaan yang dilakukan masih menggunakan cara manual. Cara ini dinilai tidak efisien karena data yang terlalu banyak sehingga tingkat kelelahan menjadi tinggi dan memakan waktu yang lama. Penelitian ini mencoba menerapkan metode image subtraction untuk mendeteksi cacat dari percetakan. Metode ini akan memeriksa tiap piksel dari data uji untuk disesuaikan dengan piksel yang ada pada data acuan. Terdapat 13 data uji yang dideteksi berdasarkan 13 data acuan. Nilai akurasi yang didapatkan 100% berdasarkan perhitungan dengan menggunakan confusion matrix.</description><publisher lang="en-US">AUTOMATA</publisher><contributor lang="en-US"/><date>2020-01-16</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Journal:Article</type><identifier>https://journal.uii.ac.id/AUTOMATA/article/view/13947</identifier><source lang="en-US">AUTOMATA; Vol 1, No 1 (2019)</source><language>ind</language><relation>https://journal.uii.ac.id/AUTOMATA/article/downloadSuppFile/13947/1952</relation><rights lang="en-US">Copyright (c) 2020 Khoirunnisa Shofwatul Laili, Arrie Kurniawardhani</rights><recordID>article-13947</recordID></dc>
language ind
format Journal:Article
Journal
Other:info:eu-repo/semantics/publishedVersion
Other
Journal:eJournal
author Laili, Khoirunnisa Shofwatul
Kurniawardhani, Arrie
title Deteksi Cacat Percetakan Al-Qur’an dengan Menggunakan Metode Image Subtraction
publisher AUTOMATA
publishDate 2020
topic deteksi
al-Qur’an
percetakan
cacat
image subtraction
url https://journal.uii.ac.id/AUTOMATA/article/view/13947
https://journal.uii.ac.id/AUTOMATA/article/downloadSuppFile/13947/1952
contents Deteksi cacat pada proses produksi adalah salah satu bagian penting dalam dunia industri. Tahap ini akan menguji seberapa baik kualitas produk sebelum didistribusikan kepada masyarakat luas. Pemeriksaan ini juga dilakukan pada industri percetakan al-Qur’an. Namun, proses pemeriksaan yang dilakukan masih menggunakan cara manual. Cara ini dinilai tidak efisien karena data yang terlalu banyak sehingga tingkat kelelahan menjadi tinggi dan memakan waktu yang lama. Penelitian ini mencoba menerapkan metode image subtraction untuk mendeteksi cacat dari percetakan. Metode ini akan memeriksa tiap piksel dari data uji untuk disesuaikan dengan piksel yang ada pada data acuan. Terdapat 13 data uji yang dideteksi berdasarkan 13 data acuan. Nilai akurasi yang didapatkan 100% berdasarkan perhitungan dengan menggunakan confusion matrix.
id IOS4863.article-13947
institution Universitas Islam Indonesia
institution_id 138
institution_type library:university
library
library Perpustakaan Universitas Islam Indonesia
library_id 497
collection Jurnal Universitas Islam Indonesia
repository_id 4863
subject_area Technology, Applied Sciences/Teknologi, Ilmu Terapan
Humanities/Humanisme
Islam and Social Sciences/Islam dan Ilmu-ilmu Sosial
Hukum, ekonomi, psikologi, science dan teknik
city SLEMAN
province DAERAH ISTIMEWA YOGYAKARTA
repoId IOS4863
first_indexed 2020-02-05T16:14:17Z
last_indexed 2020-02-05T16:14:17Z
recordtype dc
_version_ 1686273393283825664
score 17.610477