BAB I PENDAHULUAN 1.
1.1. Latar Belakang kWh-meter merupakan alat yang digunakan untuk mengukur besarnya pemakaian energi listrik pada suatu bangunan atau gedung [1]. Berdasarkan sistem pembayarannya, kWh-meter yang ada di Indonesia saat ini dapat digolongkan menjadi dua model, yaitu kWh-meter prabayar dan kWh-meter pascabayar. kWh-meter prabayar menerapkan sistem pembayaran di awal pemakaian dalam bentuk pulsa listrik (token) untuk membatasi pemakaian energi listrik,
sedangkan
kWh-meter
pascabayar
merupakan
kWh-meter
yang
menerapkan sistem pembayaran di setiap akhir bulan dalam bentuk rekening atau tagihan listrik setelah pelanggan memakai energi listrik selama satu bulan [2]. Besarnya pemakaian energi listrik dapat diperoleh dari angka yang tertera pada bagian kWh-meter yang disebut dengan stand kWh-meter (angka stand kWh-meter) [3]. Angka tersebut menunjukkan pemakaian energi listrik dengan satuan kWh (kiloWatt-hour) sehingga sering juga disebut dengan angka kWh [4]. Pada kWh-meter prabayar, angka tersebut menunjukkan sisa pemakaian energi listrik. Jika angka kWh sudah mendekati nilai nol, maka alarm akan berbunyi dan jika angka kWh sudah bernilai nol, maka aliran listrik akan terputus secara otomatis. Hal tersebut membuat keberadaan angka kWh pada kWh-meter prabayar tidak terlalu diperhatikan. Berbeda halnya dengan angka kWh pada kWh-meter pascabayar, angka tersebut menunjukkan besarnya pemakaian energi listrik sejak awal pemasangan kWh-meter. Untuk mendapatkan besarnya pemakaian listrik bulanan, angka kWh pada bulan ini akan dikurangkan dengan bulan sebelumnya. Hal tersebut membuat keberadaan angka kWh pada kWhmeter pascabayar sangat penting karena angka tersebut harus dicatat setiap bulannya. Proses pencatatan angka kWh pada kWh-meter pascabayar pada setiap bulan akan dilakukan oleh petugas baca meter (cater) dan kegiatan pencatatan tersebut sering juga disebut dengan pembacaan kWh-meter.
1
Saat ini sebagian besar proses pembacaan kWh-meter di Indonesia sudah dibantu dengan menggunakan kamera. Sayangnya, proses penginputan angka kWh pada dokumen Rute Baca Meter (RBM) tercetak dan aplikasi tagihan listrik masih dilakukan secara manual. Pada proses manual, petugas akan membaca angka kWh yang tertera di stand kWh-meter dan menginputkannya pada dokumen RBM tercetak secara manual. Setelah itu, petugas akan mengambil citra kWhmeter menggunakan kamera sebagai bukti pada proses verifikasi. Dokumen RBM yang sudah terisi angka kWh selanjutnya dibawa ke kantor untuk diverifikasi dan diinputkan pada aplikasi secara manual untuk pembuatan tagihan listrik [5]. Beberapa permasalahan yang timbul dari proses pembacaan kWh-meter manual adalah kurang adanya pengawasan petugas dalam pengambilan data angka kWh, proses pembacaan kWh-meter yang dapat memakan waktu cukup lama, dan besarnya kemungkinan kesalahan dalam penginputan angka kWh pada RBM tercetak ataupun aplikasi karena jumlah data angka kWh yang banyak [6]. Permasalahan tersebut, khususnya kesalahan penginputan angka kWh, sering dikeluhkan oleh pelanggan. Hampir semua keluhan tagihan listrik ditimbulkan dari buruknya kualitas pembacaan kWh-meter yang dapat mengakibatkan angka kWh yang tercatat pada tagihan listrik tidak sesuai dengan angka yang tertera pada stand kWh-meter. Angka kWh pada tagihan listrik dapat lebih besar (kelebihan angka kWh) atau lebih kecil (kekurangan angka kWh) dari angka kWh pada kWh-meter. Bahkan, kekurangan angka kWh yang dibiarkan terjadi berbulan-bulan dapat membuat tagihan listrik melambung sangat tinggi ketika angka kWh pada tagihan listrik benar-benar disesuaikan dengan angka kWh pada kWh-meter (Angka kWh tumpuk). Data keluhan pelanggan pada PLN Ranting Bandarjaya dari Bulan Juni sampai dengan September 2010 menunjukkan jumlah keluhan selama 4 bulan tersebut mencapai 185 keluhan yang terdiri dari 127 keluhan akibat kelebihan angka kWh (68,6%), 11 keluhan akibat kekurangan angka kWh (6,0%), dan 47 keluhan akibat angka kWh tumpuk (25,4%) [4]. Berdasarkan Peraturan Menteri Energi dan Sumber Daya Mineral Nomor 9
2
Tahun 2011 tentang ketentuan pelaksanaan tarif tenaga listrik yang disediakan oleh perusahaan perseroan (persero) PT. PLN [7], kesalahan pembacaan kWhmeter menjadi salah satu indikator mutu pelayanan tenaga listrik yang disediakan oleh PLN (pasal 13.l). PLN wajib memberi kompensasi jika kesalahan pembacaan kWh-meter melebihi 10% di atas nilai tingkat mutu yang ditetapkan (pasal 16:1.d). PLN juga wajib meningkatkan dan merealisasikan tingkat mutu pelayanan (pasal 14:1). Dengan demikian, kualitas pembacaan kWh-meter merupakan salah satu yang perlu ditingkatkan agar keluhan pelanggan yang berkaitan dengan tagihan listrik dapat berkurang. Permasalahan proses pembacaan kWh-meter manual dapat diminimalisir dengan menerapkan otomasi pada proses pembacaan kWh-meter. Beberapa penelitian sudah mengembangkan sebuah sistem yang dapat melakukan proses pembacaan angka kWh pada kWh-meter secara otomatis. Sistem otomasi yang banyak dikembangkan adalah Automatic Meter Reading (AMR). Sistem AMR umumnya terdiri dari sebuah kontroler dan sensor arus serta dilengkapi dengan perangkat telekomunikasi seperti saluran tegangan rendah [8][9], Zigbee [10][11] atau seluler [12][13]. Sistem AMR ini diintegrasikan pada kWh-meter pelanggan untuk membaca angka kWh dan mengirimkannya pada database sistem secara otomatis setiap jangka waktu tertentu. Petugas baca meter hanya bertugas untuk memonitor dan mengawasi proses pembacaan angka kWh tersebut melalui komputer. Keuntungan sistem ini adalah kemudahan dalam mengakses angka kWh karena petugas baca meter tidak perlu berkeliling dari rumah ke rumah. Pengawasan terhadap petugas baca meter juga menjadi lebih mudah dan kesalahan penginputan dapat diminimalisasi. Sistem AMR saat ini sebenarnya sudah mulai diimplementasikan di Indonesia, tetapi sistem ini lebih dikhususkan untuk pelanggan dengan daya listrik lebih dari 41,5 kVA [14]. Pelanggan dengan daya listrik kurang dari 41,5 kVA oleh PLN lebih diprioritaskan menggunakan kWh-meter prabayar untuk penggantian kWh-meter atau pemasangan baru daripada mengintegrasikan kWh-meter pascabayar dengan sistem AMR. Menurut PLN, kWh-meter prabayar tidak
3
direpotkan dengan pembacaan kWh-meter [15]. Hal tersebut membuat sistem AMR akan sulit untuk diimplementasikan di Indonesia seutuhnya. Namun, kebutuhan akan proses pembacaan kWh-meter yang otomatis masih sangat diperlukan agar keluhan tagihan listrik dari pelanggan dapat diminimalisasi dan kualitas pembacaan kWh-meter dapat ditingkatkan. Selain itu, sampai saat ini jumlah pengguna kWh-meter pascabayar masih jauh lebih banyak dibandingkan dengan pengguna kWh-meter prabayar karena kWh-meter pascabayar telah jauh lebih lama digunakan di Indonesia dibandingkan dengan kWh-meter prabayar yang baru dikenalkan pada tahun 2000-an. Berdasarkan data jumlah pelanggan di Rayon Kota Yogyakarta pada Bulan Maret 2013, jumlah pengguna kWh-meter pascabayar adalah 164.617 pelanggan (86%) dan jumlah pengguna kWh-meter prabayar adalah 25.802 pelanggan (14%) [16]. Berdasarkan hal tersebut, sistem otomasi yang lain perlu dikembangkan sebagai alternatif untuk proses pembacaan kWh-meter tersebut. Sistem otomasi yang lain dapat dikembangkan dengan memanfaatkan citra kWh-meter yang diambil oleh petugas baca meter. Pengembangan tersebut dapat dilakukan dengan mengacu pada tahapan untuk mendeteksi dan mengenali plat nomor kendaraan karena angka kWh pada stand kWh-meter dan plat nomor memiliki karakteristik yang hampir sama, yaitu sebuah objek yang berbentuk persegi panjang dan tersusun dari beberapa karakter yang harus dikenali nilainya. Tahapan yang umum pada pendeteksian dan pengenalan plat nomor kendaraan adalah tahap pendeteksian lokasi atau posisi plat nomor, tahap segmentasi karakter plat nomor, dan tahap pengenalan karakter plat nomor [17]. Tahap pendeteksian lokasi dan segmentasi dilakukan dengan menggunakan teknik pengolahan citra, sedangkan tahap pengenalan angka dilakukan dengan menggunakan teknik pengenalan pola. Beberapa penelitian sudah mengembangkan sistem otomasi tersebut [6][18]–[21]. Namun, sistem otomasi yang sudah dikembangkan pada penelitian sebelumnya masih dibatasi dengan kondisi pencahayaan yang tidak merata dan kemiringan posisi stand kWh-meter pada citra kWh-meter. Pencahayaan yang
4
tidak merata membuat objek stand kWh-meter dan objek-objek lain tidak dapat dipisahkan dengan baik pada citra biner, sedangkan kemiringan posisi stand kWhmeter berpengaruh pada tahap pendeteksian lokasi dan segmentasi. Kedua kondisi tersebut tidak dapat dihindari dalam proses pengambilan citra kWh-meter karena kondisi pencahayaan yang tidak merata disebabkan oleh posisi kWh-meter yang umumnya berada di luar gedung atau bangunan sehingga sinar matahari sangat mempengaruhi pencahayaan dan kondisi kemiringan posisi stand kWh-meter disebabkan oleh letak kWh-meter yang umumnya berada pada tempat agak tinggi sehingga sulit untuk mendapatkan posisi stand kWh-meter yang baik. Oleh karena itu, penelitian ini akan mengembangkan sistem otomasi tersebut agar faktor pencahayaan dan kemiringan posisi stand kWh-meter tidak terlalu membatasi sistem otomasi tersebut. Penelitian ini akan menggunakan local thresholding atau disebut juga adaptive thresholding untuk mengatasi permasalahan pencahayaan yang tidak merata. Metode ini umumnya digunakan untuk mengolah citra dokumen dengan kualitas yang buruk karena pencahayaan tidak merata agar tulisan pada dokumen tersebut dapat dipisahkan dengan background [22]–[24]. Local thresholding juga dapat digunakan untuk memisahkan objek stand kWh-meter dengan objek lain yang pada citra kWh-meter. Penelitian ini akan menggunakan kombinasi vertical edge detection dan operasi morfologi untuk tahap pendeteksian lokasi dan proyeksi vertikalhorisontal untuk tahap segmentasi. Vertical edge detection banyak digunakan untuk mendeteksi lokasi plat nomor karena karakter yang ada pada plat nomor umumnya tersusun secara horisontal sehingga tepi akan banyak terjadi secara horisontal dan operasi morfologi banyak digunakan untuk meminimalisir objek yang tidak diperlukan pada citra sehingga proses pendeteksian menjadi lebih mudah dan akurasi proses pendeteksian posisi plat nomot dapat ditingkatkan [25]– [27], sedangkan proyeksi vertikal dan horisontal banyak digunakan untuk segmentasi karakter angka dan huruf pada dokumen atau plat nomor karena sederhana tetapi cepat dan efisien [17][28]–[32]. Metode-metode tersebut
5
digunakan untuk mengatasi permasalahan kemiringan posisi stand kWh-meter pada citra kWh-meter saat tahap pendeteksian dan segmentasi. Penelitian ini akan menggunakan Support Vector Machine (SVM) untuk tahap pengenalan angka. Klasifier SVM terbukti memiliki akurasi yang paling tinggi dibandingkan k-Nearest Neighbor (k-NN) dan probabilistic Neural Network (PNN) untuk mengenali huruf Gumurkhi [33]. Selain itu, SVM juga terbukti memberikan hasil yang lebih baik jika dibandingkan dengan Jaringan Syaraf Tiruan (JST) dalam hal solusi yang dicapai karena JST menemukan solusi berupa local optimal sedangkan SVM menemukan solusi yang global optimal [34]. 1.2. Perumusan Masalah Berdasarkan latar belakang tersebut, beberapa masalah yang dapat dirumuskan pada penelitian ini adalah sebagai berikut. 1.
Permasalahan pada pembacaan kWh-meter manual perlu diminimalisir dengan menerapkan otomasi pada proses pembacaan kWh-meter
2.
Sistem
otomasi
yang
banyak
dikembangkan,
yaitu
AMR,
sulit
diimplementasikan di Indonesia sehingga sistem otomasi yang lain dibutuhkan sebagai alternatif untuk membantu proses pembacaan kWh-meter 3.
Pembacaan kWh-meter di Indonesia saat ini sudah dibantu dengan kamera untuk mengambil citra kWh-meter dan citra kWh-meter tersebut dapat dimanfaatkan untuk mengembangkan sistem otomasi yang lain
4.
Pengembangan sistem otomasi berbasis pengolahan citra yang sudah dilakukan sebelumnya masih dibatasi oleh faktor pencahayaan yang tidak merata dan kemiringan posisi stand kWh-meter pada citra kWh-meter
5.
Bagaimana cara mengolah citra kWh-meter agar angka kWh yang tertera pada bagian stand kWh-meter dapat diperoleh tanpa dipengaruhi faktor pencahayaan dan kemiringan posisi stand kWh-meter pada citra kWh-meter
6.
Bagaimana cara mengenali angka kWh yang tertera pada bagian stand kWhmeter sehingga nilai angka kWh dapat terbaca
6
1.3. Batasan Masalah Batasan masalah pada penelitian ini antara lain sebagai berikut: 1.
Sistem otomasi yang dirancang pada penelitian ini robust terhadap berbagai kualitas citra kWh-meter
2.
Kualitas citra kWh-meter pada penelitian ini hanya dinilai dari kondisi pencahayaan dan kemiringan posisi stand kWh-meter pada citra kWh-meter secara visual
3.
Data citra kWh-meter yang digunakan pada penelitian ini hanya berupa data citra kWh-meter yang diambil dari database PLN
4.
Ukuran data citra kWh-meter yang digunakan untuk merancang sistem otomasi hanya citra kWh-meter berukuran 320 x 240 piksel
1.4. Keaslian Penelitian Beberapa penelitian untuk mengembangkan sistem otomasi ini telah dilakukan sebelumnya. Tabel 1.1 menunjukkan perbandingan metode-metode yang digunakan pada penelitian sebelumnya. Metode-metode yang akan digunakan untuk sistem otomasi yang akan dirancang pada penelitian ini adalah grayscaling dan local thresholding untuk prapengolahan, kombinasi operasi morfologi dan vertical edge detection untuk tahap deteksi posisi, proyeksi vertikal dan horisontal untuk tahap segmentasi area angka, dan support vector machine (SVM) dengan input adalah ciri statistik area angka untuk tahap pengenalan angka. Grayscaling merupakan metode yang umum digunakan pada pengolahan citra. Metode ini akan mengubah citra berwarna menjadi citra abu-abu. Penelitian sebelumnya juga menggunakan grayscaling untuk prapengolahan.
7
Tabel 1.1. Hasil penelitian sebelumnya Peneliti Ardianto, dkk [6]
Gunawan,
dkk [18]
Merischapu tri dan
Metode Prapengolahan: grayscaling, edge detection, median filter, operasi morfologi (closing & opening) Tahap deteksi posisi: connected component labeling dan penentuan nilai centroid Prapengolahan: grayscaling, global thresholding
Tahap deteksi posisi: smearing
Tahap segmentasi area angka: connected component labeling
Tahap pengenalan angka: template matching
Tahap deteksi posisi: segmentasi global
Tahap segmentasi karakter: segmentasi lokal
Sudiarso [19]–[21]
Prapengolahan, tahap deteksi posisi, dan tahap segmentasi tidak dijelaskan dengan rinci Tahap pengenalan angka: Jaringan Syarat Tiruan (JST) bertipe kohonen, yaitu Self Organizing Map (SOM) pada penelitian I dan JST Back Propagation (BP) pada penelitian II
8
Hasil Algoritme yang diusulkan hanya digunakan untuk mendeteksi posisi stand kWh-meter
Stand kWh-meter yang berhasil dideteksi posisinya adalah 47% dari 317 citra kWh-meter
Faktor yang mempengaruhi: jarak pengambilan citra dan kaca penutup buram
Sistem tidak berhasil pada citra kWhmeter yang tidak dilatih sistem
Faktor yang mempengaruhi: posisi pengambilan citra, kemiringan stand kWh-meter, dan noise pada citra kWhmeter akibat kaca penutup yang buram, angka pada stand kWh-meter yang tidak sejajar atau bayangan akibat pencahayaan yang tidak merata
Akurasi rata-rata proses pembacaan tiap set citra kWh-meter adalah 66% dari 52 citra untuk SOM dan 72,4% dari 110 citra untuk BP
Akurasi rata-rata proses pembacaan tiap karakter adalah 85% dari 205 angka untuk SOM dan 94,66% untuk BP
Faktor yang mempengaruhi: letak kWhmeter pada tempat tinggi, pencahayaan yang tidak merata, pergerakan angka pada kWh-meter, kemiringan citra, dan jarak pengambilan citra
Dengan asumsi perpindahan setiap rumah adalah 40 detik, jumlah rumah yang dapat dicatat setiap jam dengan sistem otomasi ini adalah 74 rumah/jam untuk metode SOM dan 81 rumah/jam untuk metode BP
Local thresholding sering juga disebut dengan adaptive thesholding. Local thresholding umumnya digunakan untuk mengolah citra dokumen yang memiliki kualitas buruk [22]–[24]. Berdasarkan penelitian sebelumnya tersebut, salah satu faktor yang menyebabkan stand kWh-meter gagal dideteksi dan dikenali adalah kualitas kWh-meter yang buruk karena kondisi pencahayaan yang tidak merata. Kondisi ini membuat proses prapengolahan tidak dapat memisahkan objek stand kWh-meter dan objek lain dengan baik. Penelitian ini menggunakan metode local thresholding untuk memisahkan objek stand kWh-meter dan objek lain dengan lebih baik walaupun kondisi pencahayaan pada citra kWh-meter tidak merata. Vertical edge detection banyak digunakan untuk mendapatkan posisi plat nomor kendaraan [28][29]. Hal tersebut karena plat nomor kendaraan terdiri dari beberapa karakter yang tersusun secara horisontal sehingga plat nomor mempunyai banyak perubahan intensitas secara horisontal. Stand kWh-meter juga mempunyai karakteristik yang sama dengan plat nomor, yaitu mempunyai angka yang tersusun secara horisontal sehingga perubahan intensitas akan banyak terjadi pada secara horisontal. Metode ini banyak dikombinasikan dengan operasi morfologi untuk mendapatkan hasil yang lebih baik karena operasi morfologi dapat digunakan untuk meminimalisir bagian yang tidak diperlukan [25]–[27]. Penelitian ini menggunakan metode-metode tersebut untuk mendeteksi posisi stand kWh-meter pada citra kWh-meter walaupun posisi stand kWh-meter tersebut dalam kondisi miring. Proyeksi horisontal dan vertikal merupakan jenis histogram proyeksi. Metode ini digunakan untuk memisahkan bagian plat nomor pada citra berdasarkan hasil deteksi posisi [29][30] dan melakukan segmentasi karakter yang tertera plat nomor [17][28][31][32]. Metode ini dipilih karena sederhana, tetapi cepat dan efisien, terutama dalam mendapatkan karakter plat nomor walaupun posisi plat nomor dalam keadaan miring. SVM merupakan metode yang digunakan sebagai pengklasifikasi (klasifier). Metode ini memiliki akurasi yang sangat tinggi dan sudah banyak diaplikasikan pada banyak pada berbagai bidang, salah satunya untuk pengenalan
9
karakter [33]. Dalam pengenalan karakter, input yang dapat digunakan untuk proses pengenalan adalah ciri statistik dan ciri struktural [35]. Namun, ciri yang digunakan untuk sistem ini hanya ciri statistik saja. Berdasarkan metode-metode yang akan digunakan pada penelitian ini, keaslian penelitian ini dapat dipertanggungjawabkan. Penelitian ini akan membuktikan bahwa metode-metode tersebut dapat memberikan hasil yang lebih baik jika dibandingkan dengan penelitian-penelitian sebelumnya. 1.5. Tujuan Penelitian Tujuan yang ingin dicapai dalam penelitian ini adalah merancang sebuah sistem berbasis citra yang dapat secara otomatis mendeteksi dan mengenali angka kWh yang tertera pada stand kWh-meter melalui citra kWh-meter tanpa dibatasi dengan kondisi pencahayaan dan kemiringan posisi stand kWh-meter pada citra kWh-meter. Sistem tersebut akan dapat mendeteksi lokasi atau posisi stand kWhmeter pada citra kWh-meter, memisahkan angka-angka yang terdapat di dalam stand kWh-meter tersebut, dan kemudian mengenali masing-masing angka tersebut, walaupun pencahayaan pada citra kWh-meter tersebut tidak merata atau posisi objek stand kWh-meter pada citra kWh-meter berada dalam kondisi miring. Hasil pembacaan tersebut akan disimpan pada database sistem sehingga citra kWh-meter tersebut tidak hanya menjadi bukti pada proses verifikasi, tetapi juga dapat membantu mempercepat petugas dalam membaca angka kWh dan menginputkan angka kWh pada RBM. 1.6. Manfaat Penelitian Sistem yang dirancang pada penelitian ini diharapkan dapat menjadi alternatif untuk membantu petugas baca meter dalam melakukan proses pembacaan kWh-meter. Kesalahan penginputan data yang dilakukan petugas (human error) diharapkan dapat diminimalisir karena petugas baca meter hanya perlu mengambil citra kWh-meter dan melakukan verifikasi hasil pembacaan sebelum data tersebut tercatat pada database RBM yang terdapat dalam sistem. Selain itu, sistem yang otomatis diharapkan dapat lebih mempercepat petugas
10
dalam melakukan proses pembacaan kWh-meter. Dengan demikian, kinerja petugas baca meter dan juga kualitas pembacaan kWh-meter diharapkan menjadi menjadi meningkat. 1.7. Sistematika Penulisan Sistematika penulisan merupakan gambaran secara umum pada setiap bab terkait penulisan penelitian. Adapun sistematika penulisan dalam penelitian ini adalah sebagai berikut: BAB I PENDAHULUAN Pendahuluan berisi uraian singkat mengenai latar belakang, perumusan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, dan sistematika penulisan. BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI Tinjauan pustaka dan landasan teori membahas tentang penelitian-penelitian terdahulu yang berkaitan dengan penelitian ini dan teori-teori yang menjadi acuan dalam penelitian ini. BAB III METODOLOGI Metodologi menjelaskan mengenai metode yang digunakan dalam penelitian meliputi alat dan bahan, jalannya penelitian, perancangan sistem, dan cara analisis. BAB IV HASIL DAN PEMBAHASAN Hasil dan pembahasan berisi tentang hasil perancangan sistem setiap tahap dan hasil evaluasi sistem secara keseluruhan. Selanjutnya hasil tersebut dibahas apakah sudah menjawab rumusan masalah dan mencapai tujuan penelitian. BAB V KESIMPULAN DAN SARAN Kesimpulan dan saran berisi kesimpulan hasil penelitian yang telah dilakukan. Kesimpulan diambil berdasarkan hasil dan pembahasan pada bab sebelumnya. Selanjutnya kekurangan yang ada dituliskan sebagai saran untuk pengembangan penelitian lebih lanjut.
11
