Sistem pendeteksi tanah dalam pasir dengan metode Naive Bayes Classifier

مستخلص البحث

الملخص - الرمال هي واحدة من مواد البناء اللازمة لصنع المبنى وعند شراء الرمال، نتلقى في بعض الأحيان رمالًا لا تتفق مع المعايير المحددة. خصوصا للرمال غالبا ما تحتوي على التربة والطين. وفقا للبناة، لا يزيد محتوى التربة والطين المسموح به عن 5٪ وزناً من الرمال. إذا كانت كمية التربة والطين الموجودة في التربة أكثر فسيؤثر ذلك على قوة البناء الأصغر. تصميم طريقة تصنيف ساذج بايز لتحديد كمية محتوى التربة في الرمال. عن طريق وضع الرمل في الحاوية التي صنعها المؤلف، ثم التقاط الرمال صورة بألة التصوير الذكية. بعد ذلك، تستخرج صورة الرمال ميزات للتمييز بين التربة والرمل. بلغت البيانات المستخدمة٠٠ ١ بيانات مقسمة إلى ٨٠ بيانة تدريبية في شكل ٤٠ حبة رملية و ٤٠ صورة من حبوب التربة و ٢٠ صورة البيانات الاختبار. استنادًا إلى النتائج التجريبية لبيانات التدريب على أبعاد ٥٠٠ × ٧٠٠، تنتج الدقة بلغت ٧٤.٩٤٪ ، بينما ينتج الحجم ٧٥٠× ٧٥٠ دقة المتوسطة بلغت ٨٦.٦٧٪، بينما ينتج حجم ١٠٠٠x١٠٠٠ دقة المتوسطة بلغت ٧٧.٩٣٪.

ABSTRACT

Abstract—Sand is one of the building materials needed to make a building. When purchasing sand, sometimes we receive sand that does not meet established standards. Especially sand often contains soil and mud. According to builders the permitted soil and mud content is no more than 5% by weight of sand. If the amount of soil and mud contained in the soil is too much, it will affect the strength of the smaller construction. A Naive Bayes Classifier method is designed to identify the amount of soil content in sand. By putting sand into the container that the author made, then the sand will be taken image with a smartphne camera. Furthermore, the sand image will be extracted features to distinguish between soil and sand. The data used amounted to 100 pieces of data which is divided into 80 training data in the form of 40 sand grains and 40 soil grain images and 20 images which are testing data. Based on the trial results of training data on the dimensions of 500x500 produces an accuracy of 74.94%, while the size of 750x750 produces an average accuracy of 76.67%, while the size of 1000x1000 produces an average accuracy of 77.93%.

ABSTRAK

Pasir merupakan salah satu bahan bangunan yang di butuhkan untuk membuat sebuah bangunan Saat pembelian pasir, terkadang kita menerima pasir yang kurang memenuhi standard yang telah ditetapkan. Terutama pasir sering mengandung tanah dan lumpur. Menurut para tukang bangunan kadar tanah dan lumpur yang diizinkan adalah tidak lebih dari 5% dari berat pasir. Apabila kadar tanah dan lumpur yang terdapat pada tanah terlampau banyak maka akan berpengaruh pada kekuatan konstruksi yang semakin kecil. Sebuah metode Naive Bayes Classifier dirancang untuk mengidentifikasi jumlah kadar tanah dalam pasir. Dengan meletakan pasir kedalam wadah yang penulis buat, yang selanjutnya pasir akan diambil citranya dengan kamera smartphne. Selanjutnya citra pasir akan di ekstrasi fitur untuk membedakan antara tanah dan pasir. Data yang digunakan berjumlah 100 buah data yang dimana terbagi menjadi 80 data training berupa 40 citra butiran pasir dan 40 citra butiran tanah serta 20 citra yang merupakan data testing. Berdasarkan hasil uji coba training data pada dimensi 500x500 menghasilkan akurasi sebesar74,94%, sedang ukuran 750x750 menghasilkan rata rata akurasi sebesar 76,67%, sedang dengan ukuran 1000x1000 menghasilkan rata rata akurasi sebesar 77,93%.