KOMPUTASI SPHERICITY BERBASIS IMAGE PROCESSING PADA KERNEL BAHAN BAKAR HTGR. Khairina Ns, D. Andiwijayakusuma

KOMPUTASI SPHERICITY BERBASIS IMAGE PROCESSING PADA KERNEL BAHAN BAKAR HTGR Khairina Ns, D. Andiwijayakusuma∗

ABSTRAK KOMPUTASI SPHERICITY BERBASIS IMAGE PROCESSING PADA KERNEL BAHAN BAKAR HTGR. Kualitas produk hasil perekayasaan merupakan salah satu hal krusial yang mempengaruhi kemampuan fungsi guna dan sistem keselamatan atas pemakaian produk tersebut. Produk hasil perekayasaan seperti Kernel pada bahan bakar High Temperature Gas Reactors (HTGR) merupakan sebagian contoh produk-produk yang perlu akurasi, presisi ataupun kekonsistenan desain. Ketidaktepatan desain seperti ketebalan, densitas, kemulusan bentuk, dan ukuran (panjang, lebar, diameter) akan mempengaruhi kinerja bahan bakar dan keselamatan penggunaan bahan bakar tersebut. Penelitian ini bertujuan untuk mengembangkan perangkat lunak guna menetukan sphericity dari Kernel bahan bakar HTGR. Objek penelitian adalah sampel citra kernel yang telah diambil menggunakan kamera digital microscope 2MP. Kata kunci: Kernel, Kualitas, sphericity, Bahan Bakar HTGR, Deteksi Tepi

ABSTRACT SPHERICITY COMPUTATION BASED ON IMAGE PROCESSING OF HTGR FUEL KERNEL. Quality of engineering product is crucial thing which affects to the ability function and safety systems of the product. Engineering products such as Kernel of HTGR fuel is such example of product that need accuracy, precision or consistency on design. Inaccuracy designs such as thickness, density, shape smoothness and size (length, width, diameter) will affect to their performance. The research aims to develop a software to determine the sphericity of Kernel type of HTGR fuel. Objects of study are Kernel which are already photographed with 2MP microscope digital Camera. Keywords: Quality, Kernel, sphericity, HTGR Fuel, Edge Detection

PENDAHULUAN Kualitas produk hasil perekayasaan merupakan salah satu hal krusial yang mempengaruhi kemampuan fungsi guna dan sistem keselamatan atas pemakaian produk tersebut. Produk hasil perekayasaan seperti Kernel pada bahan bakar HTGR merupakan sebagian contoh produk-produk yang memerlukan akurasi tinggi, presisi ataupun kekonsistenan desain. Ketidaktepatan desain seperti ketebalan, densitas, kemulusan bentuk, dan ukuran (panjang, lebar, diameter) akan mempengaruhi kinerja bahan bakar dan keselamatan penggunaan bahan bakar tersebut. Saat ini banyak variasi metode yang digunakan untuk menguji kualitas desain bahan bakar nuklir. ∗

Pusat Pengembangan Informatika Nuklir – BATAN Serpong, e-mail: [email protected]

263

Lokakarya Komputasi dalam Sains dan Teknologi Nuklir, 10 Oktober 2012 (263-271)

Sebagian besar metode yang digunakan adalah metode destruktif meskipun ada juga yang menggunakan metode non-destruktif. Dibandingkan dengan uji destruktif, uji non destruktif lebih efisien dari segi waktu, biaya dan mengurangi human error. Untuk bahan bakar tipe kernel yang sedang dikembangkan oleh Pusat Teknologi Akselerator dan Proses Bahan (PTAPB-BATAN) belum tersedia alat uji non destruktif. Pada penelitian ini akan dilakukan pengembangan perangkat lunak untuk menguji kualitas pembuatan bahan bakar nuklir ditinjau dari aspek sphericity produk tersebut secara otomatis dengan teknik soft computing. Soft computing merupakan metode komputasi yang banyak digunakan saat ini. Analisis berbasis citra digital dewasa ini banyak digunakan karena lebih praktis dan penggunaannya yang luas, misalnya di dunia kedokteran, sistem kependudukan dan sistem informasi geografi. Sementara analisis sphericity pada umumnya banyak digunakan di berbagai sektor untuk menganalisis benda-benda tiga dimensi, misalnya untuk mengukur kebulatan buah tomat pada sektor pertanian atau untuk meneliti bentuk morfologi sedimen batuan di sektor geologi. Penelitian ini mencoba menganalisis bentuk sphericity kernel bahan bakar HTGR berdasarkan citra dua dimensi hasil pemotretan sampel kernel. Dengan terbangunnya aplikasi/perangkat lunak untuk pengujian kualitas bahan bakar diharapkan akan mempermudah pengujian kualitas bahan bakar, lebih efisien dari segi waktu dan biaya serta didapatkan hasil uji yang lebih teliti sesuai toleransi yang diinginkan oleh user. Bahan bakar tipe bola (TRISO) digunakan sebagai bahan bakar HTGR. Pusat Teknologi Akselerator dan Proses Bahan (PTAPB) BATAN sedang melakukan penelitian untuk memproduksi TRISO. Karakteristik bahan bakar TRISO ini adalah tersusun atas kernel yang merupakan partikel bahan bakar nuklir yang dibungkus lapisan-lapisan. Lapisan-lapisan tersebut terdiri atas lapisan buffer pyrolytic carbon (PyC), lapisan dalam PyC (I-PyC), SiC dan lapisan luar PyC (O-PyC). Untuk memastikan bahwa TRISO yang dibuat memenuhi standar yang diinginkan, perlu dilakukan pengujian terhadap ukuran ketebalan lapisan, densitas lapisan dan dimensi partikel bahan bakar yang terbungkus. Dengan adanya perangkat lunak yang dikembangkan diharapkan akan membantu PTAPB dalam mengkategorikan apakah kernel yang nantinya akan diproduksi telah memenuhi standar spesifikasi atau belum.

LANDASAN TEORI Sphericity (Kebulatan). Sphericity adalah suatu ukuran untuk menunjukkan kebulatan suatu objek. Menurut Wadell (1935), sphericity ( ) dari suatu partikel adalah rasio dari luas permukaan suatu bola yang mempunyai volume yang sama dengan partikel tersebut dengan luas permukaan partikel. 264

Komputasi Sphericity Berbasis Image Processing pada Kernel Bahan Bakar HTGR (Khairina NS, Dinan A.)

ψ =

π 1 / 3 (6VP ) 2 / 3 AP

(1)

dimana Vp adalah volume dan Ap adalah luas permukaan partikel. Sphericity bola adalah 1 dan semua partikel yang bukan bola mempunya sphericity kurang dari 1. Metode Wadell banyak digunakan untuk menghitung sphericity pada benda tiga dimensi. Sementara itu untuk pengukuran benda yang diambil pada view berdimensi dua dapat digunakan metode Riley. Pada program ini digunakan metoda Riley sphericity untuk menentukan nilai sphericity setelah dilakukan proses pengolahan citra (image processing) dari citra kernel dua dimensi yang telah di akuisisi oleh kamera digital microscope. Metoda Riley sphericity ini digunakan pada data citra dalam bentuk 2 (dua) dimensi, sehingga rumus yang diberikan adalah sebagai berikut:

Gambar 1. Sketsa Riley untuk mencari lingkaran dalam dan luar

Deteksi Tepi Canny Pendeteksian tepi merupakan langkah pertama untuk melingkupi informasi di dalam citra. Tujuan dari deteksi tepi pada umumnya adalah mengurangi jumlah data dalam sebuah citra secara signifikan sekaligus mempertahankan sifat-sifat struktural citra yang akan digunakan untuk pengolahan citra lebih jauh. Tepi mencirikan batasbatas objek dan karena itu tepi berguna untuk proses segmentasi dan identifikasi di dalam citra. Tujuan pendeteksian tepi adalah untuk meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra. Yang dimaksudkan dengan tepi (edge) adalah perubahan nilai intensitas derajat keabuan yang mendadak (besar) dalam jarak yang singkat. Metode canny merupakan salah satu algoritma deteksi tepi. Deteksi tepi Canny ditemukan oleh John Canny yang meneliti pemodelan persepsi visual manusia. Dalam memodelkan pendeteksi tepi, canny mengikuti kriteria Good detection, Good localization dan Only one response to a single. Berdasarkan pada kriteria ini Canny berhasil melakukan optimalisasi dari ketiga kriteria tersebut dan menghasilkan persamaan:

h( x ) = a1e ax cos(ωx ) + a 2 e ax sin(ωx ) + a 3 e − ax cos(ωx ) + a 4 e − ax sin(ωx ) (2)

265


Pada implementasinya, Canny tetap menggunakan filter Gaussian untuk mereduksi noise. Fungsi Gaussian dalam dua dimensi dapat direpresentasikan sebagai berikut:

h( x, y ) =

1 2π σ

e

−

x2 + y2 2σ 2

(3)

Turunan pertamanya adalah: hx(x,y) dan hy(x,y) dapat divisualisasikan seperti gambar berikut ini.

Gambar 2. (a) Fungsi Gaussian h(x,y), (b) turunan ke arah x hx(x,y) dan (c) turunan ke arahy hy(x,y) Gradien dari suatu citra f (x,y) pada lokasi (x,y) adalah vektor:

∂ f    G  ∂ x ∇f =  x  =    ∂ f  G y  ∂   y dimana:

(4)

Gx =

∂f ( x , y ) f ( x + ∆ x , y ) − f ( x , y ) = ∂x ∆x

(5)

Gy =

∂f ( x, y ) f ( x, y + ∆y ) − f ( x, y ) = ∂y ∆y

(6)

dan

Pertama-tama dilakukan penghalusan (smoothing) citra untuk menghilangkan noise. Proses ini menggunakan filtering dengan Gaussian Filter. Selanjutnya dicari gradient magnitude citra untuk melihat daerah-daerah yang memiliki turunan spasial yang tinggi. Selanjutnya ditentukan arah dari tepi dengan menggunakan invers tangen dari gradient magnitude y (Gy) dibagi gradient magnitude x (Gx), atau dapat ditulis: 266


θ = arctan(

| Gy | | Gx |

).

(7)

Arah yang diperoleh dari perhitungan ini kemudian dipetakan ke 0, 45, 90, atau 135 derajat berdasarkan kedekatannya dengan keempat derajat arah tadi. Kemudian dilakukan Non Maximum Suppression, yaitu penghilangan nilai-nilai yang tidak maksimum. Selanjutnya dilakukan Hysteresis atau thresholding. Hysteresis menggunakan dua threshold T1 (threshold bawah) dan T2 (threshold atas). Bila magnitude ada di bawah T1, titik tersebut di-set nol (dijadikan non-tepi). Bila magnitude ada di atas T2, maka termasuk tepi. Bila magnitude ada diantara T1 dan T2, di-set nol kecuali jika ada jalan (path) dari titik tersebut ke titik yang memiliki magnitude di atas T2. Metode Canny banyak dipilih karena beberapa kriteria pendeteksi tepi paling optimum yang dapat dipenuhi oleh algoritma Canny. Pertama, metode Canny mampu mendeteksi dengan baik. Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvolusi yang dilakukan, sekaligus juga memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan. Kedua, Metode Canny mampu melokalisasi dengan baik. Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli. Ketiga, kemampuan dalam memberikan respon yang jelas. Hanya ada satu respon untuk tiap tepi, sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada pengolahan citra selanjutnya. Pemilihan parameter deteksi tepi Canny sangat mempengaruhi hasil dari tepi yang dihasilkan.

PEMBAHASAN DAN HASIL Uji coba dilakukan dengan menggunakan beberapa sampel citra kernel yang telah diambil menggunakan kamera digital microscope 2MP. Kemudian citra diolah untuk mendeteksi tepian. Proses selanjutnya adalah melakukan uji kualitas kernel dengan soft computing untuk menghitung kebulatan atau sphericitynya. Pengembangan perangkat lunak perhitungan sphericity bahan bakar tipe kernel dilakukan menggunakan bahasa pemrograman python. Secara umum tahapan proses yang dilakukan adalah sebagai berikut (gambar 3):

267


Gambar 3. Diagram aktifitas perhitungan sphericity kernel Sampel diperoleh dari prototype kernel yang diproduksi oleh Pusat Teknologi Akselerator dan Proses Bahan (PTAPB-BATAN). Pengambilan foto dilakukan satu kali untuk mendapatkan citra dari sampel yang bersangkutan. Pada foto yang diperoleh kemudian dilakukan ’cropping’ untuk menghilangkan bagian-bagian yang bukan citra kernel. Citra kernel disimpan dengan format gambar .PNG. Agar gambar dapat ditampilkan dengan baik pada tahap pre analisis, citra di’resize’ terlebih dahulu ke ukuran 400x400 piksel. Tampilan layar menyediakan dua panel yang dipersiapkan untuk source image dan analysis image. Panel source image digunakan untuk menampilkan gambar yang akan dianalisis. Analisis terhadap citra dimulai dengan proses untuk deteksi tepi. Deteksi tepi dilakukan dengan metode Canny dengan parameter inputan Sigma, High Threshold

268


dan Low Threshold. Tampilan awal untuk menerima parameter input dari perangkat lunak yang dikembangkan seperti tampilan berikut ini:

Gambar 4. Tampilan Input Parameter Canny Edge Detection Langkah selanjutnya adalah melakukan perhitungan sphericity terhadap citra tepi menggunakan metode Riley. Metode Riley dipilih pada perhitungan sphericity karena cocok diterapkan pada objek geometri 2 (dua) dimensi. Metode Riley membutuhkan dua parameter dalam perhitungannya, yaitu parameter diameter lingkaran luar dan lingkaran dalam dari citra. Untuk mendapatkan kedua jenis diameter tersebut ditentukan terlebih dahulu koordinat titik pusat dari citra dengan perhitungan sebagai berikut: xp = ∑ xi /i, i = banyaknya x

(8a)

yp = ∑ yi/i , i = banyaknya y

(8b)

(xp,yp) merupakan titik pusat citra tepi. Setelah itu dapat dihitung diameter lingkaran luar (dc) dan lingkaran dalam (di). Kedua parameter ini digunakan sebagai masukan dalam proses perhitungan sphericity menggunakan metode Riley. Tampilan akhir hasil analisis dapat dilihat pada gambar berikut ini (gambar 5).

269


Gambar 5. Tampilan Hasil Citra Analysis Pada tampilan hasil analisis akhir ditampilkan kembali seluruh parameter input dan outputnya, baik pada fase perhitungan deteksi tepi ataupun pada fase perhitungan sphericity. Nilai sphericity yang diperoleh kemudian dibandingkan dengan suatu nilai toleransi yang sudah ditetapkan oleh user. Apabila nilai sphericity berada pada wilayah toleransi penerimaan, maka kernel dianggap cukup baik dan memenuhi syarat kualifikasi kebulatan.

KESIMPULAN Pengujian kualitas bahan bakar tipe kernel dapat dilakukan dengan memperhitungkan sphericitynya menggunakan metode soft computing berbasis kepada image processing. Perhitungan sphericity pada penelitian ini dilakukan berdasarkan foto citra kernel yang diambil dari satu kali pemotretan, sehingga analisis hanya berlaku untuk sisi citra yang bersangkutan saja. Untuk mengukur sphericity kernel yang berbentuk bola, program perlu dikembangkan lebih jauh dengan citra sebagai hasil pemotretan terhadap objek dari berbagai sisi. Akan lebih baik lagi jika analisis dapat langsung diterapkan pada objek tiga dimensi. Selain itu analisis berbasis image processing sangat tergantung kepada kualitas citra sampel yang digunakan. Karena itu perlu diperhatikan alat dan teknik pemotretan sampel. Pemotretan sebaiknya dilakukan pada cahaya yang cukup, dari jarak yang cukup dekat dengan arah yang frontal. Tujuannya adalah untuk meminimalkan bayangan dan gangguan lain pada image. Bayangan yang terlalu dominan akan menghasilkan analisis deteksi tepi yang rancu dan akan berdampak pada kesimpulan yang keliru.

270


DAFTAR PUSTAKA 1. AMALIAH, BILQIS, “Penggunaan Persamaan Difusi Nonlinier Dan Deteksi Tepi Canny Untuk Segmentasi Citra Melanoma”, Seminar Sistem Informasi Indonesia (SESINDO2010) – ITS, Surabaya 4 Desember 2010. 2. CANNY, JOHN “A Computational Approach to Edge Detection”, IEEE Transactions On Pattern Analysis And Machine Intelligence”, VOL. PAMI-8, No. 6, November 1986. 3. RILEY, N.A “Projection Sphericity”, Journal of Sedimentary Petrology 11(2), (1941) 94-97. 4. MUNIR, RINALDI, ”Pengolahan Citra Digital dengan Pendekatan Algoritmik”, Penerbit Informatika, Bandung, 2004. 5. WADELL, HAKON, ”Volume, Shape and Roundness of Quartz Particles”. Journal of Geology 43 (3) (1935): 250–280.

DISKUSI ASEP SHOLAHUDIN Bagaimana cara memisahkan gambar yang banyak ? KHAIRINA Ns Dilakukan cropping image secara manual pergambar. DAFTAR RIWAYAT HIDUP 1. 2. 3. 4. 5. 6. 7.

Nama : KHAIRINA NS Instansi / Unit Kerja : BATAN-PPIN Pekerjaan / Jabatan : Staf Riwayat Pendidikan : FMIPA – Universitas Indonesia (lulus 1987) Pengalaman Kerja : 1984 – sekarang : Badan Tenaga Nuklir Nasional Organisasi Profesional : Publikasi Ilmiah yang pernah disajikan/diterbitkan antara lain : • Solusi Numerik Untuk Panas Konduksi Transient Pada Material Berbentuk Lempeng (UNY-2010-penulis utama) • Pemodelan Masalah Konduksi Panas Dengan Pembangkit Energi Pada Hollow Cylinder (SRITI 2011-penulis utama) • Pengembangan Sistem Analisis Ketidakpastian Probabilistik Dari Data Nuklir Untuk Simulasi dan Analisis Neutronik (LKSTN 2008-penulis pendamping) • Dynamic Transient Analysis Of The Structure Based On The Finite Element With The Normal Mode Method (ICANSE 2007- penulis pendamping). 271

KOMPUTASI SPHERICITY BERBASIS IMAGE PROCESSING PADA KERNEL BAHAN BAKAR HTGR. Khairina Ns, D. Andiwijayakusuma

Recommend Documents