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%.