Deteksi Cacat Ubin Keramik Menggunakan Teknik Pengolahan Citra dan Adaptive Neural Fuzzy Inference System (ANFIS)

Pada produksi massal, sistem inspeksi visual telah digunakan untuk meningkatakan produk yang berkualitas tinggi. Hal ini didorong oleh fakta bahwa industri manufaktur sangat termotivasi untuk menggunakan sistem pemeriksaan yang membutuhkan keakuratan tinggi dengan instalasi dan biaya pemeliharaan yang rendah. Penelitian ini untuk meningkatkan klasifikasi produk pabrik keramik yang berhubungan dengan pendeteksian cacat dengan mengacu pada model sistem inspeksi, menggunakan ubin keramik. Banyak penelitian tentang pengujian ubin keramik yang sudah dilakukan, tetapi masih banyak yang belum memberikan hasil yang optimal dan masih ditemukan beberapa permasalahan dalam kenyataanya. Permasalahan yang timbul adalah waktu akses yang masih lambat, keakuratan data yang rendah dan tingkat kesalahan yang tinggi. Penelitian ini menggabungkan teknik pengolahan citra dan model Adaptive Neural Fuzzy Inference System (ANFIS). Hasil yang diperoleh dari penelitian ini adalah pengujian ubin keramik yang lebih akurat dibandingkan dengan penelitian sejenis yang pernah dilakukan. Berdasarkan hasil penelitian dan pengujian yang dilakukan, model ANFIS sangat layak dijadikan sebagai model inferensi kecerdasan buatan dalam sistem yang berbasis inspeksi otomatis khususnya dalam menemukan cacat pada ubin keramik. Hybrid trapesium mf yang digunakan pada model ANFIS memiliki kesalahan 0,172737 dan akurasi pengujian data adalah 99%.Kata kunci: Sistem Inspeksi Visual, pendeteksian cacat, pengolahan citra, Adaptive Neuro Fuzzy Inference dan Fuzzy Logi