PENGENDALIAN KUALITAS CAIRAN DALAM BOTOL BERBASIS PENGOLAHAN CITRA

perpustakaan.uns.ac.id

digilib.uns.ac.id

PENGENDALIAN KUALITAS CAIRAN DALAM BOTOL BERBASIS PENGOLAHAN CITRA

Skripsi

Sebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik

HERU CRISNANTO I 1306045

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 2011 commit to user


digilib.uns.ac.id

ABSTRAK

Heru Crisnanto. NIM : I1306045. PENGENDALIAN KUALITAS VOLUME CAIRAN DALAM BOTOL BERBASIS PENGOLAHAN CITRA. Skripsi. Surakarta : Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret, April 2011. Penelitian ini bertujuan mengembangkan perangkat lunak yang dapat digunakan untuk mengendalikan kualitas volume cairan dalam botol berbasis pengolahan citra. Dalam proses pengisian cairan dalam botol digunakan mesin pengisi otomatis. Dalam proses tersebut, volume cairan merupakan karakteristik kualitas yang penting sehingga harus dikendalikan. Pengendalian kualitas diperlukan untuk memastikan volume cairan berada dalam batas-batas spesifikasi yang telah ditentukan perusahaan. Perangkat lunak dikembangkan dengan menggunakan fungsi pengolahan citra dalam Matlab 7.8. pengolahan citra digunakan karena teknologi ini mempunyai kelebihan dalam kecepatan dan akurasi. Volume hasil estimasi perangkat lunak kemudian dibandingkan dengan volume aktual. Dengan menggunakan uji t-berpasangan disimpulkan bahwa tidak ada perbedaan yang signifikan antara volume actual dengan hasil estimasi perangkat lunak. Kesimpulan yang dapat diambil dari penelitian ini ada dua. Pertama, pengolahan citra dapat digunakan untuk mengestimasi volume cairan dalam botol, dan kedua perangkat lunak yang dihasilkan memberikan kecepatan dan akurasi dalam penentuan cairan dalam botol. penelitian lanjutan dapat dilakukan pada botol berbentuk sembarang dan menambahkan kamera untuk pengambilan gambar.

Kata kunci: pengendalian kualitas, pengolahan citra, botol. x + 55 halaman; 16 tabel; 20 gambar; Daftar pustaka: 18 (1996-2010).

commit to user


digilib.uns.ac.id

ABSTRACT

Heru Crisnanto. NIM : I1306045. CONTROLLING THE QUALITY OF BOTTLE VOLUME USING IMAGE PROCESSING. Thesis. Surakarta : Industrial Engineering Department, Engineering Faculty, Sebelas Maret University, April 2011. This research aims is to develop a software which can be used to control the volume of bottling process based on image processing. In the bottling process, a filling machine is used to fill the bottle with liquid. In filling process the volume of the fluid is an important quality characteristics and needs to be controlled. The Quality control is needed to ensure the volume of fluid remain in the specification range wihich set by the company. The software is developed using image processing functions of Matlab 7.8. The image processing is used since technology has benefits such as speed and accuracy. The result volume which measured using the software is compared to the actual volume. Using paired t-test concluded that there is no significant difference between the actual volume with the results of estimation volume. The conclusion of this research are twofold. First, image processing can be used to estimate the volume of liquid in the bottle, and second the result software gives speed and accuracy in estimating the volume. The next research will deal with estimating the volume of liquid in free form bottle and adding a camera to capture images.

Keywords: quality control, image processing, bottles.

xvii + 55 pages; 16 tables; 20 pictures; references: 18 (1996-2010).

commit to user


digilib.uns.ac.id

BAB I PENDAHULUAN Pada bab ini dijelaskan mengenai latar belakang, perumusan masalah, tujuan penelitian, dan manfaat penelitian yang dilakukan. Berikutnya diuraikan mengenai batasan masalah, asumsi yang digunakan dalam permasalahan, dan sistematika penulisan dalam menyelesaikan penelitian. 1.1 LATAR BELAKANG Kemajuan ilmu pengetahuan dan teknologi industri telah dimanfaatkan dalam bidang industri. Peralatan modern diciptakan guna mempermudah dan mempercepat suatu proses dan kerja di pabrik. Keperluan perangkat yang diperlukan analisis dalam berbagai bidang semakin meningkat. Dalam analisis citra, diperlukan perangkat yang digunakan untuk menganalisis objek, terutama pada produk. Berbagai penelitian yang telah dilakukan, salah satunya dengan metode pengolahan citra pada pengendalian kualitas. Kelebihan pengolahan metode ini, citra dapat dikerjakan secara waktu nyata (Mozef, 2002). Citra atau image adalah suatu gambar benda yang ditafsirkan oleh indera penglihatan (Putra, 2010). Salah satu bentuk dari citra adalah citra digital, citra yang dapat diolah melalui seperangkat program komputer. Salah satu jenis teknik pengolahan citra adalah meningkatkan kualitas citra untuk mendapatkan informasi dari citra tersebut. Citra yang diperoleh dari sarana digitizer, mempunyai banyak kekurangan yang disebabkan adanya noise, ukuran, dan bentuk objek. Sehingga mendorong untuk menciptakan suatu perbaikan citra sesuai dengan yang diharapkan (Sutoyo, 2010). Pada saat ini belum banyak industri yang mengendalikan kualitas volume (isi) produknya. Industri tersebut melakukan pengendalian kualitas sebatas rasa pada produk makanan (Ferdy, 2010) dan penampilan kemasan (Harmawan, 2006). Kemasan botol dalam berbagai industri semakin banyak bentuk dan ragamnya. Pada produk minuman kemasan dalam botol, produk diisi melalui mesin otomatis. Akan tetapi, masih sering dijumpai bahwa mesin pengisi tersebut tidak dapat mengisi botol dalam volume yang sama. Hal ini dapat terjadi karena adanya kerusakan pada sistem katup atau tegangan listrik yang fluktuatif atau human

commit to user I-1


digilib.uns.ac.id

error (Budilaksono, 2010). Oleh karena itu, perusahaan perlu menggunakan sistem pengendalian kualitas isi botol agar volume antara botol satu dengan botol yang lainnya masih dalam batas ketentuan perusahaan. Timbulnya masalah pengendalian kualitas berupa kemasan produk yang tidak sesuai dengan volume standar, yang sebagaimana dicantumkan pada label kemasan. Konsumen menjadi rugi ketika tidak sengaja membeli produk yang tidak sesuai dengan keterangan kemasan, sehingga menjadikan produk yang buruk di sisi pandang konsumen. Alasan ini menjadi perlu suatu sistem yang dapat mengestimasi volume isi cairan dalam kemasan botol dengan efektif. Pengolahan citra diterapkan juga dalam bidang industri yang salah satunya pada proses pengendalian kualitas. Di bidang industri stainless steel, pengolahan citra digunakan untuk mengetahui kualitas permukaan hasil pengecoran logam (Spinola, 2010). Dalam penelitian tersebut, dikembangkan algoritma yang berfungsi mendeteksi dan mengukur jumlah sisa oksida yang tersisa pada permukaan kumparan stainless steel. Pada industri minuman dalam kemasan pengolahan citra digunakan dalam mengendalikan kualitas mulut botol (Yepeng, 2007). Dalam penelitian tersebut, dikembangkan algoritma yang berfungsi mendeteksi kecacatan pada mulut botol bir. Penelitian tersebut tidak hanya memberikan kecepatan, ketelitian dalam inspeksi, tetapi juga memberikan penghematan biaya produksi. Algoritma pengolahan citra juga dikembangkan pada proses pengendalian kualitas batu bata (Schmitt, 2000). Pada penelitian tersebut, dikembangkan algoritma pengolahan citra dalam memeriksa kualitas tonjolan, retakan, dan warna batu bata. Pengolahan citra juga diterapkan untuk mengendalikan ketinggian cairan dalam botol infus (Zhu, 2008).

Pada penelitian ini dikembangkan suatu perangkat lunak untuk digunakan mengestimasi volume cairan dalam botol berbasis pengolahan citra guna keperluan proses pengendalian kualitas. Output dari perangkat lunak berupa peta kendali dari volume cairan. Peta kendali merupakan salah satu alat dari statistical process control yang digunakan mengendalikan proses agar mencegah produk cacat.

commit to user I-2


digilib.uns.ac.id

1.2 PERUMUSAN MASALAH Berdasarkan latar belakang tersebut diatas, maka masalah dalam penelitian ini dapat dirumuskan, yaitu: bagaimana menghasilkan perangkat lunak berbasis pengolahan citra yang digunakan dalam proses pengendalian kualitas pada volume cairan dalam botol. 1.3 TUJUAN PENELITIAN Berdasarkan perumusan masalah yang ditentukan, maka tujuan yang dicapai dalam penelitian ini, yaitu: 1. Mengembangkan algoritma pengukuran volume cairan dalam botol berbasis pengolahan citra. 2. Menghasilkan perangkat lunak yang dapat digunakan untuk pengendalian kualitas volume cairan dalam botol. 3. Melakukan validasi volume cairan terhadap perangkat lunak pengolahan citra. 1.4 MANFAAT PENELITIAN Adapun manfaat yang diperoleh dalam penelitian ini, yaitu: 1.

Memberikan kemudahan dalam mengestimasi volume produk cairan dalam kemasan botol.

2.

Mengurangi kesalahan (human error) dalam pengendalian kualitas volume cairan dalam kemasan botol.

3.

Memberikan kecepatan dalam inspeksi pengendalian kualitas volume produk cairan dalam kemasan botol.

1.5 BATASAN PENELITIAN Batasan masalah dalam penelitian ini, sebagai berikut: 1. Perangkat lunak dirancang menggunakan software Matlab 7.8. 2. Objek pada posisi statis. 3. Edge detection menggunakan metode Sobel. 4. Objek pada citra dalam bentuk 2 dimensi. 1.6 ASUMSI PENELITIAN Asumsi yang digunakan dalam penelitian ini, sebagai berikut: 1. Citra memenuhi syarat untuk diolah dengan perangkat lunak.

commit to user I-3


digilib.uns.ac.id

2. Warna botol tidak mempengaruhi deteksi. 3. Botol pada citra memiliki diameter yang sama. 5. Pandangan terhadap objek simetris.

1.7 SISTEMATIKA PENULISAN Penulisan penelitian dalam laporan tugas akhir ini mengikuti uraian yang diberikan pada setiap bab yang berurutan untuk mempermudah pembahasannya. Dari pokok permasalahan dapat dibagi menjadi enam bab, secara garis besar uraian pada bab-bab dalam sistematika penulisan diuraikan dibawah ini. BAB I

:

PENDAHULUAN Bab ini menguraikan berbagai hal mengenai latar belakang penelitian,

perumusan

masalah,

tujuan

penelitian,

manfaat

penelitian, batasan penelitian, asumsi-asumsi dan sistematika penulisan. Uraian bab ini dimaksudkan menjelaskan latar belakang penelitian yang dilakukan sehingga memberi manfaat sesuai dengan tujuan penelitian, batasan-batasan dan asumsi yang digunakan. BAB II :

TINJAUAN PUSTAKA Bab ini menguraikan teori-teori yang digunakan dalam mendukung penelitian, sehingga perhitungan dan analisis dilakukan secara teoritis. Teori yang dikemukakan dalam hal ini mengenai metode pengolahan citra, menggunakan algoritma deteksi tepi dengan metode sobel dengan pedeteksian both dan horizontal.

BAB III :

METODOLOGI PENELITIAN Bab ini menjelaskan gambaran terstruktur tahap demi tahap proses pelaksanaan penelitian dalam bentuk flow chart, membahas tentang tahapan yang dilalui dalam penyelesaian masalah sesuai dengan permasalahan yang ada mulai dari identifikasi masalah, perumusan masalah, tujuan penelitian, batasan masalah, pengembangan

commit to user I-4


digilib.uns.ac.id

algoritma, sampai dengan kesimpulan dan pemberian saran terhadap penelitian selanjutnya. BAB IV :

PENGUMPULAN DAN PENGOLAHAN DATA Bab ini berisi mengenai data penelitian yang terdiri dari pengembangan

algoritma

dan

hasil

pengujian

program.

Penggambaran berupa flowchart alur proses dari aplikasi dan menjelaskan contoh perhitungan pada tiap-tiap langkah pada algoritma sampai pada hasil akhir. BAB V :

ANALISIS DAN INTERPRETASI HASIL Bab ini berisi interpretasi dari hasil algoritma, dengan menganalisis tingkat akurasi dari aplikasi dengan membandingkan antara volume dari hasil perhitungan perangkat lunak dengan volume sebenarnya.

BAB VI :

KESIMPULAN DAN SARAN Bab ini menguraikan target pencapaian dari tujuan penelitian dan kesimpulan yang diperoleh dari pembahasan masalah. Bab ini juga menguraikan saran dan masukan bagi kelanjutan penelitian.

commit to user I-5


digilib.uns.ac.id

BAB II

TINJAUAN PUSTAKA Pada bab ini diuraikan teori-teori yang digunakan sebagai dasar penelitian pada perancangan prototype perangkat lunak pengendalian kualitas berbasis pengoalahan citra. 2.1 KEMASAN CAIRAN DALAM BOTOL Pengemasan merupakan sistem yang terkoordinasi menyiapkan barang menjadi siap ditransportasikan, didistribusikan, disimpan, dijual, dan dipakai. Adanya wadah atau pembungkus membantu mencegah atau mengurangi kerusakan, melindungi produk yang ada di dalamnya, melindungi dari bahaya pencemaran serta gangguan fisik (gesekan, benturan, getaran). Di samping itu pengemasan berfungsi menempatkan suatu hasil pengolahan atau produk industri agar mempunyai bentuk yang memudahkan proses distribusi. Budaya

kemasan

sebenarnya

dimulai

manusia

mengenal

sistem

penyimpanan bahan makanan. Sistem penyimpanan bahan makanan secara tradisional diawali dengan memasukkan bahan makanan ke dalam suatu wadah yang ditemuinya. Dalam perkembangannya di bidang pascapanen, temuan kemasan baru dan berbagai inovasi selalu dikedepankan oleh para produsen produk-produk pertanian, dan hal ini secara pasti menggeser metode pengemasan tradisional yang sudah ada sejak lama di Indonesia. Botol adalah tempat penyimpanan atau pengemas produk yang berbentuk cair. Botol umumnya terbuat dari gelas, plastik, atau aluminium. Botol banyak digunakan menyimpan atau mengemas produk cair, seperti air minum dalam kemasan, obat-obatan, sabun cair, dan tinta. 2.2 PENGOLAHAN CITRA DIGITAL Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua data dua dimensi. Citra digital adalah barisan bilangan nyata maupun kompleks

commit to user II-1


digilib.uns.ac.id

yang diwakili oleh bit-bit tertentu (Huiyu, 2010). Sebuah citra didefinisikan sebagai fungsi dua dimensi, dimana x dan y adalah koordinat spasial dan amplitudo setiap pasangan koordinat yang disebut tingkat intensitas atau kedalaman citra pada poin itu. Jika x, y, dan nilai-nilai amplitudo dari semua, kuantitas terbatas diskrit. Pengolahan citra digital mengacu pada pengolahan digital citra dengan menggunakan komputer.

Gambar 2.1 Citra digital Sumber: Putra, 2010

Umumnya citra digital berbentuk persegi panjang atau bujur sangkar (pada beberapa sistem pencitraan ada pula yang berbentuk segi enam) yang memiliki lebar dan tinggi tertentu. Ukuran ini dinyatakan dalam banyaknya titik atau pixel sehingga ukuran citra selalu bernilai bulat. Setiap titik memiliki koordinat sesuai posisinya dalam citra. Koordinat ini dinyatakan dalam bilangan bulat positif, yang dimulai dari 0 atau 1 tergantung pada sistem yang digunakan. Setiap titik juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang diwakili oleh titik tersebut (Sutoyo, 2009). Format data citra digital berhubungan erat dengan warna. Pada kebanyakan kasus, terutama guna keperluan penampilan secara visual, nilai data digital merepresentasikan warna dari citra yang diolah. Format citra digital yang banyak dipakai adalah citra biner (monochrome), citra keabuan (grayscale), citra warna (truecolor), dan citra warna berindeks (Bovik, 2009). Pengolahan citra adalah pemrosesan citra, khususnya menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Operasi pengolahan citra diterapkan pada citra (Huiyu, 2010), yaitu:

commit to user II-2


digilib.uns.ac.id

1. Perbaikan atau modifikasi citra perlu dilakukan meningkatkan kualitas penampakan atau menonjolkan beberapa aspek informasi yang terkandung di dalam citra. 2. Elemen di dalam citra perlu dikelompokkan, dicocokkan, atau diukur. 3. Sebagian citra perlu digabung dengan bagian citra yang lain. Salah satu aspek dari pengolahan citra yang membuatnya seperti topik yang menarik

untuk

diteliti

adalah

keragaman

menakjubkan

aplikasi

yang

memanfaatkan pengolahan citra atau teknik analisis. Penerapan setiap cabang ilmu telah subdisiplin yang menggunakan alat perekam atau sensor untuk mengumpulkan data citra dari alam semesta. 2.2.1 Citra Istilah citra (image) yang digunakan dalam bidang pengolahan citra diartikan sebagai fungsi kontinu dari intensitas cahaya dalam bidang dua dimensi (Fahmi, 2007). Citra yang terlihat merupakan cahaya yang direfleksikan dari sebuah objek. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut dan pantulan cahaya ditangkap oleh alat-alat optik, misal mata manusia, kamera, scanner, atau sensor satelit, yang kemudian direkam. Citra sebagai keluaran dari suatu sistem perekaman data bersifat, yaitu: 1. Optik berupa foto. 2. Analog berupa sinyal video seperti citra pada monitor televisi. 3. Digital yang langsung disimpan pada media penyimpan magnetik. 2.2.2 Format Citra Citra digital umumnya berbentuk persegi panjang, secara visualisasi dimensi ukurannya dinyatakan sebagai lebar x tinggi. Ukurannya dinyatakan dalam titik atau pixel (pixel = picture element). Ukurannya dinyatakan dalam satuan panjang (mm atau inci = inch). Resolusi merupakan banyaknya titik di setiap satuan panjang (dot per inch). Makin besar resolusi makin banyak titik yang terkandung dalam citra, sehingga menjadi lebih halus dalam visualisasinya. Format file citra standar yang digunakan saat ini terdiri dari beberapa jenis. Setiap format memiliki karakteristik yang berbeda-beda. Format file citra (Putra, 2010), yaitu:

commit to user II-3


digilib.uns.ac.id

1. Bitmap image file (*.bmp). Format bitmap adalah format penyimpanan standar tanpa kompresi yang umum digunakan menyimpan citra biner hingga citra warna. Format ini terdiri dari beberapa jenis yang setiap jenisnya dengan jumlah bit yang digunakan menyimpan sebuah nilai pixel (Putra, 2010). Banyak pengguna grafis yang menggunakan Bitmap pada built-in subsistem grafis; misalnya, Microsoft Windows dan OS / 2 platform 'subsistem GDI, dimana format tersebut digunakan dalam Windows dan OS lainnya. Format file bitmap, dengan ekstensi file *.bmp atau *.dib. Sementara sebagian besar file bmp memiliki ukuran file yang relatif besar karena tidak adanya kompresi. Sebagian file bmp cukup dikompresi dengan algoritma kompresi data seperti ZIP (dalam kasus ekstrim nondata fotografi, sampai dengan 0,1% dari ukuran asli) karena mereka berisi data berlebihan. Beberapa format, seperti RAR, bahkan termasuk rutinitas khusus ditujukan pada kompresi data yang efisien tersebut. 2. Tagged image format (*.tif, *.tiff). Format *.tif/*.tiff merupakan format penyimpanan citra yang digunakan menyimpan citra bitmap hingga citra warna dengan palet terkompresi (Putra, 2010). Format TIFF menangani kedalaman warna mulai dari 1-bit ke 24-bit. Karena standar TIFF asli diperkenalkan, orang telah membuat perbaikan kecil banyak format, jadi ada sekarang sekitar 50 variasi format TIFF. 3. Portable network graphics (*.png). Format *.png adalah format penyimpanan citra terkompresi. PNG mendukung citra palet berbasis (dengan palet RGB 24-bit atau 32-bit RGB warna), citra grayscale dan RGB (dengan atau tanpa alpha channel). PNG dirancang mentransfer citra pada internet, karena itu tidak mendukung ruang warna RGB seperti CMYK. 4. JPEG (*.Jpg). JPEG adalah format citra yang digunakan oleh kamera digital dan perangkat fotografi menangkap citra lainnya, bersama dengan JPEG/JFIF, itu adalah format yang paling umum dalam menyimpan dan mengirimkan citra foto di world wide website. Format citra yang mendukung mendukung ’imread’ pada Matlab meliputi (Gonzalez, 2004), yaitu:

commit to user II-4


digilib.uns.ac.id

Tabel 2.1 Format yang mendukung pada program Matlab Nama format

Deskripsi

Ekstensi

TIFF

Tagged Image File Format

*.tif, *.tiff

JPEG

Joint Photographic Experts Group

*.jpg, *.jpeg

GIF*

Graphic Interchange Format

*.gif

BMP

Windows Bitmap

*.bmp

PNG

Portable Network Graphic

*.png

XWD

X Windows Dump

*.xwd

*GIF mendukung Imread, tapi tidak mendukung Imwrite Sumber: Gonzalez, 2004

2.2.3 Jenis Citra Nilai suatu pixel memiliki nilai dalam rentang tertentu, dari nilai minimum sampai nilai maksimum. Jangkauan yang digunakan berbeda-beda tergantung jenis warnanya, namun secara umum jangkauannya 0 – 255. Citra dengan pencitraan seperti ini digolongkan kedalam citra integer. Berdasarkan nilai pixel, citra digolongkan antara lain (Putra, 2010), yaitu: 1.

Citra biner (Binary images). Citra biner adalah citra digital yang memiliki dua kemungkinan nilai pixel, yaitu hitam (bit = 0) dan putih (bit = 1) (Putra, 2010). Citra biner hanya memiliki 2 kemungkinan nilai pada setiap piksel-pikselnya, yaitu 0 atau 1. Nilai 0 adalah background points, biasanya bukan merupakan bagian dari citra sesungguhnya. Sedangkan nilai 1 adalah region points, yaitu bagian dari citra sebenarnya (bukan latar belakang). Citra biner juga disebut sebagai citra B&W (black and white) atau citra monokrom, karena dibutuhkan 1 bit dalam mewakili nilai setiap pixel dari citra biner. Proses pembineran dilakukan dengan membulatkan keatas atau kebawah untuk setiap nilai keabuan dari pixel yg berada diatas atau bawah harga ambang. Metode untuk menentukan besarnya harga ambang disebut thresholding.

commit to user II-5


digilib.uns.ac.id

Gambar 2.2 Citra biner Sumber: Gonzalez, 2004

2.

Citra keabuan (grayscale image). Citra digital grayscale atau abu-abu adalah sebuah citra dimana nilai setiap pixel sampel tunggal, citra yang membawa informasi intensitas. Citra keabuan, juga dikenal sebagai hitam-putih, terdiri eksklusif nuansa abu-abu, bervariasi dari hitam pada intensitas putih dari terlemah ke terkuat. Citra grayscale memiliki satu nilai kanal pada setiap pixel, dengan kata lain nilai bagian RED = GREEN = BLUE (Putra, 2010). Citra grayscale berbeda dari citra hitam-putih satu-bit, yang dalam konteks pencitraan komputer adalah citra dengan dua warna, hitam dan putih (juga disebut citra bilevel atau biner). Citra grayscale memiliki banyak nuansa abu-abu di antara pixelnya. Citra grayscale juga disebut monokromatik, yang menunjukkan tidak adanya variasi berwarna. Citra grayscale sering hasil pengukuran intensitas cahaya pada setiap pixel dalam pita tunggal dari spektrum elektromagnetik (misalnya inframerah, cahaya tampak, ultraviolet), dan dalam permasalahan seperti monokromatik yang tepat ketika frekuensi yang diberikan dan diterima dalam pixel. Tapi, disintesis dari citra penuh warna, lihat bagian tentang konversi ke grayscale.

commit to user II-6


digilib.uns.ac.id

Gambar 2.3 Citra grayscale Sumber: Gonzalez, 2004

3. Citra warna (red green blue). Model warna RGB (red, green, blue) adalah model warna aditif di mana merah, hijau, dan biru ditambahkan bersama dalam berbagai cara menghasilkan array yang luas dari warna. Nama model yang berasal dari inisial dari tiga warna primer aditif merah, hijau, dan biru. Tujuan utama dari model warna RGB adalah representasi, merasakan, dan menampilkan citra dalam sistem elektronik, seperti televisi dan komputer, digunakan dalam fotografi konvensional. Sebelum usia elektronik, model warna RGB sudah punya teori yang solid di balik itu, yang berbasis di persepsi manusia terhadap warna. RGB adalah model warna tergantung perangkat mendeteksi perangkat yang berbeda atau memperbanyak nilai RGB yang diberikan berbeda. Citra RGB memiliki elemen warna dan tingkatan R, G, dan B individu bervariasi dari produsen ke produsen, atau bahkan pada perangkat yang sama dari waktu ke waktu. Jadi nilai RGB tidak mendefinisikan warna yang sama di seluruh perangkat tanpa semacam manajemen warna. Gambar 2.4 menunjukkan citra yang mengandung bit RGB.

commit to user II-7


digilib.uns.ac.id

Gambar 2.4 Citra RGB Sumber: Gonzalez, 2004

2.2.4 Analisis Citra Fungsi operasi analisis citra (image analysis), bertujuan menghitung besaran kuantitif dari citra yang menghasilkan deskripsinya. Teknik analisis citra mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek. Proses segmentasi kadangkala diperlukan melokalisasi objek dari sekelilingnya. Contoh operasi analisis citra (Huiyu, 2010), yaitu: 1. Pendeteksian tepi objek (edge detection). 2. Ekstraksi batas (boundary). 3. Representasi daerah (region). 2.3 PENGOLAHAN CITRA DENGAN MATLAB Matlab adalah sebuah bahasa dengan kinerja tinggi (high performance) untuk komputasi masalah teknik. Matlab mengintegrasikan komputasi, visualisasi, dan pemrograman dalam suatu model yang sangat mudah untuk pakai dimana masalah dan penyelesaiannya diekspresikan dalam notasi matematika yang familiar. Penggunaan Matlab meliputi bidang-bidang, yaitu: 1.

Matematika dan komputasi.

2.

Pembentukan algorithm.

3.

Akuisisi data.

4.

Pemodelan, simulasi, dan pembuatan prototype.

5.

Analisa data, eksplorasi, dan visualisasi.

6.

Grafik keilmuan dan bidang rekayasa. Matlab merupakan suatu sistem interaktif yang memiliki elemen data dalam

suatu array sehingga tidak lagi terhalang dengan masalah dimensi. Hal ini memungkinkan untuk memecahkan banyak masalah teknis yang terkait dengan

commit to user II-8


digilib.uns.ac.id

komputasi. Program Matlab dikhususkan yang berhubungan dengan matriks dan formulasi vektor, masalah ini menjadi masalah apabila penyelesaiannya dengan menggunakan bahasa tingkat rendah seperti Pascall, C dan Basic. 2.3.1 Input Citra Membaca citra grayscale atau warna (RGB) dari file yang ditetapkan oleh string nama file. Format citra yang mendukung fungsi ‘imread’ Matlab dijelaskan pada Table 2.1.

Hasil sampling dan kuantisasi adalah matriks bilangan real.

Koordinat citra f (x,y) yang merupakan contoh dari hasil pengolahan dimana R (row) adalah baris, dan C (coloumn) adalah kolom, maka disebut citra memiliki ukuran R X C. Hasil dari koordinat (x,y) adalah jumlah diskrit. Umumnya, metode yang mengungkapkan lokasi di citra menggunakan koordinat pixel. Dalam sistem koordinat, citra diperlakukan sebagai kotak elemen diskret, memerintahkan dari atas ke bawah dan kiri ke kanan, seperti yang tunjukan dengan Citra 2.5.

Citra 2.5 Sistem koordinat pixel Sumber: Matlab Toolbox, 2008

Untuk pixel koordinat r, komponen pertama (baris) meningkat ke bawah, sedangkan c, komponen kedua (kolom) meningkat ke kanan. Koordinat Pixel dan kisaran nilai integer antara 1 dan panjang baris atau kolom. Ada korespondensi satu-satu antara pixel koordinat dan koordinat Matlab menggunakan untuk subscripting matriks. Hal ini membuat hubungan antara data matriks citra dan cara citra ditampilkan menjadi mudah dipahami. Sebagai contoh, data untuk pixel pada baris kelima, kolom kedua disimpan dalam elemen matriks (5, 2). Citra standar dalam program Matlab adalah citra RGB. Contoh pembacaan citra RGB dalam Matlab yang ditranformasi dalam bentuk matriks.

commit to user II-9


digilib.uns.ac.id

Gambar 2.6 Tranformasi citra menjadi matriks Sumber: Matlab Toolbox, 2008

Pada Citra 2.6 menunjukan pengolahan transformasi citra RGB kedalam bentuk matriks dengan class kedalaman pixel uint8. Matriks yang dihasilkan memberikan tiga informasi pixel, yaitu red, green, dan blue. Setiap warna dasar menggunakan penyimpanan 8 bit = 1 Byte yang berarti setiap warna mempunyai gradasi sebanyak 255 warna.

2.3.2 Transformasi Citra Citra warna (RGB) diubah menjadi citra grayscale dengan cara menghitung rata-rata elemen warna Red, Green, Blue (Sutoyo, 2009). Secara matematis perhitungannya, sebagai berikut: f0 (x,y) = f r (x,y) + f g(x,y) + f b(x,y) …………………..

(2.1)

3 dengan; f0 = Pixel grayscale (x,y) = koordinat pixel fR = nilai Pixel red fG= nilai Pixel green fB = nilai Pixel blue Misal pada matriks citra RGB berukuran 5 X 5 akan ditransformasikan ke bentuk grayscale. Tabel 2.2 Matriks citra RGB R = 50 G = 65 B = 50 R = 40

R = 40 G = 40 B = 45 R = 40

R = 90 G = 90 B = 90 R = 40

commit to user II-10

R = 80 G = 50 B = 50 R = 20

R = 50 G = 30 B = 40 R = 50


G = 80 B = 30 R = 80 G = 60 B = 40 R = 50 G = 90 B = 70 R = 60 G = 60 B = 60

digilib.uns.ac.id

G = 80 B = 50 R = 70 G = 70 B = 70 R = 40 G = 60 B = 50 R = 40 G = 60 B = 80

G = 90 B = 80 R = 80 G = 90 B = 70 R = 70 G = 70 B = 70 R = 80 G = 80 B = 80

G = 20 B = 50 R = 10 G = 70 B = 10 R = 60 G = 20 B = 40 R = 70 G = 60 B = 50

G = 60 B = 70 R = 80 G = 50 B = 80 R = 50 G = 80 B = 50 R = 90 G = 80 B = 70

Perhitungannya: o f0 (1,1) = f r 50 + f g60 + f b 50 3

= 55

o f0 (1,2) = f r40 + f g40 + f b 45 3

= 41.6 (45)

o f0 (2,1) = f r 40 + f g80 + f b 30 3

= 50

Bila perhitungan menghasilkan bilangan pecahan, maka program Matlab dibulatkan ke atas pada nilai pixel terdekat dengan kelipatan 5. Hasil perhitungan total menjadi citra grayscale. Tabel 2.3 Matriks hasil citra grayscale 55

45

90

60

40

50

60

70

30

60

60

70

80

30

70

70

50

70

40

60

60

60

80

60

80

2.3.3 Deteksi Tepi Deteksi tepi (edge detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya (Louban, 2009), yaitu: 1. Menandai bagian yang menjadi detail citra.



digilib.uns.ac.id

2. Memperbaiki detail dari citra yang kabur, yang terjadi karena error atau adanya efek dari proses akuisisi citra. Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Tepian suatu citra mengandung informasi penting dari citra bersangkutan. Beberapa metode proses deteksi tepi, yaitu: 1. Metode Sobel 2. Metode Prewitt 3. Metode Robert Metode yang banyak digunakan proses deteksi tepi adalah metode Robert, Prewitt dan Sobel (Gonzalez, 2002). 2.3.4 Metode Sobel Metode

Sobel

merupakan

pengembangan

metode

Robert

dengan

menggunakan filter High Pass Filter (HPF) yang diberi satu angka nol penyangga (Sutoyo,2009). Metode ini mengambil prinsip dari fungsi Laplacian dan Gaussian yang dikenal sebagai fungsi membangkitkan HPF. Kelebihan dari metode Sobel adalah kemampuan mengurangi noise sebelum melakukan perhitungan deteksi tepi. Secara sederhana, operator menghitung gradien intensitas citra pada setiap titik, memberikan arah peningkatan kemungkinan terbesar dari terang ke gelap dan laju perubahan ke arah itu. Hasil itu menunjukkan bagaimana tingkat perubahan citra pada titik itu, dan oleh karena itu bagaimana besar kemungkinan bahwa bagian citra mewakili sebuah sisi, serta bagaimana tepi yang cenderung berorientasi. Prakteknya, besarnya (kemungkinan tepi) perhitungan lebih diandalkan dan lebih mudah diinterpretasikan daripada perhitungan arah. Secara matematis, gradien dari fungsi dua variabel (di sini fungsi intensitas citra) adalah pada setiap titik citra vektor 2D dengan komponen yang diberikan oleh turunan dalam arah horisontal dan vertikal. Pada setiap titik citra, titik-titik vektor gradien dalam arah meningkatkan intensitas terbesar mungkin, dan panjang dari vektor gradien sesuai dengan tingkat perubahan ke arah itu. Berarti hasil operator Sobel pada titik citra yang berada dalam wilayah intensitas konstan citra vektor nol dan pada satu titik di tepi adalah vektor yang menunjuk di tepi, dari

commit to user

II-12


digilib.uns.ac.id

gelap ke nilai cerah. Kernel filter yang digunakan dalam metode Sobel (Sutoyo, 2009). ⎡− 1 − 2 − 1⎤ Gx = ⎢⎢ 0 0 0 ⎥⎥ ⎢⎣ 1 2 1 ⎥⎦

⎡ − 1 0 1⎤ G y = ⎢⎢ − 2 0 2 ⎥⎥ ⎢⎣ − 1 0 1 ⎥⎦

Sedangkan mencari resultan gradien, dihitung dengan persamaan 2.2.

G = Gx 2 + Gy 2

…………………………………….. (2.2)

Citra yang dirubah dalam bentuk matriks, difilter dengan kernel filter Sobel dihitung dengan cara konvolusi. Gambar 2.7 menunjukkan hasil pengolahan citra asli dengan metode Sobel. Secara teknis, metode Sobel adalah operator diferensiasi diskrit, komputasi pendekatan gradien dari fungsi intensitas citra. Setiap titik pada citra, hasil dari operator Sobel adalah baik vektor gradien yang sesuai atau norma vektor ini. Perhitungan pada matriks 5 X 5.

(a)

(b)

Citra 2.7 Citra asli (a), hasil deteksi tepi dengan metode Sobel (b) Sumber: Matlab Toolbox, 2008

Tabel 2.4 Matriks citra 5 X 5 3

4

2

5

1

2

6

6

4

2

3

5

7

1

3

4

2

5

7

1

2

5

1

3

2

Maka nilai hasil matriks 5 X 5 adalah -1, yang artinya untuk menghitung tingkat ketajaman perubahan warna tersebut. Proses filter metode Sobel menggunakan prinsip konvolusi matriks. Maka dalam hasil matriks pada citra dengan metode Sobel sebagai berikut: Tabel 2.5 Matriks citra hasil metode sobel



digilib.uns.ac.id

-1

2.3.5

Operasi Ambang Batas Operasi ambang batas atau thresholding adalah metode yang paling

sederhana segmentasi citra. Pada citra grayscale, thresholding digunakan membuat citra biner. Selama proses thresholding, pixel individu dalam citra ditandai sebagai "objek" pixel jika nilai mereka lebih besar dari beberapa nilai threshold (asumsi benda menjadi lebih terang daripada latar belakang) dan sebagai pixel "latar belakang" sebaliknya. Konvensi ini dikenal sebagai ambang atas. Varian termasuk ambang bawah yang merupakan kebalikan dari ambang batas atas. Ambang batas, merupakan sebuah pixel diberi label "obyek" jika nilai adalah antara dua ambang, dan di luar ambang batas, yang merupakan kebalikan dari ambang batas dalam. Sebuah pixel objek diberi nilai "1" sementara pixel latar belakang diberikan sebuah nilai dari Akhirnya, suatu citra biner yang dibuat oleh masing-masing pixel warna putih atau hitam, tergantung pada label pixel "0".

Citra 2.8 Hasil threshold Sumber: Bovik, 2010

Salah satu metode yang relatif sederhana, tidak memerlukan pengetahuan khusus banyak citra, dan tahan terhadap noise. Sebuah ambang batas awal (T) dipilih, hal ini dilakukan secara acak atau sesuai dengan metode lainnya yang digunakan. Citra tersegmentasi ke dalam pixel objek dan latar belakang seperti diuraikan di atas, menciptakan dua set:

G1 = {f(m,n):f(m,n)>T} (pixel Objek) ………………… (2.3)



digilib.uns.ac.id

G2 = {f(m,n):f(m,n)<= T} (pixel background)………… (2.4) dengan; m = kolom posisi pixel n = baris posisi pixel Rata-rata setiap set dihitung, T’ = (m1 + m2)/2 T’ = Threshold M1 = rata-rata nilai G1 M2 = rata-rata nilai G2 Operasi Thresholding mempunyai ketentuan berikut (Sutoyo, 2009), nilai intensitas output f0(x,y) = 0, bila nilai intensitas inputnya fi(x,y) = ≤ 0, nilai f0(x,y) = T1 bila T2 < fi(x,y) ≤ T3, . . . , nilai f0(x,y) = Tn-1 bila Tn-1 < fi(x,y) < Tn. 2.3.6 Thinning Thinning merupakan tahapan yang penting dalam proses image processing. Hal ini dikarenakan prosedur thinning memainkan peranan yang penting dalam suatu ruang lingkup yang luas dari masalah yang timbul dalam image processing. Thinning merupakan metode yang digunakan dalam skeletonizing yang salah satu penggunaanya adalah dalam aplikasi pattern recognition. Terdapat cukup banyak algoritma image thinning dengan tingkat kompleksitas, efisiensi dan akurasi yang berbeda-beda. Thinning membahas beberapa algoritma yang tersedia. Citra yang digunakan adalah citra biner, jika citra itu merupakan suatu citra grayscale, biasanya dilakukan thresholding terlebih dahulu sedemikian rupa sehingga citra tersebut menjadi citra biner. Citra biner adalah citra yang memiliki 2 kemungkinan nilai pada setiap pixel, yaitu 0 atau 1. Nilai 0 adalah background points, biasanya bukan merupakan bagian dari citra sesungguhnya. Sedangkan nilai 1 adalah region points, yaitu bagian dari citra sebenarnya (bukan latar belakang). Citra hasil dari algoritma thinning biasanya disebut dengan skeleton. Suatu algoritma thinning yang dilakukan terhadap citra biner seharusnya memenuhi kriteria, sebagai berikut:



digilib.uns.ac.id

1. Skeleton dari citra kira-kira berada di bagian tengah dari citra awal sebelum dilakukan thinning. 2. Citra hasil dari algoritma thinning harus tetap menjaga struktur keterhubungan yang sama dengan citra awal. 3. Skeleton memiliki bentuk yang hampir mirip dengan citra awal. 4. Skeleton smengandung jumlah pixel yang seminimal mungkin namun tetap memenuhi kriteria-kriteria sebelumnya. 2.3.7 Konvolusi Konvolusi (covolution) didefinisikan sebagai cara mengkombinasikan dua buah deret angka yang menghasilkan deret angka yang ketiga. Secara matematis, konvolusi adalah integral yang mencerminkan jumlah lingkupan dari sebuah fungsi a yang digeser atas fungsi b sehingga menghasilkan fungsi c. Konvolusi dilambangkan dengan asterisk (*). Sehingga, a*b = c berarti fungsi a dikonvolusikan dengan fungsi b menghasilkan fungsi c. Kernel filter sobel mengikuti konsep konvolusi, merupakan suatu metode yang operasinya secara bergeser pada citra input f(x), yang dalam hal ini jumlah perkalian kedua fungsi pada setiap titik merupakan hasil konvolusi yang dinyatakan sebagai output h(x). Operasi konvolusi dilakukan dengan menggeser kernel konvolusi pixel per pixel. Hasil dari konvolusi disimpan didalam matriks yang baru atau hasil. Sebagai contoh, sebuah citra f(x,y) yang berukuran 5x5 dan sebuah kernel filter berukuran 3x3. Tabel 2.6 Matriks asli 4

4

3

5

4

6

6

5

5

2

5

6

6

6

2

6

7

5

5

3

3

5

2

4

4



digilib.uns.ac.id

Tabel 2.7 Matriks kernel filter 0

-1

0

1

4

1

0

1

0

Operasi konvolusi dapat dicitrakan Tabel 2.6. Tabel 2.8 Matriks proses konvolusi pertama 4

4

3

5

4

6

6

5

5

2

5

6

6

6

2

5

5

3

2

4

4

6 3

5

Nilai intensitas baru dari pixel pada posisi (0,0) dari kernel dihitung dengan cara, yaitu: (0 * 4) + (-1 * 4) + (0 * 3) + (-1 * 6) + (4 * 6) + (-1 * 5) + (0 * 5) + (-1 * 6) + (0 * 6) = 3

Tabel 2.9 Matriks hasil konvolusi pertama

3

Setelah nilai hasil konvolusi pertama diperoleh, maka perhitungan konvolusi kedua, dengan mengeser kernel satu pixel kekanan, kemudian pitung pixel pada posisi (0,0) dari kernel. Kemudian letakkan nilai dari konvolusi pada posisi (0,0) dari kernel.



digilib.uns.ac.id

Tabel 2.10 Proses konvolusi pertama 4

4

3

5

4

6

6

5

5

2

5

6

6

6

2

6

7

5

5

3

3

5

2

4

4

Dengan perhitungan yang sama, hasil perhitungan kedua menghasilkan 0. Tabel 2.11 Matriks hasil proses konvolusi kedua

3

0

Dengan 9 kali perhitungan konvolusi maka didapat matriks pada Table 2.10

Tabel 2.12 Matriks hasil konvolusi

3

0

8

0

2

6

6

0

2

Pada perhitungan konvolusi menghasilkan nilai pixel negatif, maka nilai tersebut dijadikan 0. Nilai hasil konvolusi menghasilkan nilai pixel lebih besar dari nilai keabuan maksimum, maka nilai tersebut dijadikan nilai keabuan maksimum. Masalah timbul bila pixel yang dikonvolusi adalah pixel tepi (border),



digilib.uns.ac.id

karena beberapa koefisien konvolusi tidak dapat diposisikan pada pixel citra. Masalah ini selalu terjadi pada pixel pinggir kiri, kanan, atas, dan bawah. Tabel 2.13 Matriks proses konvolusi tepi 4

4

3

5

4

6

6

5

5

2

5

6

6

6

2

6

7

5

5

3

3

5

2

4

4

Penyelesaian untuk masalah ini, yaitu: 1. Pixel pinggir diabaikan. (tidak dikonvolusi). 2. Duplikat elemen citra. 3. Pixel kernel yang tidak ada diberi nilai nol (0).

2.3 PENGENDALIAN KUALITAS Menurut Crosby (Mitra, 1998) kualitas adalah

kesesuaian dengan

persyaratan atau spesifikasi. Dalam industri manufaktur, ada beberapa dimensi kualitas. Dimensi ini digunakan melihat dari sisi mana kualitas dinilai. Suatu perusahaan terkadang memakai salah satu dari sekian banyak dimensi yang ada. Delapan dimensi kualitas (Garvin, 1996), adalah: 1. Performance (performa), menyangkut karakteristik operasi dasar. 2. Durability (ketahanan), jangka waktu hidup sebelum tiba saatnya diganti. 3. Serviceability, kemudahan servis atau perbaikan ketika dibutuhkan. 4. Aesthetics (estetik), menyangkut tampilan, rasa, bunyi, bau, atau rasa. 5. Perceived quality, mutu atau kualitas yang diterima dan dirasa konsumen. 6. Conformance, kesesuaian kinerja dan mutu produk dengan standar. 7.Reliability (keandalan), kemungkinan produk untuk tidak berfungsi pada periode waktu tertentu. 8. Featutes (fitur), item ekstra yang ditambahkan pada fitur dasar. Paparan di atas tergolong kompleks dan cukup rumit untuk dapat memenuhi ke delapan dimensi kualitas tersebut dari sisi produsen atau pabrikan (Garvin,

commit to user

II-19


digilib.uns.ac.id

1996). Mulai dari perencanaan perancangan produk, manufaktur, supplier, pemasaran, sampai layanan purna jual. Khusus bagi industri pemula akan menghadapi masalah dan tantangan kompleks agar dapat membuat produk yang ”berkualitas”. Namun banyak perusahaan besar dan sukses menyakini bahwa menawarkan produk dengan memenuhi delapan dimensi kualitas Garvin memberikan dampak besar bagi peningkatan profitabilitasnya. Pengawasan kualitas secara statistik merupakan salah satu alat ilmiah yang semakin banyak digunakan oleh manajemen modern untuk mempertahankan standar kualitas. Pengawasan statistik ini didasarkan pada kemungkinan dan dapat gambarkan sebagai sistem untuk pengawasan terhadap kualitas produksi dalam batas-batas tertentu. Dalam setiap proses produksi pada suatu perusahaan, tidak ada proses produksi yang konsisten seluruhnya dan hasil produksi setiap produk terkena variabilitas. Pengawasan proses biasanya dilakukan melalui bagan-bagan pengendalian yang merupakan alat statistik yang dapat digunakan untuk mengungkapkan variasi dalam kualitas hasil produksi. Peta Kendali adalah alat fundamental dari pengendalian proses statistik, yang menunjukkan kisaran variabilitas yang dibangun dalam sistem. Peta kendali ini membantu menentukan apakah proses bekerja secara konsisten atau apakah sebab tertentu telah terjadi yang mengubah rata-rata proses atau variasi, membedakan penyebab khusus variasi dari penyebab umum variasi (Mitra,1998). Jika analisis peta kendali menunjukkan bahwa proses saat ini sedang dalam kendali (stabil dengan variasi berasal dari sumber-sumber umum proses) kemudian data dari proses digunakan memprediksi kinerja masa depan proses. Jika grafik menunjukkan bahwa proses yang dipantau tidak dalam kendali, analisa grafik membantu menentukan sumber-sumber variasi, yang kemudian dihilangkan membawa proses tersebut kembali dikendalikan. Peta kendali jenis tertentu bagan menjalankan yang

memungkinkan perubahan signifikan dibedakan dari

variabilitas alami dari proses. Peta kendali dilihat sebagai bagian dari pendekatan obyektif dan disiplin yang memungkinkan keputusan yang tepat tentang pengendalian proses, termasuk apakah mengubah parameter proses kendali. Parameter proses tidak boleh disesuaikan proses yang ada, karena hal ini akan menghasilkan kinerja proses terdegradasi.



digilib.uns.ac.id

Citra 2.99 Peta kend dali Sumber: Mittra, 1998

Uji t berpasangan b n (paired t-ttest) biasany ya menguji perbedaan antara dua p pengamatan . Uji t berppasangan dillakukan padda subjek yyang diuji pada situasi s sebelum dan sesudah proses, atauu subjek yaang berpasaangan ataupu un serupa. H Hipotesis daata yang dig gunakan tidaak bebas (berpasangan). Ciri-ciri yang y paling s sering ditem mui pada kasus k yangg berpasanggan adalah satu indiviidu (objek p penelitian) dikenai 2 buah b perlakuuan yang berbeda. b Waalaupun menggunakan i individu yan ng sama, penneliti tetap m memperolehh 2 macam ddata sampel,, yaitu data d dari perlaku uan pertama dan dataa dari perlaakuan keduaa. Perlakuaan pertama m mungkin saj aja berupa kontrol, k yaittu tidak meemberikan pperlakuan saama sekali t terhadap objjek penelitian. 2 PENEL 2.4 LITIAN PEN NUNJANG G Peneelitian-peneliitian tentangg pengolahann citra telah dikembangkkan dengan j judul “Imagee Processingg for Surfacee Quality Co ontrol in Staiinless Steel Production P L Lines” (Spin nola, 2010) membahas m ttentang meraancang algoritma pengoolahan citra y yang diaplik kasikan padaa lini produuksi industri stainlees stteels. Pengo olahan citra d digunakan m mendeteksi s sisa oksidann yang meneempel pada permukaan kumparan s stainless steeels. Penelittiaannya terrsebut meng gaplikasikan dengan pengendalian k kualitas secaara realtime pada baja leembaran yanng diproduksi. Makalah dengaan judul ““Aplication Of Digitaal Image Processing P T Technology To The Moounth Of Beeer Botlle Defect D Inspecction” (Yepeng, 2007)

commit to user

II-221


digilib.uns.ac.id

mengembangkan algoritma sebuah metode yang mendeteksi cacat pada mulut botol bir. Penelitiannya menghitung elemen rata-rata warna grayscale pixel. Metode ini juga memberikan inspeksi kecepatan dan ketepatan, sehingga menghemat biaya. Makalah jurnal “New Algorithm of Liquid Level of Infusion Bottle Based on Image Processing” (Zhu, 2008), mengembangkan kunci sistem infus cerdas adalah untuk mendeteksi cair tingkat botol infus cepat dan akurat. Penelitian tersebut mengusulkan algoritma deteksi otomatis tingkat cair botol infus berbasis pengolahan citra, dengan merancang deteksi tepi, binarisasi, penyaringan, citra proyeksi dan deteksi gerakan tingkat cairan secara otomatis. Algoritma tersebut memiliki keuntungan tidak terpengaruh kebisingan, mampu mendeteksi secara realtime dan bersifat sederhana. Hasil percobaan pada penelitian tersebut, menunjukkan bahwa algoritma yang dirancang efektif dan layak.



digilib.uns.ac.id

BAB III METODOLOGI PENELITIAN Pada bab ini dibahas mengenai metodologi penelitian, dimulai dari perumusan masalah sampai kesimpulan. Adapun metodologi penelitian dapat dilihat pada gambar 3.1.

tidak

ya

Gambar 3.1 Metodologi Penelitian

commit to user III-1


3.1

digilib.uns.ac.id

TAHAP IDENTIFIKASI MASALAH Pendahuluan merupakan awal dalam penelitian. Tahap ini diawali dengan

studi literatur, studi lapangan, perumusan masalah, penentuan tujuan penelitian dan menentukan manfaat penelitian. Langkah yang ada pada tahap identifikasi masalah dimulai dari tahap perumusan masalah. Rumusan masalah disusun berdasarkan identifikasi masalah. Perumusan masalah dilakukan dengan menetapkan sasaran yang dibahas untuk kemudian dicari solusi pemecahan masalahnya. Perumusan masalah dilakukan supaya fokus dalam membahas permasalahan yang dihadapi. Setelah perumusan masalah selesai kemudian dilanjutkaan dengan menentukan tujuan penelitian. Tujuan penelitian ditetapkan supaya penelitian yang dilakukan dapat menjawab dan menyelesaikan rumusan masalah yang dihadapi. setelah perumusan masalah dan tujuan penelitian selesai ditetapkan maka langkah selanjutnya berupa menentukan manfaat dari penelitian. Suatu permasalahan diteliti apabila di dalamnya mengandung unsur manfaat. Agar memenuhi suatu unsur manfaat maka perlu ditentukan terlebih dahulu manfaat yang didapatkan dari suatu penelitian. 1. Latar belakang Saat ini banyak industri yang mengemas produknya dalam botol. misalnya produk kemasan minuman, shampoo dan parfum. Proses pengisian cairan produk kedalam botol menggunakan mesin otomatis, sehingga volume cairan dalam kemasan menjadi karakteristik yang dikendalikan pada saat proses. Perusahaan perlu menggunakan sistem pengendalian kualitas isi botol agar volume antara botol satu dengan yang lainnya masih dalam batas spesifikasi standar ketentuan dari perusahaan. Hal ini menyebabkan munculnya masalah kualitas berupa kemasan produk yang tidak sesuai dengan volume standar sebagaimana dicantumkan pada label kemasan. Maka diperlukan sebuah perangkat lunak yang mampu menganalisis dan mengestimasi volume cairan dalam kemasan botol. 2. Perumusan masalah Setelah dilakukan identifikasi permasalahan volume cairan dalam kemasan botol, maka diketahui permasalahan dalam penelitian ini, yaitu bagaimana



digilib.uns.ac.id

menghasilkan perangkat lunak berbasis pengolahan citra yang digunakan dalam pengendalian kualitas volume cairan botol pada citra. 3. Penentuan Tujuan dan Manfaat Penelitian Setelah penentukan perumusan permasalahan volume cairan dalam kemasan botol, langkah selanjutnya menentukan tujuan dan manfaat penelitian. Penetuan tujuan dan manfaat dimaksudkan pada penelitian ini diketahui output yang dihasilkan, yaitu: 1. Membuat program yang mampu mengolah citra. 2. Keperluan model identifikasi volume cairan dalam kemasan botol. 3. Pengujian terhadap model perangkat lunak pengolahan citra. 4. Studi Pustaka Pada tahap ini dilakukan studi pendahuluan tentang pengolahan citra dan perangkat

lunak Matlab 7.8 yang digunakan merancang perangkat lunak.

Dimaksudkan guna memperoleh gambaran mengenai teori-teori dan konsepkonsep yang mendasar tentang permasalahan dalam penelitian sehingga hasil yang diperoleh bersifat ilmiah. Referensi yang digunakan meliputi pustaka tentang analisis dan perancangan sistem serta pustaka-pustaka yang berhubungan dengan penelitian ini. 3.2 TAHAP PENGEMBANGAN ALGORITMA Pada tahap ini, melakukan pengembangan terhadap algoritma yang diterapkan pada proses pengendalian kualitas volume cairan pada produk kemasan. Algoritma pengolahan citra yang dirancang dibagi kedalam beberapa tahap. Tahapan yang dipakai dalam menyusun algoritma meliputi proses pengolahan citra dari memasukkan citra hingga grafik volume secara realtime. 3.2.1 Deteksi Tepi Suatu obyek yang berada dalam bidang citra dan tidak bersinggungan dengan batas bidang citra, berarti obyek tersebut dikelilingi daerah yang bukan obyek pada latar belakang. Pertemuan antara bagian obyek dan bagian latar belakang disebut tepi obyek. Bila dua buah atau lebih obyek saling tumpang tindih, bila intensitas tidak sama akan meninggalkan jejak tepi sehingga diketahui



digilib.uns.ac.id

obyek yang satu berada di depan obyek yang lain atau sebaliknya. Hal ini penting untuk mengembalikan atau merekonstruksi bentuk yang seharusnya dari obyek yang berada di belakang obyek lainnya, atau memisahkan obyek yang tumpang tindih sehingga mampu dianalisis secara individu. Dengan demikian tepi suatu obyek juga berguna untuk memisahkan obyek-obyek yang saling bersinggungan sehingga tidak dianggap sebagai satu obyek yang besar dan tetap dapat dilacak atau dianalisis secara individu. Deteksi tepi digunakan dalam menentukan lokasi titik-titik yang merupakan tepi obyek berupa botol kemasan. Secara umum, tepi suatu obyek dalam citra dinyatakan sebagai titik yang nilai keabuannya berbeda cukup besar dengan titik yang ada di sebelahnya. Langkah-langkah dalam mendeteksi tepian dari objek dengan mengubah gambar menjadi citra grayscale. Pengubahan menjadi citra grayscale disini bertujuan mengetahui tingkat ketajaman perubahan warna. Citra grayscale difilter dengan kernel metode Sobel both dalam menentukan batas bawah botol dan metode Sobel horiszontal menentukan batasan tinggi cairan. 3.2.2

Poin Koordinat Citra diubah dalam bentuk matriks dengan posisi baris x kolom, sehingga

diketahui posisi poinnya. Poin koordinat yang ditentukan adalah poin batas bawah dan batas tingkat cairan. Poin koordinat pixel dimanfaatkan dalam menghitung ketinggian cairan, dengan dikalikan dengan skala. Setelah antara poin batas atas dan batas bawah pada koordinat ditentukan, maka dibuat garis sebagai pengukur ketinggian cairan. Hasil ini dihitung volume cairan dalam kemasan dalam botol pada citra. 3.2.3 Plot Peta Kendali Pada tahap ini, perangkat lunak Data volume diplotkan kedalam bentuk control chart (peta kendali). Peta kendali merupakan grafik yang menyajikan keadaan produksi secara kronologi (jam per jam atau hari per hari). Data pada peta kendali dalam bentuk baris dan kolom matriks disimbolkan berupa x sebagai urutan dari pengukuran volume dan y sebagai ukuran volumenya.



digilib.uns.ac.id

3.3 TAHAP PERANCANGAN DAN PENGEMBANGAN PERANGKAT LUNAK Tahap pengembangan algoritma dilanjutkan dengan perancangan dan pengembangan aplikasi dari algoritma yang telah terkumpul. Algoritma-algoritma dituangkan dalam desain perangkat lunak. Algoritma yang digunakan dalam menyusun perangkat lunak adalah edge detection, get point, dan plot. Algoritma tersebut

dikembangkan

dalam menghasilkan

algoritma

perangkat

lunak

pengolahan citra volume cairan dalam kemasan botol. setelah algoritma pendukung dirancang, maka disusunlah dalam bentuk GUI guna memudahkan pengguna dalam memberikan perintah perangkat lunak dalam menganalisi volume. Setelah diperoleh hasil berupa volume cairan pada citra, kemudian membuat sebuah control chart yang menyatakan catatan volume cairan dalam botol. 3.4 TAHAP UJI COBA PERANGKAT LUNAK Perngujian perangkat lunak bertujuan mengetahui apakah aplikasi layak dipakai atau tidak, maka dilakukan pengujian program perangkat lunak. Jika program aplikasi belum layak maka program yang telah dibuat perlu diperbaiki. Pengujian dilakukan menghitung volume cairan dari citra produk, yaitu dengan membandingkan volume hasil hitung perangkat lunak dengan volume nyata. 3.5 TAHAP ANALISIS PERANGKAT LUNAK Pada tahap ini dilakukan analisis terhadap perangkat lunak ini layak diterapkan atau tidak. Analisis dilakukan guna mengetahui keakuratan perangkat lunak ini dalam menghitung volume dalam kemasan. Pengujian terhadap perangkat lunak pada analisis deteksi tepi, dengan melakukan analisis pada beberapa macam citra dengan macam warna cairan yang berbeda.

Analisis

volume dilakukan dengan membandingkan volume penghitungan secara manual (nilai ukuran sebenarnya) dengan penghitungan dengan perangkat lunak. Hasil penghitungan dan perbandingan beberapa macam citra, yang bisa diambil kesimpulan. Pengujian dilakukan dengan beberapa ukuran botol dan volume. Pengujian menggunakan 20 citra uji dengan 2 macam kemasan dan masing-



digilib.uns.ac.id

masing 10 macam ukuran volume. Setelah citra diukur dengan perangkat lunak pengolahan citra, hasil pengukuran volume diolah dengan hipotesa statistik.

3.6 TAHAP KESIMPULAN DAN SARAN Tahap terakhir dari penelitian ini adalah kesimpulan dan saran. Pada tahap ini akan dibahas hasil pengolahan data dengan mempertimbangkan tujuan yang dicapai dalam penelitian dan memberikan saran perbaikan maupun penelitian selanjutnya.



digilib.uns.ac.id

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Pada bagian ini dibahas mengenai perancangan algoritma yang digunakan dalam melakukan pengolahan citra untuk pengendalian kualitas. Mengolah beberapa proses, memanfaatkan fungsi dalam perangkat lunak MATLAB 7.8. Fungsi yang digunakan terdapat dalam image processing toolboxTM 6 yang mempermudah perancangan prototype aplikasi pengolahan citra. 4.1 PENGUMPULAN DATA Pengumpulan data studi pendahuluan dilakukan selama bulan September 2010 sampai dengan bulan November 2010 yang bertujuan memperoleh informasi tentang permasalahan di lapangan. Sedangkan dalam merancang perangkat lunak pengolahan citra, mengumpulkan algoritma yang digunakan dalam merancang perangkat lunak pengolahan citra. 4.1.1 Proses Pengembangan Algoritma Algoritma adalah urutan langkah logis penyelesaian masalah yang disusun secara sistematis (Iftadi, 2006). Langkah tersebut dapat berbentuk perintah pada perangkat lunak. Perintah-perintah ini dapat diterjemahkan secara bertahap dari awal hingga akhir. Pengembangan algoritma menjadi lebih efisien dan efektif, maka penggunaan sebagian perintah yang ada di dalam bahasa pemrograman perlu dilakukan. Jika algoritma tersebut sederhana, maka penyusunan algoritma akan sama dengan penyusunan sebuah program. Perintah algoritma yang digunakan dalam merancang perangkat lunak pengolahan citra, sebagai berikut: 1. Input citra. 2. Deteksi tepi (edge detection). 3. Poin koordinat (coordinate pixel). 4. Pengukuran jarak (create distance). 5. Input data. 6. Plot peta kendali.

commit to user IV-1


digilib.uns.ac.id

4.1.2 Algoritma Program Pada perancangan program pengolahan citra ini, algoritmanya meliputi input citra, poin koordinat pixel, edge detection, image distance, dan plot. Langkah perangkat lunak digambarkan dalam bentuk flowchart, pada Gambar 4.1.

t

y

Gambar 4.1 Diagram blok algoritma Ada beberapa tahap yang dilakukan dalam pengolahan citra untuk pengendalian kualitas untuk mendapatkan data volume. Hasil perhitungan volume dengan perangkat lunak ini bersifat penyesuaian antara data real dan data subjektif. 4.1.3 Input Citra Proses diawali dengan memasukkan citra 2 dimensi lalu diproses dengan mengkonversi citra dalam bentuk matriks. Format yang mendukung program Matlab 7.8 disebutkan pada Tabel 2.1.

Sistem konversi citra dalam bentuk

commit to user IV-2


digilib.uns.ac.id

matriks dijelaskan pada Gambar 2.5. Potongan script input citra pada program Matlab, sebagai berikut: function pushbutton6_Callback(hObject, eventdata, handles) myform = guidata(gcbo); [filename,pathname] = uigetfile('*.png;','Pick an Image File'); gambar = imread([pathname,filename]);

Proses input citra pada program Matlab menggunakan fungsi imread. Setelah citra diinput, citra dirubah dalam bentuk matriks yang diolah pada tahap berikutnya. Pengaturan default pada perangkat lunak ini menggunakan format *.png. Bila yang diolah berformat lain, user harus melakukan pemilihan pada tab format. 4.1.4 Deteksi Tepi Pada perangkat lunak pengolahan citra ini mengunakan algoritma deteksi tepi Sobel both dan Sobel Horizontal. Kegunaan deteksi tepi pada perangkat lunak ini ditujukan untuk mengetahui tingkat ketinggian cairan dalam kemasan dengan mendeteksi tepi-tepi dari objek. Metode Sobel both berfungsi menentukan template poin sisi bawah dari objek pada saat setting. Sedangkan sobel dengan filter horizontal berfungsi mendeteksi sisi batas atas pada cairan. Deteksi tepi memiliki algoritma, sebagai berikut: 1. Input citra. 2. Konversi menjadi grayscale. 3. Filter dengan kernel. Sehingga menghasilkan potongan script deteksi tepi

pada

program Matlab,

sebagai berikut: I = rgb2gray(gambar); BW = edge(I,'sobel',0.01,'horizontal') figure; hImg = imshow(BW);

Deteksi tepi tersebut digunakan mendeteksi ketinggian cairan dalam kemasan botol. fungsi yang digunakan ’edge’. Pada tahap deteksi tepi ini menggunakan algoritma sobel horisontal dengan threshold dengan nilai 0.01.

commit to user IV-3


digilib.uns.ac.id

sedangkan dalam mendeteksi batas bawah cairan, perangkat lunak menggunakan script, sebagai berikut: I = rgb2gray(gambar); BW = edge(I,'sobel',[]) figure; hImg = imshow(BW);

Pada tahap deteksi tepi batas bawah cairan menggunakan threshold [ ], artinya perintah untuk Matlab mendeteksi dengan nilai threshold terbaik. Hasil pengolahan deteksi tepi.

(a)

(b)

Gambar 4.2 (a) Hasil deteksi tepi dengan metode Sobel both (b) Sobel horizontal Hasil deteksi yang muncul pada jendela figure 1, bertujuan mendapatkan informasi koordinat pixel dengan mengklik ganda pada sisi tepi bawah botol. Koordinat ini berfungsi sebagai template pengujian selanjutnya sehingga memberikan kecepatan dalam analisis. Pada saat tahap analisis, deteksi tepi menggunakan metode sobel horizontal yang bertujuan menandai tepi ketinggian cairan. 4.1.5 Koordinat Poin Citra yang dikonversi dalam bentuk matriks memiliki titik koordinat pixel seperti yang dijelaskan pada bab 2. Koordinat poin pada pixel dimanfaatkan guna

commit to user IV-4


digilib.uns.ac.id

mengukur ketinggian botol dengan mengalikan dengan skala yang diinputkan. Interface dilakukan dengan mengklik posisi tepi pada image yang telah diolah dengan filter edge detection. Filter edge detection berfungsi memperjelas tepian pada citra, sehingga memberikan tingkat ketepatan dalam mendapatkan posisi koordinat pixel. Potongan script koordinat

pada

program Matlab, sebagai

berikut: hImg = imshow(BW); [xa, ya] = getpts(gcf) xawal = round(xa) yawal = round(ya) set(myform.posisix,'string',num2str(xawal)); set(myform.posisiy,'string',num2str(yawal));

Fungsi yang digunakan dalam menetukan koordinat pixel adalah getpts(gcf). Tahap tersebut dihasilkan koordinat dalam bentuk data x dan y.

maka proses dalam tahap ini.

Klik ganda

Klik ganda

(a)

(b)

Gambar 4.3 (a) Hasil interface menentukan koordinat batas bawah (b) koordinat batas atas

commit to user IV-5


digilib.uns.ac.id

4.1.6 Pengukuran Jarak Koordinat poin tepi bawah dan tepi atas sudah ditentukan, maka perangkat lunak akan otomatis menghitung jarak antara tepi bawah dan atas. Jarak dihitung dengan memanfaatkan jumlah pixel, seperti yang dijelaskan pada Bab 2. Pengukuran jarak pada perangkat ini digunakan mengukur jarang diameter botol dan ketinggian cairan. Hasil potongan script pada algoritma menghitung jarak pixel pada program Matlab untuk diameter botol, sebagai berikut: x1 = str2double (get(myform.posisix,'string')); y2 = y1 x2 = round(x) y1 = str2double (get(myform.posisiy,'string')); h = imdistline (gca,[x1 x2],[y1 y2]); api = iptgetapi(h);

Gambar 4.3 Hasil perhitungan jarak diameter Hasil pengukuran jarak (pixel), dikalikan dengan input faktor koreksi untuk mendapatkan ukuran diameter. Kemudian nilai diameter tersebut dibagi dua menghasilkan radius lingkaran botol.

commit to user IV-6


digilib.uns.ac.id

Sedangkan untuk mengukur ketinggian cairan dalam botol, menggunakan potongan script pada Matlab, sebagai berikut: x1 = str2double (get(myform.posisix,'string')); x2 = x1 y2 = round(y) y1 = str2double (get(myform.posisiy,'string')); h = imdistline (gca,[x1 x2],[y1 y2]); api = iptgetapi(h);

Fungsi yang digunakan dalam menetukan koordinat pixel adalah imdistline. Matlab menghitung jarak data x dan y poin pixel yang telah

ditentukan. maka proses dalam tahap ini, sebagai berikut:

Jarak (pixel)

Gambar 4.4 Hasil perhitungan jarak tinggi cairan Matlab mengalikan jarak pixel dengan input skala sehingga menghasilkan jarak ketinggian cairan yang sebenarnya. Script menghitung tinggi pada program matlab, sebagai berikut: tinggi = getDistance(h)

Tinggi cairan dihitung dalam menentukan volume cairan dalam kemasan. Volume cairan dalam botol, didapatkan dengan menggunakan rumus π * r2 * t (volume tabung). Pada perangkat lunak ini, mengukur ketinggian cairan pada

commit to user IV-7


digilib.uns.ac.id

botol. Pengukuran ketinggian dengan menghitung jarak pixel pada citra dikalikan dengan skala. 4.1.7 Mencatat pada Text Data volume cairan yang telah dihitung, dicatat dalam file notepad secara realtime. Pencatatan dalam bentuk notepad dimaksudkan mempermudah dalam penginputan data oleh Matlab, juga notepad memiliki ukuran file yang kecil. Setelah data volume cairan dicatat dalam file notepad oleh Matlab, maka data diinputkan dan diolah dalam Matlab sehingga membentuk sebuah plot peta kendali. Script mencatat pada program Matlab, sebagai berikut: jumlah = str2double (get(myform.data,'string')); m = [jumlah volumematriks] dlmwrite('myfile.txt', m,

'-append','newline', 'pc')

Fungsi yang digunakan dalam penulisan pada text adalah dlmwrite. Pada penulisan data x sebagai jumlah botol, dan data y sebagai jumlah volumenya Contoh hasilnya:

Gambar 4.5 Hasil volume pada notepad 4.1.8 Graphical User Interface GUI atau Graphical User Interface merupakan salah satu model interaksi antara manusia dan komputer. Selain GUI, ada juga model yang lain seperti

commit to user IV-8


digilib.uns.ac.id

Character User Interface (CUI) yang di kenal dengan command line. Sisi kenyamanan, kedua model ini memiliki fungsinya masing-masing. Gambar 4.7 Penyusunan graphic user interface pada matlab Langkah penyusunan GUI pada Matlab, membuat form tampilan yang disesuaikan fungsi, ukuran dan perintah dari perangkat lunak. Dalam tampilan ini didesain botton dan static text dari program Matlab, kemudian callback dengan script tiap perintah. GUI yang berisi script perintah dalam bentuk M-file disave pada satu directory

folder dengan file figure. M-file perangkat lunak bila

dijalankan, akan muncul jendelan tampilan GUI seperti pada gambar 4.8.

1 2 3 4

5

10 6 7 8

11

commit to user IV-9


digilib.uns.ac.id

9

Gambar 4.8 Tampilan prototipe perangkat lunak Keterangan dan fungsi perintah gambar 4.8 sebagai berikut: 1. Tombol setting. Tombol setting berfungsi menentukan koordinat batas bawah sebagai template. Prosesnya meliputi memasukkan citra dan difilter dengan deteksi tepi, dari proses tersebut dapat diketahui batasan tepi dari citra. Dalam proses deteksi tepi tersebut, menggunakan filter Sobel both. Metode sobel memiliki kelebihan dalam mengurangi derau (noise) pada citra. Citra yang memiliki background berwarna atau pada belakang objek terdapat objek-objek lain yang disebut derau, akan menjadikan hasil pengolahan banyak titik-titik deteksi objek-objek tersebut. Sehingga pada saat pengambilan citra, mengunakan background polos atau warna putih bersih mampu mendukung memungkinkan citra untuk diolah. Setelah proses deteksi tepi, maka User melakukan interface dengan menandai batas bawah tepian pada citra menggunakan mouse. Proses klik mouse tersebut diketahui posisi koordinat pixel yang kemudian masuk pada form 4.

2. Form input skala. User memasukan nilai skala yang digunakan dalam proses pengolahan. Nilai skala yang diinputkan berasal dari perhitungan perbandingan nilai ukuran pixel pada citra dengan jarak yang sebenarnya. Pada tiap-tiap citra memiliki skala yang berbeda. Nilai skala dipengaruhi oleh resolusi kamera dan jarak kamera pada objek (Bovik, 2009). 3. Form input faktor koreksi radius. Nilai radius pada kemasan yang sebenarnya berfungsi untuk menghitung volume cairan dalam kemasan dengan menggunakan rumus tabung. Form ini diisi dengan jumlah persen ketebalan botol terhadap total diameter luar.

commit to user IV-10

12


digilib.uns.ac.id

4. Form input koordinat x dan y batas bawah. Proses setting, user melakukan interaksi double klik mouse pada citra yang mampu mengetahui koordinat pixel yang dipilih sebagai batas bawah pada citra. Koordinat tersebut memiliki posisi baris dan kolom seperti yang dijelaskan pada Bab 2. 5. Tombol untuk analisis volume. Dalam melakukan analisis volume cairan pada citra, dengan mengklik tombol analisis. Pada proses ini meliputi memasukkan citra, kemudian deteksi tepi. Hasil deteksi tepi pada proses ini dimunculkan dengan windows baru, guna user melakukan interaksi double klik mouse pada batas atas objek pada citra. Proses deteksi tepi tersebut menggunakan metode filter Sobel both, karena dalam proses ini diperlukan tepian ketinggian cairan yang jelas pada citra. Pemilihan filter Sobel Horizontal dimaksudkan bila mendeteksi cairan pada objek tak berwarna atau bening. 6. Form menampilkan hasil penghitungan volume. Hasil proses penghitungan volume, ditampilkan pada form ini. 7. Form data yang diolah. Form ini menunjukan jumlah data (citra) yang diolah.

8. Tombol memuat file notepad. Hasil perhitungan volume secara realtime yang tercatat dalam file notepad, kemudian dimuat dan diolah dalam program, sehingga menghasilkan dalam bentuk control chart. 9. Tombol menjalankan plot. File notepad dimuat dalam program, diproses dan dimunculkan dalam bentuk control chart pada grafik yang tersedia. 10. Grafik tampilan peta kendali. Hasil pengolahan data volume, diplot dalam bentuk control chart dan ditampilkan pada grafik ini. 11. Tombol menyimpan hasil plot. Control chart dalam bentuk grafik, kemudian disimpan dalam bentuk notepad.



digilib.uns.ac.id

12. Tombol keluar. Tombol keluar dari perangkat lunak. 4.2 PENGOLAHAN DATA Pada tahap ini disusun algoritma yang dikembangkan pada tahap sebelumnya. Algoritma disusun dan digabungkan dengan tampilan Graphical User Interface guna mempermudah perintah pada perangkat lunak. 4.2.1 Pengujian Perangkat Deteksi Tepi Sebelum diaplikasikan, dilakukan pengujian terhadap kelayakan perangkat lunak. Perngujian ini guna mengalisis kemampuan perangkat lunak dalam mendeteksi volume cairan. Perancangan perangkat lunak menggunakan algoritma deteksi tepi yang berfungsi mendeteksi tingkat ketinggian cairan dalam botol. Deteksi tepi menjadi karakteristik yang penting dalam perangkat lunak pengolahan citra ini. Pengujian deteksi tepi menggunakan 3 citra dengan warna yang berbeda. Warna yang dipilih untuk menguji deteksi tepi menggunakan model warna CMYK. Model warna tersebut seringkali dijadikan referensi sebagai suatu proses pewarnaan dengan mempergunakan dalam pencetakan berwarna. Pengujian ini bertujuan mengetahui kemampuan perangkat lunak dalam mendeteksi tepian pada citra. dalam Hasil dari pengujian deteksi tepi, diketahui warna cairan tidak berpengaruh terhadap hasil deteksi. Hasilnya ditunjukkan, sebagai berikut:



digilib.uns.ac.id

Gambar 4.9 Pengujian tepi 4.2.2 Pengujian Volume Perangkat lunak diuji dengan menentukan volume dengan 2 macam ukuran botol. Analisis volume dilakukan dengan membandingkan volume penghitungan secara manual (nilai ukuran sebenarnya) dengan penghitungan dengan perangkat lunak. Hasil penghitungan dan perbandingan beberapa macam citra, yang dapat diambil kesimpulan. Pengujian dilakukan dengan beberapa ukuran botol dan volume. Pengujian menggunakan 20 citra uji dengan 2 macam kemasan dan masing-masing 10 macam ukuran volume. Setelah citra diukur dengan perangkat lunak pengolahan citra. Hasil pengukuran volume diolah dengan hipotesa statistik, dengan uji-t berpasangan (paired t-test).



digilib.uns.ac.id

(a)

(b)

Gambar 4.10 (a) model botol A (b) dan model B Setiap model botol diisi dengan ukuran volume yang sama, dengan 10 jenis ukuran volume. Pengujian ini selain untuk mengetahui tingkat keakuratan perangkat lunak dalam mengestimasi volume, juga mengetahui apakah bentuk botol mempengaruhi hasil dalam mengestimasi. Data perbandingan perhitungan dengan perangkat lunak, sebagai berikut: Tabel 4.2 Data hasil estimasi dengan perangkat lunak Citra

Ukuran Sebenarnya

1 2 3 4 5 6 7 8 9 10

500 540 580 620 660 700 740 780 820 860

Hasil Model A 505 547 584 626 671 709 735 780 821 867

Model B 501 545 586 622 675 705 744 782 819 862

Mencari beda dua rata-rata yang saling berhubungan, sebagai berikut: 1. Model A.



•

digilib.uns.ac.id

hipotesis nol dan hipotesis alternatif H0: µd = µ0 H1: µd > µ0 atau H1: µd < µ0

•

Tingkat kepercayaan (α). Pada pengujian hipotesis ini tingkat kepercayaan dengan α = 0,05 atau tingkat kepercayaan 95%.

•

Kriteria penerimaan Karena uji yang dilakukan adalah uji 2 pihak, maka berdasarkan tabel t dengan tα/2 = 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.

Tabel 4.3 Data perhitungan model A objek 1 2 3 4 5 6 7 8 9 10 Jumlah

ukuran 500 540 580 620 660 700 740 780 820 860 6800

citra 505 547 584 626 671 709 735 780 821 867 6845

Rata-rata

2

d 5 7 4 6 11 9 -5 0 1 7 45

d d^2 25 49 16 36 121 81 25 0 1 49 403

4,5

40,3

Perhitungan:

d =

d =

∑ xi n (505 − 500) + (547 − 540) + (584 − 580) + (626 − 620) + ... + (867 − 860) 10

d = 4,5

2

d = 20,25

Sd =

10 * 403 − (4,5) 2 = 42,479068 10 * 9 commit to user IV-15


t=

t=

digilib.uns.ac.id

x − µ0 sd / n 4,5 − 0 42,479068/ 10

= 0,0334

•

Kesimpulan Berdasarkan statistik uji didapatkan nilai t-hitung = 0,0334. Karena thitung lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 diterima.

2. Model B •

hipotesis nol dan hipotesis alternatif H0: µd = µ0 H1: µd > µ0 atau H1: µd < µ0

•

Tingkat kepercayaan (α). Pada pengujian hipotesis ini tingkat kepercayaan dengan α = 0,05 atau tingkat kepercayaan 95%.

•

Kriteria penerimaan Karena uji yang dilakukan adalah uji 2 pihak maka berdasarkan tabel dengan tα/2 = 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.

Tabel 4.4 Data perhitungan model B objek

ukuran

citra

d

d^2 d2

1 2 3 4 5 6 7 8 9 10 Jumlah

500 540 580 620 660 700 740 780 820 860 6800

501 545 586 622 675 705 744 782 819 862

1 5 6 2 15 5 4 2 -1 2 41

1 25 36 4 225 25 16 4 1 4 341

4,1

34,1

Rata-rata

6841



digilib.uns.ac.id

Perhitungan:

xi d = ∑ n d =

(501 − 500) + (545 − 540) + (586 − 580) + (622 − 620) + ... + (862 − 860) 10

d = 4,1

2 d = 16,81

Sd =

t=

t=

10 * 34,1 − (4,1) 2 =39,447 10 * 9

x − µ0 sd / n 4,5 − 0 39,44743/ 10

= 0,032867

•

Kesimpulan Berdasarkan statistik uji didapatkan nilai t-hitung = 0,032867 Karena thitung lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 bisa disimpulkan diterima.

4.3.1 Grafik Peta Kendali Hasil akhir dari pengolahan citra volume cairan berupa peta kendali data volume. Hasil volume yang diujikan, tercatat dalam bentuk file notepad diinput kedalam perangkat lunak. Data dari file notepad, ditampilkan dalam bentuk grafik peta kendali pada tampilan GUI perangkat lunak. Hasil peta kendali ditampilkan pada Gambar 4.11.



digilib.uns.ac.id

Gambar 4.11 Tampilan peta kendali Membuat perangkat lunak yang menuntut aplikasi dalam komputer user yang dapat digunakan untuk kegiatan user dalam proses menulis text, input data dan grafik. Jadi GUI sangat jelas kaitanya dengan kegiatan penggunaan suatu aplikasi dalam komputer yang sering digunakan. Dalam hal ini, GUI mempermudah user dalam penggunaannya, user dengan mudah dapat menyesuaikan aplikasi-aplikasi karena GUI membantu didalam interface yang dapat dipahami penggunaannya. Sehingga antara user dan sistem, tidak terjadi miss communcation dalam menerapkan sistem komputerisasi.



digilib.uns.ac.id

BAB V ANALISIS DAN INTEPRETASI HASIL Analisis hasil penelitian bertujuan menjelaskan hasil dari pengolahan data, sehingga hasil penelitian menjadi lebih jelas. Analisis dalam penelitian ini diuraikan pada sub bab berikut ini.

5.1 ANALISIS HASIL PENELITIAN Analisis dalam hal ini meliputi analisis perangkat lunak pengolahan citra untuk pengendalian kualitas volume cairan dalam botol. Pada data pengujian Tabel 4.2, menunjukan bahwa perangkat lunak yang dihasilkan mampu memberikan kecepatan dan tingkat keakuratan yang tinggi. Sehingga, mampu mendapatkan data volume pada objek. 5.1.1 Analisis Perangkat Lunak Perangkat lunak mampu mendeteksi tepian dari citra objek, untuk mengetahui tingkat ketinggian cairan. Namun, untuk mendapatkan data koordinat tersebut, masih memerlukan interface manual, yaitu dengan klik dengan mouse komputer. Perangkat lunak dirancang sesuai dengan kebutuhan terhadap pengendalian kualitas volume cairan dalam botol berbasis pengolahan citra. Algorima yang digunakan dalam penelitian ini deteksi tepi, koordinat poin pixel, dan plot, yaitu: 1. Deteksi tepi, pada penelitian ini perangkat lunak menghasilkan. Proses deteksi tepi pada perangkat lunak ini, mampu mendeteksi cairan dalam botol transparan dengan semua bentuk warna cairan. Kekurangan proses ini, bila citra yang dianalisis memiliki pencahayaan yang tidak merata, maka tidak mampu mendeteksi dengan baik. 2. Koordinat poin pixel, digunakan mengukur jarak ketinggian cairan dan diameter botol. Pada proses ini, perangkat yang dihasilkan memiliki kekurangan yaitu untuk mendapatkan koordinat harus menggunakan interaksi manual. Selain itu, posisi pengambilan titik koordinat akan mempengaruhi

commit to user V-1


digilib.uns.ac.id

hasil estimasi, karena koordinat yang ditentukan dijadikan data ketinggian cairan. 3. Plot, digunakan untuk menghasilkan peta kendali dari estimasi volume citra uji. 5.1.2 Analisis Hasil Pengujian Volume Pada tahap ini dilakukan analisis terhadap perangkat lunak ini layak diterapkan atau tidak, karena perangkat lunak hanya bersifat mengestimasi volume. Analisis dilakukan guna mengetahui seberapa akurat perangkat lunak ini dalam menghitung volume dalam kemasan. Pengujian terhadap perangkat lunak pada analisis deteksi tepi, dengan melakukan analisis pada beberapa macam citra dengan macam warna cairan yang berbeda. Analisis volume dilakukan dengan membandingkan volume penghitungan secara manual (nilai ukuran sebenarnya) dengan penghitungan dengan perangkat lunak. Hasil penghitungan dan perbandingan beberapa macam citra yang dapat diambil kesimpulan. Pengujian dilakukan dengan beberapa ukuran botol dan volume. Pengujian menggunakan 20 citra uji dengan 2 macam kemasan dan masing-masing 10 macam ukuran volume. Setelah citra diukur dengan perangkat lunak pengolahan citra, hasil pengukuran volume diolah dengan hipotesa statistik, yaitu uji-t berpasangan (paired t-test), dengan α = 0,05. Hasil dari pengujian model botol A, berdasarkan statistik uji didapatkan nilai t-hitung = 0,03349917. Karena t-hitung lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 diterima. Dan botol model B, nilai t-hitung = 0,032867. Karena t-hitung lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 bisa disimpulkan diterima. 5.2 INTEPRETASI HASIL Rancangan perangkat lunak pengolahan citra dibuat untuk membantu dalam mengestimasi volume cairan produk dalam kemasan botol. Dengan output berupa peta kendali, yang dapat memberikan informasi hasil pengolahan kualitas volume cairan dalam botol.

commit to user V-2


digilib.uns.ac.id

Hasil pengujian prototype menunjukkan, perangkat lunak mampu mendeteksi tepian botol dengan pencahayaan yang merata. Bila pencahayaan pada citra kurang merata, maka hasil dari pendeteksian kurang jelas. Sehingga, ketepatan dalam estimasi dan kecepatan berkurang. Perangkat lunak pengolahan citra yang dihasilkan memiliki kekurangan, yaitu pada proses koordinat pixel tidak bisa secara otomatis. Sehingga tingkat kecepatan dalam melakukan analisis menjadi berkurang, karena membutuhkan proses interaksi user terhadap perangkat lunak. Perangkat lunak diuji dengan dua model botol uji, dengan masing model 10 ukuran cairan. Pengujian hasil dengan uji statistik t-berpasangan dengan tα = 95%, dan dinyatakan layak.

commit to user V-3


digilib.uns.ac.id

BAB VI KESIMPULAN DAN SARAN Pada bab ini berisi kesimpulan berdasarkan analisis yang telah diuraikan pada bab sebelumnya serta saran pengembangan penelitian selanjutnya. 6.1 KESIMPULAN Kesimpulan dari penelitian ini, sebagai berikut: 1. Penelitian ini menghasilkan sebuah perangkat lunak guna dalam proses pengendalian kualitas berbasis pengolahan citra. Perangkat lunak yang dihasilkan mampu memberikan kecepatan dan tingkat akurasi dalam mengestimasi volume cairan dalam botol yang tinggi dalam inspeksi. 2. Algoritma deteksi tepi dan koordinat poin pixel pada perangkat lunak yang digunakan masih memilki kekurangan untuk memberikan keakuratan dan kecepatan. Deteksi tepi memberikan pengaruh terhadap hasil estimasi volume cairan. Berdasarkan hasil pengujian pada data Tabel 4.2, maka perangkat lunak dianggap layak. 6.2 SARAN Saran untuk langkah pengembangan dalam penelitian selanjutnya yaitu: 1. Perancangan perangkat lunak dengan kemampuan pendeteksian secara otomatis terhadap koordinat poin pixel, sehingga analisis lebih cepat dan akurat. 2.

Objek yang dianalisis tidak sebatas botol berbentuk tabung, perangkat lunak yang dihasilkan mampu menganalisis volume cairan dengan berbagai model bentuk botol.

commit to user VI-1

PENGENDALIAN KUALITAS CAIRAN DALAM BOTOL BERBASIS PENGOLAHAN CITRA

Recommend Documents