Identifikasi Cacat pada Permukaan Mobil Menggunakan Metode K-Nearest Neighbors
.jpg)
Sebuah
perusahaan bengkel perbaikan bodi yang menangani kerusakan permukaan pada
kendaraan sangat diperlukan karena tampilan eksterior kendaraan memainkan peran
penting dalam menciptakan kesan yang baik dan menarik bagi orang lain. Oleh
karena itu, perusahaan bengkel bodi harus dapat beradaptasi dan mengikuti
perkembangan zaman. Dengan menggabungkan solusi teknologi canggih, seperti
pengolahan citra, perusahaan dapat merampingkan fase identifikasi, mengurangi
kesalahan manusia, dan mengoptimalkan alokasi sumber daya perbaikan.
Masalah
yang dibahas dalam buku ini adalah bagaimana mengklasifikasi permukaan bodi
kendaraan sehingga model klasifikasi yang dibangun dapat meningkatkan akurasi
dalam mengklasifikasikan permukaan bodi kendaraan. Langkah-langkah yang diambil
dalam buku ini adalah mengumpulkan citra permukaan bodi kendaraan, dan kemudian
data citra tersebut melalui proses preprocessing menggunakan median filtering
untuk menghilangkan noise dan teknik segmentasi untuk meningkatkan hasil
citra. Setelah preprocessing, langkah selanjutnya adalah mengekstraksi
fitur berdasarkan tekstur menggunakan metode Gray Level Co-occurrence Matrix
(GLCM) dan Statistical. Selanjutnya, citra-citra akan diklasifikasikan
menggunakan metode K-Nearest Neighbors (KNN), dan akurasi yang
didapatkan adalah 56,80% untuk k = 3. Setelah itu, model klasifikasi akan
dievaluasi menggunakan Area Under the Curve (AUC), dan diperoleh nilai
AUC sebesar 68,75%. Dengan pendekatan ini, perusahaan bengkel perbaikan bodi
dapat meningkatkan efisiensi dan akurasi dalam mengklasifikasikan permukaan
bodi kendaraan dengan memanfaatkan teknologi dan teknik pengolahan citra,
sehingga memungkinkan alokasi sumber daya yang lebih baik dan hasil perbaikan
yang lebih dapat diandalkan.
