Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Elkolind : Jurnal Elektronika dan Otomasi Industri
Rizki Mubarrok, Muhammad
Unknown Affiliation
Control & Systems Engineering Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi U-Net CNN Untuk Klasifikasi Citra Hasil Pengelasan Rizki Mubarrok, Muhammad; Adhitya, Ryan Yudha; Al Amin, Mochammad Karim
Jurnal Elektronika dan Otomasi Industri Vol. 11 No. 2 (2024): Vol. 11 No.2 (2024) : Jurnal Elkolind Vol.11, No. 2, 2024 (Juli 2024)
Publisher : Program Studi Teknik Elektronika Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/elkolind.v11i2.5220

Abstract

Metode Visual Testing menjadi salah satu metode yang umum digunakan untuk inspeksi hasil pengelasan kategori NDT. Metode ini biasanya digunakan sebagai metode pendeteksian awal hasil pengelasan sebelum dilakukan meetode pengujian lain. Penggunaan teknologi pengolahan citra diusulkan untuk membantu proses inspeksi visual hasil pengelasan. Pada penelitian ini model U-Net yang dikombinasi dengan CNN digunakan untuk proses klasifikasi hasil pengelasan. Hasil pengelasan yang coba diklasifikasi berupa hasil las normal, excessive reinforcement, porosity, dan undercut pada pipa baja karbon A106 Grade B. Model arsitektur terdiri dari arsitektur U-Net dengan kedalaman encoder dan decoder sebanyak 2 serta kombinasi layer klasifikasi CNN pada bagian akhir decoder. Penggunaan optimizer pada pelatihan model digunakan untuk mengoptimalkan proses pelatihan data pada model agar tingkat akurasi pelatihan dari model dapat lebih baik dan terhidar dari overfitting dan underfitting. Terdapat 3 tipe optimizer yang akan diterapkan pada model dan dicoba untuk dianalisis yaitu, Adam, SGDM, dan RMSprop. Didapatkan hasil optimizer SGDM pada akurasi pelatihan sebesar 98.75% dan hasil uji terhadap 40 citra baru sebesar 92.5%. Model berhasil membedakan hasil pengelasan menjadi normal, excessive reinforcement, undercut, dan porosity.
Co-Authors Adhitya, Ryan Yudha Mochammad Karim Al Amin