Jurnal Teknologi, Vol. 14, No. 2, Oktober 2014 : 74-81 74 IDENTIFIKASI JENIS KAYU BERBASIS CITRA MENGGUNAKAN PROBABILISTIC NEURAL NETWORK (PNN) Ismi Amalia Jurusan Teknik Mesin Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 P.O. Box 90, Buketrata, Lhokseumawe 24301 E-mail: ismiamalia@gmail.com Abstract The purpose of this research is to identify the types of wood based on imagery by using PNN method. In this paper, gray level co-occurence matrix (GLCM) is used as texture classification techniques. The GLCMs are generated to obtain three features: autocorrelation, cluster shade and sum variance. The classification technique used to classify the wood species is a probabilistic neural network (PNN). This research was carried out using 12 different types of wood. For each type of wood, 6 images were collected. The images of wood were divided in two sets: training set and test set. The leave-one-out cross-validation technique was applied for model validation. Our experimental results showed that the proposed method can increase the recognition rate up to 80.55%. The result of this research indicated that three features of GLCM are accurate to distinguish types of wood. This research used only a small-size dataset, so for further research is needed to use more feature extract methods and types of wood. Key words: GLCM, leave-one-out cross-validation, PNN, wood identification PENDAHULUAN Dalam beberapa tahun terakhir, penggunaan komputer di bidang industri kayu telah meningkat secara drastis [1]. Identifikasi jenis kayu oleh manusia hasilnya tidak akurat dan proses identifikasi secara manual memakan waktu. Oleh karena itu sistem identifikasi jenis kayu secara otomatis diperlukan dan dapat mengurangi error yang disebabkan oleh sistem identifikasi kayu secara manual [2]. Semua jenis kayu memiliki tekstur, kekuatan, kepadatan, kekerasan, bau, dan warna yang berbeda. Tekstur merupakan salah satu karakteristik penting yang digunakan dalam mengidentifikasi obyek dalam citra. Oleh karena itu, klasifikasi jenis kayu berdasarkan klasifikasi tekstur dapat menjadi solusi yang dapat diandalkan untuk memecahkan masalah ini [2]. Identifikasi jenis kayu memiliki tantangan tersendiri. Hal ini dikarenakan adanya keragaman spesies kayu, proses penuaan dan fenomena kerusakan yang mempengaruhi penampilan bahan kayu bahkan terkadang struktur keutuhan kayu [3]. Mohan et. al [2] telah mengembang- kan sistem identifikasi jenis kayu. Teknik praproses yang digunakan adalah image enhancement dan sharpening. Selain itu menggunakan metode baru yang membagi citra menjadi beberapa blok yang dikenal dengan image blocking. Setiap blok diekstraksi menggunakan citra keabuan dan teknik deteksi tepi. Gray level co-occurrence matrix digunakan sebagai teknik klasifikasi tekstur. GLCM dihasilkan untuk mendapatkan tiga fitur, yaitu: contrast, entropy dan correlation. Teknik klasifikasi yang digunakan untuk mengklasifikasikan jenis kayu adalah koefisien korelasi Pearson’s. Sistem ini menunjukkan akurasi lebih dari 95% dalam mengenali sepuluh jenis kayu di India. Trisyanto [4] telah membuat sistem aplikasi dekstop yang efektif dan efisien untuk mengidentifikasi kayu ramin dan kayu yang mirip ramin berdasarkan citra dengan menggunakan metode local binary pattern variance (LBPV) dan probabilistic neural network (PNN). LBPV digunakan untuk mengkarakterisasi informasi kontras lokal ke dalam histogram LBP satu dimensi. Teknik probabilistic neural network (PNN) digunakan untuk mengklasifikasikan LBPV tersebut. Ada 22 spesies kayu yang digunakan, terdiri dari 21 jenis kayu yang mirip ramin dan satu jenis kayu ramin. Hasil penelitian menunjukkan bahwa dari tiga operator yang digunakan, operator