PROTOTYPE PENGECEKAN KUALITAS HASIL SABLON KOTAK...

TUGAS AKHIR

PROTOTYPE PENGECEKAN KUALITAS HASIL

SABLON KOTAK BATERAI

Diajukan untuk memenuhi salah satu syarat

Memperoleh Gelar Sarjana Teknik Pada

Program Studi Teknik Elektro

Jurusan Teknik Elektro

Fakultas Sains dan Teknologi Universitas Sanata Dharma

Disusun oleh :

RINDA BUDI WIRAWAN

NIM : 145114003

PROGRAM STUDI TEKNIK ELEKTRO

JURUSAN TEKNIK ELEKTRO

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2018

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

FINAL PROJECT

THE PROTOTYPE CHECKING THE QUALITY OF

THE BATTERY BOX SCREEN PRINTING

In a partial fulfillment of the requirements For the degree of Sarjana Teknik

Department of Electrical Engineering Faculty of Science and Technology,

Sanata Dharma University

Arranged by :

RINDA BUDI WIRAWAN

NIM : 145114003

DEPARTMENT OF ELECTRICAL ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2018


iv

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP

Mulailah dari tempatmu berada.

Gunakan yang kau punya.

Lakukan yang kau bisa.

Thesa Deta Murbasari

Orang tua dan Kakak

Tuhan Yang Maha Esa

Skripsi ini saya persembahkan untuk


vi

INTISARI

Perkembangan teknologi saat ini sudah semakin maju dengan pesat, sehingga banyak

perusahaan yang ingin menciptakan inovasi baru yang bermanfaat demi mempermudah dan

membantu kerja manusia. Salah satunya pada perusahaan kotak baterai. Pengecekan cacat

sablon pada kotak baterai yang dilakukan pada umumnya masih bersifat manual, dengan kata

lain masih memerlukan tenaga manusia untuk melakukannya.

Pekerjaan semacam ini yang dikerjakan secara terus-menerus akan mengakibatkan

kelelahan pada mata yang akhirnya dapat mengakibatkan mata dan kualitas pengecekan

menjadi turun. Seiring dengan berkembangnya zaman, suatu metode pengolahan citra telah

menjadi salah satu ilmu teknologi yang banyak digunakan untuk membantu kepentingan

manusia, dalam hal ini maka dirancanglah sebuah sistem yang dapat memeriksa dan

mendeteksi cacat sablon pada kotak baterai.

Sistem ini menggunakan Matlab sebagai aplikasi pengolahan citra yang diharapkan

dapat mengidentifikasi cacat pada kotak baterai. Proses ini dilakukan dengan mengambil citra

kotak baterai dan di proses dengan fungsi jarak euclidean, sehingga dapat mengetahui apakah

kotak baterai tersebut cacat atau tidak.

Kata Kunci : Matlab, Kotak Baterai, Jarak Euclidean, Pengolahan Citra


vii

ABSTRACT

The development of technology is currently more advanced rapidly, so a lot of

companies that want to create new innovations that are beneficial for the sake of ease and

help the working man. One of them at the company's battery box. Checking the battery box

on screen printing defects which are still generally done manually, in other words still need

manpower to do so.

This kind of work that is done on an ongoing basis will result in fatigue on eyes that

can eventually lead to eye and quality checking of being down. Along with the development

of the times, a method of image processing has become one of the many science technology

used to aid human interests, in this case then the surveyors laid out a system that can inspect

and detect defects sablon on the battery box.

This system of using Matlab as the expected image processing application can identify

defects on the battery box. This process is done by taking the battery box and image in the

process of with euclidean distance function, so it can tell if the battery box is defective or not.

Keywords: Matlab, Battery Box, Euclidean Distance, Image Processing


viii

KATA PENGANTAR

Puji syukur kepada Tuhan Yang Maha Esa atas segala berkat dan karunia yang

telah diberikan selama ini sehingga dapat menyelesaikan penelitian tugas akhir dengan

judul “Prototype Pengecekan Kualitas Hasil Sablon Kotak Baterai” dengan lancar. Dalam

pengerjaan tugas akhir ini penulis diberi dukungan moril dan materi dari banyak pihak

hingga tugas akhir ini selesai. Oleh karena hal tersebut, penulis ingin menyampaikan

ucapan terima kasih kepada:

1. Bapak Petrus Setyo Prabowo, S.T., M.T., selaku Ketua Program Studi Teknik

Elektro Universitas Sanata Dharma Yogyakarta.

2. Ibu Wiwien Widyastuti, S.T., M.T., selaku Dosen Pembimbing yang membimbing

dengan penuh kesabaran, meluangkan waktu, memberikan ide, kritik dan saran

dalam masa pengerjaan tugas akhir ini.

3. Seluruh dosen dan laboran Teknik Elektro yang dengan sabar mendidik serta

memberi wawasan lebih.

4. Anggota keluarga, bapakku “Ir. Okta Wirawan”, ibuku “A. Lisning Budiarti”,

kedua kakakku “Resa Alem Pramudita” dan “Risky Dewantoro Putro” yang

senantiasa mendampingi dalam segala keadaan serta memberikan dukungan baik

moril dan materi.

5. Thesa Deta Murbasari yang terus mengingatkan dan memberikan semangat.

6. Seluruh teman-teman “JONES” dan “Sahabat Lab TA” yang senantiasa menghibur.

7. Kedua sahabatku Alexander Boy Yogaswara dan Markus Nugroho Setyawan yang

selalu menghibur dan selalu ada di segala waktu.

8. Seluruh teman-teman Teknik Elektro Universitas Sanata Dharma yang selalu

mendukung.

9. Semua pihak yang tidak bisa disebutkan satu per satu atas segala dukungan dan

kebaikan yang telah diberikan.

Dengan segala hormat dan rendah hati, penulis menyadari penulisan tugas akhir ini jauh

dari kata sempurna. Oleh karena hal tersebut, maka kritik dan saran yang berkaitan dan

membangun sangat diharapkan agar tugas akhir ini dapat dikembangkan. Semoga tugas


x

DAFTAR ISI

BAB I ................................................................................................................................................. 1

PENDAHULUAN .............................................................................................................................. 1

1.1. Latar Belakang ................................................................................................................... 1

1.2. Tujuan dan Manfaat Penelitian .......................................................................................... 2

1.3. Batasan Masalah ................................................................................................................. 2

1.4. Metode Penelitian ............................................................................................................... 2

BAB II ................................................................................................................................................ 5

DASAR TEORI ................................................................................................................................. 5

2.1. Kotak Baterai ..................................................................................................................... 5

2.2. Pengolahan Citra Digital .................................................................................................... 7

2.2.1. Definisi Pengolahan Citra Digital .............................................................................. 7

2.2.2. Ruang Warna RGB ..................................................................................................... 8

2.2.3. Citra Grayscale .......................................................................................................... 8

2.2.4. Citra Biner .................................................................................................................. 9

2.2.5 Resizing ...................................................................................................................... 9

2.2.6. Cropping .......................................................................................................................... 9

2.3. Threshold Metode Otsu ...................................................................................................... 9

2.5. Template Matching ........................................................................................................... 10

2.6. Jarak Euclidean ................................................................................................................ 11

2.7. Webcam ............................................................................................................................ 11

2.8. Matlab .............................................................................................................................. 12

BAB III............................................................................................................................................. 13

PERANCANGAN ............................................................................................................................ 13

3.1. Perancangan Hardware .................................................................................................... 13

3.1.1. Perancangan Kotak Baterai ...................................................................................... 15

3.2. Perancangan Software ...................................................................................................... 16

3.2.1. Subrutin Pengambilan Citra Hasil Sablon ...................................................................... 17

3.2.2. Subrutin Preprocessing ............................................................................................ 17

3.2.3. Subrutin Fungsi Jarak Euclidean .................................................................................... 18

3.2.4. Subrutin Penentuan Keluaran ................................................................................... 19

3.3. Data Referensi .................................................................................................................. 20


xi

BAB IV ............................................................................................................................................ 23

HASIL DAN PEMBAHASAN ........................................................................................................ 23

4.1. Implementasi Program ..................................................................................................... 23

4.1.1. Tombol Camera On ................................................................................................. 23

4.1.2. Tombol Capture ....................................................................................................... 24

4.1.3. Tombol Proses .......................................................................................................... 24

4.1.4. Tombol Reset............................................................................................................ 30

4.1.5 Tombol End .............................................................................................................. 31

4.2. Pengujian Program Pengecekan Sablon Kotak Baterai Secara Tidak Langsung ............. 31

4.3. Pengujian Program Pengecekan Sablon Kotak Baterai Secara Langsung ...................... 33

4.4. Analisis Hasil Data Pengujian Pengecekan Sablon Kotak Baterai Secara Tidak Langsung 35

4.5. Analisis Hasil Data Pengujian Pengecekan Sablon Kotak Baterai Secara Langsung .......... 39

BAB V .............................................................................................................................................. 44

KESIMPULAN DAN SARAN ........................................................................................................ 44

5.1. Kesimpulan .......................................................................................................................... 44

5.2. Saran ..................................................................................................................................... 44

Daftar Pustaka .................................................................................................................................. 45


xii

DAFTAR GAMBAR

Gambar 1. 1 Contoh GUI yang Menampilkan axes 1 ........................................................................ 3

Gambar 2. 1 Contoh Kotak Baterai [4] .............................................................................................. 5

Gambar 2. 2 Contoh-contoh Sablon Kotak Baterai ............................................................................ 6

Gambar 2. 3Skema Ruang Warna RGB Dalam Bentuk Kubus [8] .................................................... 8

Gambar 2. 4 Contoh Webcam .......................................................................................................... 12

Gambar 3. 1 Blok Diagram Sistem Keseluruhan ............................................................................ 13

Gambar 3. 2 Perancangan Hardware Prototype Pengecekan Hasil Sablon ...................................... 14

Gambar 3. 3 Perancangan Kotak Baterai dan Sablon Kotak Baterai ............................................... 15

Gambar 3. 4 Flowchart Perancangan Software ................................................................................ 16

Gambar 3. 5 Subrutin Pengambilan Citra Hasil Sablon ................................................................... 17

Gambar 3. 6 Subrutin Preprocessing ................................................................................................ 18

Gambar 3. 7 Subrutin Fungsi Jarak Euclidean ................................................................................. 19

Gambar 3. 8 Penentuan Keluaran ..................................................................................................... 19

Gambar 3. 9 Proses Data Referensi .................................................................................................. 20

Gambar 3. 10 Tampilan Perancangan GUI ...................................................................................... 21

Gambar 4. 1 Program Camera On .................................................................................................... 23

Gambar 4. 2 Program Tombol Capture ............................................................................................ 24

Gambar 4. 3 Program Konversi RGB ke Biner ................................................................................ 25

Gambar 4. 4 Konversi Citra RBG ke Biner (a) Citra Masukan (b) Citra Greyscale (c) Citra konversi

Greyscale ke Citra Biner .................................................................................................................. 26

Gambar 4. 5 Program Cropping [17] ............................................................................................... 26

Gambar 4. 6 Program Resizing ........................................................................................................ 27

Gambar 4. 7 Citra Hasil Resizing ..................................................................................................... 27

Gambar 4. 8 Contoh Pengujian Menggunakan Resizing 64x64 Piksel ............................................ 28

Gambar 4. 9 Program Jarak Euclidean ............................................................................................. 29

Gambar 4. 10 Program Penentuan Keluaran .................................................................................... 29

Gambar 4. 11 Contoh Hasil Program Penentuan Keluaran .............................................................. 29

Gambar 4. 12 Contoh Hasil Pengujian Menggunakan Nilai Threshold <4 ...................................... 30

Gambar 4. 13 Program Tombol Reset .............................................................................................. 30

Gambar 4. 14 Program End .............................................................................................................. 31

Gambar 4. 15 Tampilan GUI Pengujian Tidak Langsung ................................................................ 32

Gambar 4. 16 Contoh Hasil Pengujian Secara Tidak Langsung ...................................................... 33

Gambar 4. 17 Tampilan GUI Pengujian Langsung .......................................................................... 34

Gambar 4. 18 Contoh Hasil Pengujian Secara Langsung ................................................................ 35

Gambar 4. 19 Pengujian Secara Tidak Langsung dengan Variasi Rotasi 2°.................................... 37

Gambar 4. 20 Pengujian Secara Tidak Langsung dengan Translasi Geser Kiri 2 cm ...................... 38

Gambar 4. 21 Pengujian Secara Tidak Langsung Posisi Tengah (0° dan 360°) .............................. 38

Gambar 4. 22 Pengujian Secara Langsung dengan Variasi Rotasi 358° .......................................... 40

Gambar 4. 23 Contoh Kondisi Kotak Benar Yang Dikenali Salah .................................................. 42


xiii

DAFTAR TABEL

Tabel 2. 1 Jenis Kondisi Kotak Baterai [5] ........................................................................................ 6

Tabel 2. 1 Jenis Kondisi Kotak Baterai [5] (Lanjutan) ...................................................................... 7

Tabel 3. 1 Percobaan Penentuan Nilai Keluaran .............................................................................. 20

Tabel 3. 2 Keterangan GUI Matlab ................................................................................................. 21

Tabel 3. 3 Keterangan GUI Matlab (Lanjutan) ............................................................................... 22

Tabel 4. 1 Percobaan Resizing Kondisi Leber ................................................................................. 28

Tabel 4. 2 Hasil Pengujian Secara Tidak Langsung Variasi Rotasi ................................................. 36

Tabel 4. 3 Hasil Pengujian Secara Tidak Langsung Variasi Translasi ............................................. 37

Tabel 4. 4 Hasil Pengujian Secara Langsung Dengan Variasi Rotasi .............................................. 39

Tabel 4. 5 Hasil Pengujian Secara Langsung Variasi Translasi ....................................................... 41


1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Perkembangan teknologi saat ini sudah semakin maju dengan pesat, sehingga

banyak perusahaan yang ingin menciptakan inovasi baru yang bermanfaat demi

mempermudah dan membantu kinerja karyawan. Seperti pada perusahaan baterai (aki),

salah satu teknologi yang dapat dikembangkan adalah teknologi pengecekan kualitas hasil

sablon kotak baterai. Berdasarkan pengalaman saat kerja praktek, pengecekan kotak baterai

yang telah disablon secara manual masih bergantung pada penglihatan mata para

karyawan. Pada kasus yang kerap terjadi, pemeriksaan seperti ini rentan terhadap

kesalahan dan kurang konsisten karena sifat manusia yang dapat lelah, lupa dan lain

sebagainya. Untuk mengatasi masalah pengecekan sablon pada kotak baterai yang masih

secara manual, perlu adanya bantuan teknologi. Salah satu teknologi yang dapat digunakan

adalah pengolahan citra (image processing). Pengolahan citra dapat diterapkan pada

pengecekan hasil sablon kotak baterai untuk menentukan kualitas sablon yang baik dan

cacat.

Sudah ada penelitian mengenai pengecekan deteksi cacat, antara lain oleh Kris

Adhy Nugroho dkk [1] yaitu Identifikasi Cacat Pada Keping PCB Menggunakan

Pencocokan Model (Template Matching). Penelitian ini membuat program simulasi yang

mampu mendeteksi adanya cacat pada keping PCB secara automatis pada citra digital

menggunakan Template Matching. Bahasa pemrograman yang digunakan untuk membuat

seluruh proses pengolahan citra adalah Delphi 6. Selanjutnya, Gurum Ahmad Pauzi dkk [2]

yaitu Analisis Pemanfaatan Teknik Template Matching Pada Sistem Akuisisi Dan

Pengenalan Karakter Citra Plat Nomor Kendaraan. Pada penelitian ini, metode

pengolahan gambar dilakukan dalam satu program sampai siap dikenali karakternya, tanpa

harus melakukan pengolahan secara manual dengan software tertentu. Software yang

digunakan adalah Delphi 7. Pada penelitian sebelumnya melakukan deteksi cacat serta

pengenalan pada PCB dan plat nomor kendaraan.


2

2

Pada penelitian ini akan dilakukan pengecekan deteksi cacat pada sablon kotak

baterai secara non real time dan real time menggunakan fungsi jarak Euclidean. Sistem

yang dibuat hanya sebatas pengecekan, ada atau tidaknya cacat pada hasil sablon kotak

baterai menggunakan webcam. Penelitian ini menggunakan software matlab. Selain itu,

matlab memiliki fasilitas antarmuka (interface) yaitu Graphical User Interface (GUI).

Hasil keluaran program berupa teks. Terdapat 2 kondisi hasil keluaran pengecekan sablon,

yakni Benar “Tidak Cacat” dan Salah “Cacat”.

1.2. Tujuan dan Manfaat Penelitian

Tujuan dari penulisan tugas akhir adalah menghasilkan prototype sistem

pengecekan hasil sablon kotak baterai secara real time dan non real time.

Manfaat penulisan tugas akhir adalah sebagai penelitian awal dari pengecekan hasil

sablon pada dunia industri.

1.3. Batasan Masalah

a. Warna dasar kotak baterai berwarna putih.

b. Logo sablon yang akan dikenali terdiri dari 2 karkater, bertuliskan “Ar”

c. Kotak baterai didesain dengan tinggi 21 cm, panjang 19 cm, dan lebar 19cm.

d. Kondisi kotak baterai yang akan diuji tidak memiliki tutup.

e. Input citra kotak baterai berupa citra RGB.

f. Pengambilan gambar menggunakan Webcam Logitech C270.

g. Pencahayaan dalam pengambilan citra kotak baterai dikondisikan sedemikian rupa

sehingga tidak menimbulkan efek silau pada citra.

h. Menggunakan fungsi jarak Euclidean.

i. Hasil pengecekan sablon dilakukan secara non real time dan real time.

j. Terdapat 2 kondisi hasil sablon yakni Benar dan Salah.

k. Keluaran berupa teks pada layar monitor.

l. Jarak kamera dengan objek 70 cm.

1.4. Metode Penelitian

Langkah-langkah dalam pengerjaan tugas akhir :


3

3

a. Studi Pustaka

Studi pustaka dilakukan dengan cara mengumpulkan serta mempelajari

bahan-bahan referensi berupa buku-buku dan jurnal-jurnal ilmiah yang berasal dari

media internet maupun media-media lain.

b. Perancangan Software dan Hardware

Perancangan software berisi tentang pembuatan perangkat lunak secara

keseluruhan menggunakan software matlab. Sistem aplikasi yang dibuat bertujuan

untuk mengolah citra kotak baterai ke dalam bentuk teks. Dalam perancangan

hardware yang diperlukan ada tiga alat, yaitu kamera, laptop dan fixture. Data

masukan yang berupa citra kotak baterai diperoleh dari proses pengolahan citra

menggunakan kamera (webcam). Kamera (webcam) dan fixture dirancang untuk

mengambil (capture) kotak baterai yang terintegrasi secara langsung di dalam

sistem aplikasi melalui port USB pada laptop.

c. Pembuatan Software dan Hardware

Sistem bekerja ketika user menekan tombol “Camera On” yang sudah

disediakan dalam tampilan GUI. Pada sistem ini akan menampilkan proses video

(record) yang ditampilkan pada axes 1. Kemudian user melakukan pengambilan

gambar dengan menekan tombol “capture”. Lalu user dapat melanjutkan ke tahap

preprocessing dengan menekan tombol proses untuk memulai mengolah gambar

yang telah di capture dengan menggunakan Matlab dan disajikan sebagai informasi

berupa keluaran teks pada layar monitor.

Gambar 1. 1 Contoh GUI yang Menampilkan axes 1

axes1


4

4

d. Pengujian Sistem

Penelitian ini menggunakan fungsi jarak euclidean serta diuji dengan

beberapa variasi rotasi dan translasi yang telah ditentukan. Adapun penjelasan

variasi translasi yang digunakan adalah geser kanan (2cm dan 4cm), geser kiri (2cm

dan 4cm), geser atas (4cm), dan geser bawah (4cm). Kemudian variasi rotasi yang

digunakan diantaranya 0 derajat, 2 derajat, 4 derajat, 360 derajat, 358 derajat dan

356 derajat. Jumlah data yang diambil terdiri dari 6 kondisi kotak baterai x 12

variasi translasi dan rotasi x 10 percobaan = 720 data. Pengujian sistem diuji secara

real time dan non real time.

e. Analisa dan Menyimpulkan Hasil Percobaan

Analisa diperoleh dari data hasil pengujian yang dilakukan secara realtime

dan non real time. Penyimpulan hasil percobaan dilakukan untuk mengetahui

kinerja sistem pengecekan sablon kotak baterai.


5

BAB II

DASAR TEORI

2.1. Kotak Baterai

Kotak baterai umumnya terbuat dari bahan karet atau plastik yang dikeraskan,

kotak ini didesain secara baik oleh pabrik pembuatnya dengan tujuan untuk melindungi

dan menghindari benturan atau gangguan yang datang dari luar baterai semisal bentuk

kejatuhan dari ketinggian secara tak sengaja, ataupun tertimpa sebuah alat semacam

dongkrak, namun demikian sebaik apapun kotak baterai ini dibuat terkadang mempuyai

umur pemakaian yang tidak maksimal semisal ketika jatuh dari ketinggian tertentu

terkadang kotak baterai langsung pecah dan cairan elektrolitnyapun langsung berhamburan

[3].

Gambar 2. 1 Contoh Kotak Baterai [4]

.

Gambar 2.1. kotak baterai memiliki warna dasar putih dengan karakter huruf

berwarna hitam. Sedangkan pola karakter huruf adalah sebagai berikut :

1. Pola karakter didalamnya berupa 2 digit huruf, yakni A dan r.

2. Kotak baterai memiliki panjang 19 cm dengan lebar 19 cm serta tinggi 21 cm.

3. Pola karakter huruf A memiliki panjang 7,8 cm dengan lebar 7,8 cm, untuk r juga

memiliki panjang 7,8 cm dan lebar 7,8 cm.

Maksud dan tujuan dari pengecekan ini dilakukan untuk mengetahui apakah ada

cacat pada hasil sablon karakter huruf kotak baterai.

Kondisi sablon kotak baterai dapat diketahui melalui contoh pada gambar 2.2.


6

(a) (b)

(c) (d)

(e) (f)

Gambar 2. 2 Contoh-contoh Sablon Kotak Baterai

Tabel 2. 1 Jenis Kondisi Kotak Baterai [5]

Kondisi Kotak

Baterai

Keterangan

Benar Kotak disablon dengan kondisi baik tanpa ada cacat sablon

Tergores (Hitam) Ada kemungkinan pada saat proses sablon, komponen sablon ada

yang menggores citra sablon berwarna hitam. Tergores (Putih) Ada kemungkinan pada saat proses sablon, ada goresan putih.


7

Tabel 2. 2 Jenis Kondisi Kotak Baterai [5] (Lanjutan)

Kondisi Kotak

Baterai

Keterangan

Bintik (Hitam) Ada kemungkinan bila kotak baterai tidak dalam keadaan bersih

(debu), maka pada saat disablon timbul bintik-bintik hitam akibat

debu yang menempel. Bintik (Putih) Ada kemungkinan bila kotak baterai tidak dalam keadaan bersih

(debu), maka pada saat disablon timbul bintik-bintik putih akibat

debu yang menempel. Leber Ada kemungkinan pada saat proses penyablonan tinta yang

digunakan untuk menyablon leber.

2.2. Pengolahan Citra Digital

2.2.1. Definisi Pengolahan Citra Digital

Pengolahan citra digital (Digital Image Processing) adalah sebuah disiplin ilmu

yang mempelajari tentang teknik-teknik mengolah citra. Citra yang dimaksud disini adalah

gambar diam (foto) maupun gambar bergerak (yang berasal dari webcam). Sedangkan

digital disini mempunyai maksud bahwa pengolahan citra/gambar dilakukan secara digital

menggunakan komputer.

Secara matematis, citra merupakan fungsi kontinyu dengan intensitas cahaya pada

bidang dua dimensi. Agar dapat diolah dengan komputer digital, maka suatu citra harus

dipresentasikan secara numerik dengan nilai-nilai diskrit. Repersentasi dari fungsi kontinyu

menjadi nilai-nilai diskrit disebut digitalisasi citra. Sebuah citra digital dapat diwakili oleh

sebuah matriks dua dimensi f(x,y) yang terdiri dari M dan N baris, dimana perpotongan

antara kolom dan baris disebut piksel (pixel = picture element) atau elemen terkecil dari

sebuah citra [6].

𝑓(𝑥, 𝑦) ≈ [

𝑓(0,0) 𝑓(0,1)𝑓(1,0)

⋮𝑓(𝑁 − 1,0)

𝑓(1,1)⋮

𝑓(𝑁 − 1,1)

⋯ 𝑓(0, 𝑀 − 1)⋯⋮

⋯

𝑓(1, 𝑀 − 1)⋮

𝑓(𝑁 − 1, 𝑀 − 1)

] (2.1)

Suatu citra f(x,y) dalam fungsi matematis dapat dituliskan sebagai berikut :

0 ≤ x ≤ M − 1 (2.2)

0 ≤ x ≤ N − 1 (2.3)

0 ≤ 𝑓(x, y) ≤ G − 1 (2.4)


8

Dimana : M = Jumlah piksel baris (row) pada array citra

N = Jumlah piksel kolom (coloumn) pada array citra

G = Nilai skala keabuan (graylevel)

2.2.2. Ruang Warna RGB

Ruang warna ini menggunakan tiga komponen dasar yaitu merah (R), hijau (G),

dan biru (B). Setiap piksel dibentuk oleh ketiga komponen tersebut. Model RGB bisa

disajikan dalm bentuk kubus tiga dimensi, dengan warna merah, hijau, dan biru berada

pojok sumbu. Sebagai contoh, kebutuhan untuk memperoleh warna alamiah seperti merah

dengan menggunakan RGB menjadi sangat kompleks mengingat komponen R dapat

berpasangan dengan G dan B [7].

2.2.3. Citra Grayscale

Citra grayscale adalah citra yang hanya menggunakan warna pada tingkatan warna

abu-abu. Warna abu-abu adalah satu-satunya warna pada ruang RGB dengan komponen

merah, hijau, dan biru mempunyai intensitas yang sama. Pada citra beraras keabuan hanya

perlu menyatakan nilai intensitas untuk tiap piksel sebagai nilai tunggal. Sedangkan pada

citra berwarna perlu tiga nilai intensitas untuk tiap pikselnya.

Untuk merubah citra warna masing-masing R, G, B menjadi citra grayscale dengan

nilai s, maka konversi dapat dilakukan dengan mengambil rata-rata dari nilai R, G, dan B

sehingga dapat dituliskan menjadi [9] :

𝑆 =𝑅+𝐺+𝐵

3 (2.5)

Gambar 2. 3Skema Ruang Warna RGB Dalam Bentuk Kubus [8]


9

2.2.4. Citra Biner

Citra biner adalah citra dengan setiap piksel hanya dinyatakan dengan sebuah nilai

dari dua kemungkinan (yaitu nilai 0 dan 1). Nilai 0 menyatakan warna hitam dan nilai 1

menyatakan warna putih. Citra jenis ini banyak dipakai dalam pemrosesan citra, misalnya

untuk kepentingan memperoleh tepi bentuk suatu objek [6].

2.2.5 Resizing

Resizing citra adalah mengubah besarnya ukuran citra dalam piksel. Tampilan citra

tidak ada yang berubah hanya ukuran piksel dan matriksnya yang dirubah. Transformasi

geometris disebut rubber-sheet transformation karena dapat ditampilkan seperti

pencetakan citra pada lembaran karet dan men-streching lembaran ini menurut jumlah

aturan yang sudah didefinisikan [5].

Transformasi geometris ini digunakan untuk melakukan image registration, yaitu

sebuah proses yang mengambil dua citra dari scene yang sama dan mengaturnya sehingga

dapat digabung untuk visualisasi, atau perbandingan kuantitatif.

2.2.6. Cropping

Cropping citra merupakan salah satu langkah dalam pengolahan citra yang

dilakukan untuk memotong satu bagian dari citra tertentu untuk memperoleh bagian yang

diinginkan untuk diolah. Hal ini dilakukan untuk mendapatkan data yang tepat sehingga

memudahkan proses pengolahan citra [10].

2.3. Threshold Metode Otsu

Threshold dengan metode Otsu diperkenalkan oleh Nobuyuki Otsu [11]. Threshold

merupakan suatu metode yang dapat digunakan untuk mengkonversi citra grayscale

menjadi citra biner. Pendekatan yang dilakukan oleh metode Otsu adalah melakukan analis

diskriminan, yaitu menentukan variabel yang dapat membedakan antara dua atau lebih

kelompok yang muncul secara alami. Analisis diskriminan memaksimumkan variabel

tersebut agar membagi objek dan latar belakang (background). Metode Otsu dapat

diformulasi sebagai berikut :

𝑃𝑖 =𝑛𝑖

𝑁⁄ (2.6)


10

Keterangan :

𝑃𝑖 = probabilitas piksel pada level i

𝑛𝑖 = jumlah piksel pada level i

N = total jumlah piksel pada citra

𝜔(𝑘) = ∑ 𝑃𝑖𝑘𝑖=1 (2.7)

𝜇(𝑘) = ∑ 𝑖. 𝑃𝑖𝑘𝑖=1 (2.8)

𝜇𝑇 = ∑ 𝑖. 𝑃𝑖𝑘𝑖=1 (2.9)

Keterangan :

𝜔(𝑘) = nilai zeroth cumulative moment

𝜇(𝑘) = first cumulative moment

𝜇𝑇 = total nilai mean

Nilai varian antar kelas dapat dihitung dengan :

𝜎𝐵2(𝑘∗) = max

1≤𝑘<𝐿𝜎𝐵

2(𝑘) (2.10)

𝜎𝐵2(𝑘) =

[𝜇𝑇𝜔(𝐾)−𝜔(𝐾)]2

𝜔(𝐾)[1−𝜔(𝐾)] (2.11)

Keterangan :

𝜎𝐵2 = variasi antar kelas

k = nilai ambang (threshold)

L = nilai grayscale 255

2.4. Median Filter

Filter yang paling dikenal adalah filter median. Filter ini bekerja dengan

menggantikan nilai tengah dari piksel yang dicakup oleh area filter dengan sebuah nilai

tengah (median) setelah diurutkan terlebih dahulu dari yang terkecil ke yang terbesar.

Kelebihan dari filter median adalah kemampuannya dalam mengurangi derau yang

diakibatkan oleh derau acak misalnya jenis salt and pepper noise atau bisa disebut sebagai

derau impulse. Sehingga filter ini dinobatkan menjadi filter yang paling ampuh dalam

mengolah citra berderau sejenis. Selain digunakan untuk menghilangkan derau, filter-filter

ini juga digunakan untuk menghaluskan citra digital. [16]

2.5. Template Matching

Template Matching (pencocokan citra) merupakan salah satu bagian dari

pengolahan citra yang dilakukan untuk mencari citra lain yang sejenis atau memiliki


11

kemiripan. Salah satu parameter yang merepresentasikan tingkat kemiripan antara dua

buah citra adalah jarak euclidean. Jarak euclidean dapat dihitung berdasarkan citra khusus

yang dimiliki oleh suatu citra. Ciri tersebut diantaranya adalah ciri warna, ciri tekstur, ciri

bentuk, ciri geometri, dan ciri ukuran [12].

2.6. Jarak Euclidean

Jarak Euclidean merupakan suatu metode yang digunakan untuk menghitung jarak

antara dua data, metode yang digunakan untuk menghitung jarak antara data uji dengan

jarak data latih, di mana jarak terkecil merupakan anggota kelas tersebut [13].

𝑑(𝑝, 𝑞) = 𝑑(𝑞, 𝑝) = √(𝑞1 − 𝑝1)2 + (𝑞2 − 𝑝2)2 + ⋯ + (𝑞𝑛 − 𝑝𝑛)2 = √∑(𝑞𝑖 − 𝑝𝑖)2

𝑛

𝑖=1

(2.12)

Keterangan : p = citra basis data

q = citra masukan

Contoh : Jarak Euclidean menghitug akar dari kuadrat perbedaan 2 vektor.

Terdapat 2 vektor ciri berikut :

𝑝 = [4 5 6 7]

𝑞 = [0 1 2 3]

Jarak Euclidean dari 2 vektor A dan B adalah :

𝑑(𝑝, 𝑞) = √(4 − 0)2 + (5 − 1)2 + (6 − 2)2 + (7 − 3)2

= √16 + 16 + 16 + 16

= 8

2.7. Webcam

Webcam atau web camera adalah sebuah kamera video digital kecil yang

dihubungkan ke komputer melalui port USB ataupun port COM. Webcam dapat dipasang

pada bagian atas monitor komputer dan dapat menangkap video serta gambar, kemudian

langsung menyimpannya dalam hard drive komputer. Sehingga banyak digunakan untuk

mengolah image processing yang kemudian akan diolah dengan perangkat lunak untuk

pemrosesan berbasis pixel, RGB dan lain-lain. Beberapa spesifikasi webcam antara lain : []

HD video calling (1280 x 720 pixels) with recommended system

Video capture : Up to 1280 x 720 pixels

Photos : Up to 3.0 megapixels


12

Built-in mic with Logitech RightSound™ technology

Hi-speed USB 2.0 certified

Gambar 2. 4 Contoh Webcam

2.8. Matlab

MATLAB (Matrix Laboratory) adalah suatu program untuk analisis dan komputasi

numerik dan merupakan suatu bahasa pemrograman matematika lanjutan yang dibentuk

dengan dasar pemikiran menggunakan sifat dan bentuk matriks. MATLAB merupakan

merk software yang dikembangkan oleh Mathworks.Inc. merupakan sofware yang paling

efiisien untuk perhitungan numeric berbasis matriks.

Kegunaan matlab secara umum adalah untuk [15]:

Matematika dan komputansi

Pemodelan, simulasi dan pembuatan prototype

Analisa data, eksplorasi dan visualisasi

Pembuatan aplikasi termasuk pembuatan graphical user interface

Beberapa contoh fungsi-fungsi matlab antara lain :

Imread

Suatu perintah dalam matlab untuk membaca suatu data citra dari file atau gambar.

RGB2GRAY

Rgb2gray merupakan fungsi untuk mengubah citra berwarna menjadi citra

grayscale.

IM2BW

Im2bw adalah fungsi untuk mengubah citra grayscale ke dalam bentuk biner.

Imcrop

Imcrop adalah fungsi untuk melakukan cropping pada citra.


13

Sablon Kotak Baterai

Pengecekan Sablon Kotak Baterai

BAB III

PERANCANGAN

3.1. Perancangan Hardware

Gambar perancangan hardware prototype alat sablon kotak baterai dapat dilihat

pada gambar 3.1

Gambar 3. 1 Blok Diagram Sistem Keseluruhan


14

Gambar 3.1 menunjukan blok diagram sistem keseluruhan yang dibagi menjadi dua

bagian yakni sistem alat sablon kotak baterai dan sistem pengecekan kualitas hasil sablon

kotak baterai. Sistem pengecekan kualitas hasil sablon baterai dibagi menjadi 4 bagian

yaitu pengambilan citra hasil sablon, preprocessing, fungsi jarak euclidean dan Keluaran.

Gambar 3. 2 Perancangan Hardware Prototype Pengecekan Hasil Sablon

Peneliti menggunakan empat komponen utama yang digunakan yaitu fixture,

webcam, kotak baterai dan laptop. Fixture digunakan sebagai pangkuan kamera yang

disambungkan dengan laptop melalui port USB ditunjukan pada nomor 1. Nomor 2

menunjukan tempat kedudukan serta jarak antara kamera dengan kotak baterai.

Kamera yang digunakan adalah webcam logitech c270 yang berfungsi untuk

pengambilan citra. Laptop digunakan sebagai media proses pengenalan yang dikerjakan

menggunakan software Matlab. Warna background yang digunakan pada kedudukan kotak

baterai berwana hitam. Jarak pengambilan citra kotak baterai dengan webcam adalah 70

cm dan pengambilan citra dilakukan secara top view.

70 cm

1

2


15

3.1.1. Perancangan Kotak Baterai

Kotak baterai yang digunakan sesuai dengan gambar perancangan. Kotak baterai

hanya memuat dua karakter huruf yakni A dan r. Dapat dilihat pada gambar 3.3.

1. Ukuran Kotak Baterai :

Panjang : 19 cm.

Lebar : 19 cm.

Tinggi : 21 cm.

Gambar 3. 3 Perancangan Kotak Baterai dan Sablon Kotak Baterai

2. Ukuran Karakter Huruf (Logo aki) :

a. Huruf A.

- Panjang : 7.8 cm

- Lebar : 7.8 cm

b. Huruf r.

- Panjang : 7.8 cm

- Lebar : 7.8 cm

c. Spasi antara huruf A dan r : 3.9 cm

7.8 cm

7.8

cm

3.9

cm

7.8 cm

3.9 cm

7.8

cm


16

3.2. Perancangan Software

Program pengecekan sablon kotak baterai ditunjukkan pada gambar 3.4.

Perancangan software pengecekan sablon kotak baterai terdiri dari beberapa proses,

yakni pengambilan citra hasil sablon, preprocessing, fungsi jarak euclidean dan penentuan

keluaran. Proses pengambilan citra hasil sablon dilakukan menggunakan webcam logitech

c270 yang tersambung dengan laptop melalui port USB untuk selanjutnya akan diproses di

matlab. Pada tahap preprocessing, citra RGB dikonversi ke dalam bentuk biner. Kemudian

dilanjutkan dengan proses cropping untuk menghilangkan bagian citra yang tidak

diperlukan (background). Dilanjutkan dengan proses resizing untuk memperkecil jumlah

piksel citra.

Hasil dari preprocessing ini akan diproses ke tahap fungsi jarak euclidean. Tahap

fungsi jarak euclidean bertujuan membandingkan citra preprocessing pada data referensi

dengan citra preprocessing pada pengujian. Terakhir dari proses sistem ini yaitu tahap

penentuan keluaran. Hasil penentuan keluaran sistem ini berupa teks.

Mulai

Pengambilan Citra

Hasil Sablon

Preprocessing

Selesai

Fungsi Jarak Euclidean

Penentuan Keluaran

Data

Referensi

Gambar 3. 4 Flowchart Perancangan Software


17

3.2.1. Subrutin Pengambilan Citra Hasil Sablon

Proses pengambilan citra hasil sablon adalah proses mengambil gambar citra

dengan menggunakan webcam. Webcam akan dihubungkan ke laptop menggunakan USB

2.0 sehingga gambar citra dapat dikirim dan diterima oleh laptop untuk diproses pada

matlab. Diagram alir proses pengambilan citra hasil sablon dapat dilihat pada Gambar 3.5

3.2.2. Subrutin Preprocessing

Preprocessing terdiri dari empat tahapan yaitu, mengkonversi citra RGB ke

grayscale agar citra yang awalnya memiliki format RGB setelah di capture menggunakan

webcam berubah menjadi hitam putih, kemudian citra grayscale dikonversi ke citra biner,

dilanjutkan dengan proses cropping yang berfungsi untuk memotong citra yang tidak

diperlukan, selanjutnya masuk pada tahap Resizing yang tujuannya untuk mengubah

besarnya ukuran citra menjadi 16x16 piksel.

Mulai

Masukan :

Citra Kotak

Baterai

Webcam (Aktif)

Camera On

Keluaran Citra

Kotak Baterai

Selesai

Gambar 3. 5 Subrutin Pengambilan Citra Hasil Sablon


18

Proses preprocessing digambarkan dalam diagram alir Gambar 3.6.

3.2.3. Subrutin Fungsi Jarak Euclidean

Proses jarak euclidean dilakukan setelah proses preprocessing. Proses ini berfungsi

untuk membandingkan citra preprocessing pada data referensi dengan citra preprocessing

pada pengujian. Proses jarak euclidean digambarkan dalam diagram alir Gambar 3.7.

Keluaran : Citra Hasil

Preprocessing

Resizing

Konversi Citra

Grayscale ke Biner

Konversi Citra RGB

ke Grayscale

Mulai

Masukan Citra Kotak

Baterai

Cropping

Selesai

Gambar 3. 6 Subrutin Preprocessing


19

3.2.4. Subrutin Penentuan Keluaran

Pada proses penentuan keluaran ini, hasil pengenalan citra hasil sablon ditentukan

berdasarkan nilai jarak yang telah ditentukan setelah dilakukan proses fungsi jarak

euclidean. Proses penentuan keluaran digambarkan pada diagram alir Gambar 3.8.

Citra Hasil

preprocessing,

data referensi

Fungsi Jarak Euclidean

Keluaran : Nilai

Jarak Euclidean

Selesai

Mulai

Ya

Selesai

Masukan : Nilai Jarak

Euclidean

Mulai

z<3

Keluaran

teks Benar

Keluaran

teks Salah

Tidak

Gambar 3. 8 Penentuan Keluaran

Gambar 3. 7 Subrutin Fungsi Jarak Euclidean


20

Tabel 3. 1 Percobaan Penentuan Nilai Keluaran

Posisi Translasi Jarak

Benar (Tengah) 1 (Benar)

Benar (Kanan) 1.414 (Benar)

Benar (Kiri) 1.732(Benar)

Benar (Atas) 2 (Benar)

Benar (Bawah) 2.449 (Benar)

3.3. Data Referensi

Pada sistem pengecekan sablon kotak baterai ada sebuah penentuan yang digunakan

sebagai acuan yaitu data referensi. Citra data referensi akan dibandingkan dengan citra

preprocesssing yang telah dicapture. Proses pembuatan data referensi sama dengan proses

preprocessing, yakni merubah citra RGB menjadi grayscale, kemudian dikonversi menjadi

citra biner, lalu masuk pada tahap cropping. Cropping dilakukan untuk memotong bagian

citra yang tidak diperlukan, seperti background. Resizing citra yang tujuannya untuk

mengubah besar kecilnya ukuran citra dalam piksel. Data referensi yang digunakan yakni 1

data referensi.

Konversi Citra RGB

ke Grayscale

Konversi Citra

Grayscale ke Biner

Keluaran : Citra Data

Referensi

Mulai

Selesai

Masukan Citra Kotak

Baterai

Resizing

Cropping

Gambar 3. 9 Proses Data Referensi


21

3.4. Perancangan Tampilan GUI Matlab

Perancangan tampilan prototype pengecekan kualitas hasil sablon kotak baterai

menggunakan GUI (Graphical User Interface) pada matlab. Tujuan dari perancangan

Tampilan GUI matlab untuk membantu dalam proses pengecekan hasil sablon kotak

baterai. Proses dan keterangan perancangan digambarkan dalam diagram alir Gambar 3.10

dan Tabel 3.2.

Gambar 3. 10 Tampilan Perancangan GUI

Tabel 3. 2 Keterangan GUI Matlab

Nama Bagian Keterangan

Tombol “Camera

On”

Untuk menghidupkan webcam serta menghidupkan webcam

Tombol “Capture” Untuk mengambil gambar

Tombol “Proses” Untuk memulai proses pengenalan citra sablon kotak baterai


22

Tabel 3. 3 Keterangan GUI Matlab (Lanjutan)

Nama Bagian Keterangan

Pada panel keluaran Untuk menampilkan hasil akhir

pengenalan citra sablon kotak baterai

berupa teks

Tombol “Reset” Untuk mengulang proses pengenalan dari

awal

Tombol “End” Untuk keluar mengakhiri proses dan keluar

dari system

Axes1 Untuk menampilkan citra secara real time

dari webcam dan citra hasil pengambilan

gambar

Axes2 Untuk menampilkan citra hasil

preprocessing


23

BAB IV

HASIL DAN PEMBAHASAN

Bab ini membahas mengenai pengujian alat dan program yang dilakukan secara

langsung dan tidak langsung, Serta melakukan analisis terhadap hasil pengujian program.

Analisis pada program diperlukan untuk megetahui program yang dibuat berjalan dengan

baik atau tidak, sehingga dapat digunakan untuk menarik kesimpulan dari penelitian ini.

4.1. Implementasi Program

4.1.1. Tombol Camera On

Tombol Camera On berfungsi untuk menghidupkan webcam serta menghubungkan

webcam dengan Matlab serta menampilkan hasil dari rekaman webcam pada axes 1. Pada

gambar 4.1 menampilkan program Camera On. Dimana camvid merupakan sebuah

variabel yang berfungsi untuk mewakili hasil rekaman webcam dengan format RGB

berukuran 320x240 pixel. Program ‘winvideo’ berfungsi untuk menampilkan informasi

dari webcam, sehingga webcam dan Matlab dapat saling berkomunikasi. Didalam proses

ini akan menampilkan video, panjang, lebar, resolusi, port webcam dan band dari video.

‘Preview’ bertujuan untuk menampilkan video saat Camera On dijalankan.

function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global camvid; axes(handles.axes1); info=imaqhwinfo('winvideo'); dev_info=imaqhwinfo('winvideo',1); camvid = videoinput('winvideo',3,'RGB24_320x240'); camvid.FramesPerTrigger=1; triggerconfig(camvid,'manual'); camRes = get(camvid,'VideoResolution'); imWidth = 320; imHeight = 240; nBands = get(camvid,'NumberOfBands'); hImage = image(zeros(imHeight, imWidth,

nBands),'parent',handles.axes1); preview(camvid,hImage);

Gambar 4. 1 Program Camera On


24

4.1.2. Tombol Capture

Tombol Capture digunakan untuk mengambil gambar kotak baterai yang

digunakan untuk dilakukan pengecekan serta sebagai masukan untuk proses selanjutnya.

Adapun program tombol capture dapat dilihat pada gambar 4.2

Terdapat beberapa sintaks yang digunakan pada program Tombol Capture,

diantaranya sintaks global yang fungsinya untuk mendeklerasikan suatu variabel agar

dapat digunakan dalam fungsi yang sama, selain sintaks global terdapat juga sintaks

getdata yang fungsinya mengambil citra pada saat kondisi webcam aktif. Sedangkan

sintaks imshow berfungsi untuk menampilkan gambar.

4.1.3. Tombol Proses

Tombol proses merupakan tombol yang fungsinya untuk menjalankan program

proses (preprocessing) dalam Prototype Pengecekan Kualitas Hasil Sablon Kotak Baterai.

Pada program preprocessing terdiri dari beberapa tahapan program yakni mengkonversi

citra RGB ke greyscale, kemudian merubah citra greyscale ke Biner, dilanjutkan dengan

Cropping, kemudian Resizing, lalu jarak Euclidean sebagai penentuan keluaran serta GUI

Matlab yang fungsinya menampilkan hasil keluaran berupa teks.

4.1.3.1. Program Konversi RGB ke Biner

Program Konversi RGB ke Biner bertujuan untuk mengubah citra RGB ke citra

Biner. Program konversi RGB ke Biner dapat dilihat pada Gambar 4.3.

function pushbutton6_Callback(hObject, eventdata, handles) % hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global picture; global camvid; start(camvid); pause(0.5); trigger(camvid); stoppreview(camvid); picture=getdata(camvid); handles.picture=picture; axes(handles.axes1); imshow(picture);

Gambar 4. 2 Program Tombol Capture


25

Setelah pengguna melakukan proses capture data yang berupa gambar kotak baterai

kemudian dipanggil menggunakan sintaks imread, lalu sintaks “rgb2gray” berfungsi

mengubah citra RGB menjadi citra greyscale. Selanjutnya nilai ambang akan dicari secara

otomatis menggunakan sintaks “graytresh” yang diimplementasikan dari metode Otsu.

Kemudian nilai dari hasil ambang tersebut akan dikonversi ke citra Biner menggunakan

sintaks “im2bw”. Seperti namanya im2bw adalah fungsi untuk mengubah image dari

grayscale ke dalam bentuk biner dengan threshold tertentu. Threshold bisa ditentukan

sesuka kita ataupun bisa ditentukan dengan menggunakan fungsi graythresh. Nilai

intensitas citra yang lebih dari atau sama dengan nilai threshold akan diubah menjadi putih

(1) sedangkan nilai intensitas citra yang kurang dari nilai threshold akan diubah menjadi

hitam (0). Contoh hasil program konversi RGB ke biner dapat dilihat pada gambar 4.4.

(a) (b)

x=rgb2gray(picture); level = graythresh(x); A = im2bw(x,level); B = not(A); axes(handles.axes2) imshow(B)

Gambar 4. 3 Program Konversi RGB ke Biner


26

(c)

Gambar 4. 4 Konversi Citra RBG ke Biner (a) Citra Masukan (b) Citra Greyscale (c) Citra konversi

Greyscale ke Citra Biner

4.1.3.2. Program Cropping

Program Cropping berfungsi memotong bagian yang tidak diperlukan pada gambar.

% Crop image if sum(sum(B))>0 % Potong kiri cout=B; a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Potong kanan cout=fliplr(cout); a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Potong atas cout=cout'; a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Potong bawah cout=fliplr(cout); a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Penyesuaian orientasi cout=cout'; cout=flipud(cout); cout=fliplr(cout); else cout=B; end axes(handles.axes2) imshow(cout)

Gambar 4. 5 Program Cropping [17]


27

Program pada Gambar 4.5. menjelaskan bahwa citra hasil keluaran citra biner “B”

yang akan dipotong dengan cara memutar citra dan kemudian dipotong pada bagian kiri

pada background secara bertahap hingga menyisakan citra kotak baterai.

4.1.3.3. Program Resizing

Program Resizing berfungsi untuk menyesuaikan gambar yang telah dipotong

sebelumnya serta untuk mengubah besar kecilnya ukuran citra dalam piksel.

Program pada Gambar 4.6. menggunakan sintaks “imresize” yang berfungsi

merubah ukuran citra ke ukuran yang diinginkan dengan memperbesar atau mengurangi

ukuran citra. Dalam program ini ukuran yang diperlukan adalah 16 x 16 piksel. Contoh

hasil program resizing dapat dilihat pada gambar 4.7.

Gambar 4. 7 Citra Hasil Resizing

Latar belakang mengapa menggunakan Resizing 16x16 piksel dikarenakan pada

saat penelitian awal menggunakan 64x64 piksel nilai jarak yang keluar pada saat pengujian

bernilai besar dibandingkan ketika dirubah menjadi 16x16 piksel nilai jarak yang

didapatkan lebih kecil. Contoh hasil pengujian pada saat penelitian awal menggunakan

resizing 64x64 dapat dilihat pada Gambar 4.8.

% Proses Resizing x5=imresize(cout,[16 16]);

Gambar 4. 6 Program Resizing


28

Gambar 4. 8 Contoh Pengujian Menggunakan Resizing 64x64 Piksel

Pada Gambar 4.8. pengujian yang dilakukan menggunakan resizing 64x64

memperlihatkan nilai jarak yang didapatkan bernilai besar. Sehingga penulis berinisiatif

untuk mengecilkan resizing nya agar mendapatkan nilai jarak yang lebih kecil.

Tabel 4. 1 Percobaan Resizing Kondisi Leber

Resizing Jarak

64x64 50.0999 (Salah)

32x32 7.68115 (Salah)

16x16 6.08276 (Salah)

8x8 2 (Benar)

4x4 0 (Benar)

Pada Tabel 4.1 dapat diamati bahwa nilai jarak yang didapat pada percobaan

resizing 8x8 sudah tidak sesuai dengan nilai batas ambang yang telah ditentukan (<3).

Sehingga dari hasil pengamatan menunjukkan kondisi kotak baterai leber dikenali “Benar”

pada resizing 8x8.

4.1.3.4. Program Jarak Euclidean

Pada program jarak ini menggunakan jarak Euclidean sebagai pembanding antara

citra biner pada hasil capture dengan citra biner pada basis data. Program yang digunakan

dapat dilihat pada gambar 4.9.


29

Program pada gambar 4.9. digunakan untuk memanggil fungsi jarak Euclidean

yang telah dibuat pada fungsi yang telah dibuat sebelumnya, dapat dilihat pada L-15.

Adapun variabel yang akan dibandingkan adalah hasil cropping dan resizing citra biner

dari pengujian real time yaitu x5 dengan hasil cropping dan resizing citra biner dari basis

data yang telah disimpan yaitu B2.

4.1.3.5. Program Penentuan Keluaran

Program keluaran berfungsi untuk menampilkan hasil dari pengecekan sablon

kotak baterai. Program yang digunakan dapat dilihat pada Gambar 4.10.

Program 4.10. merupakan program untuk menampilkan hasil berupa teks dari hasil

pengecekan kotak baterai. Terdapat 2 hasil pengecekan sablon kotak baterai, “Benar” dan

“Salah”. Contoh hasil program penentuan keluaran dapat dilihat pada gambar 4.11.

Gambar 4. 11 Contoh Hasil Program Penentuan Keluaran

Latar belakang mengapa dipilih nilai threshold 3 adalah untuk memberi batasan

bagi nilai jarak kotak baterai yang diuji antara yang dideteksi “Benar” dan “Salah”.

Dikarenakan jika nilai threshold pada keluaran dibuat menjadi <4 maka akan ada kotak

baterai yang seharusnya dideteksi cacat namun dideteksi tidak cacat. Hal tersebut diperoleh

z=jarak(x5,B2) set(handles.edit1,'string',z)

if (z<3) z1 ={'Benar'}; set(handles.edit2,'string',z1); else z1 ={'Salah'}; set(handles.edit2,'string',z1); end

Gambar 4. 10 Program Penentuan Keluaran

Gambar 4. 9 Program Jarak Euclidean


30

dari percobaan pengujian yang telah dilakukan pada penelitian awal bahwa degan

menggunakan resizing 16x16 piksel nilai batas threshold yang ditentukan untuk

mendapatkan hasil pengujian yang sesuai adalah <3. Apabila nilai keluaran dibatasi =3 dan

>3 maka hasil yang akan ditentukan untuk pengujian adalah cacat “Salah”.

Contoh hasil pengujian penelitian awal menggunakan nilai threshold <4 dapat

dilihat pada Gambar 4.12

Gambar 4. 12 Contoh Hasil Pengujian Menggunakan Nilai Threshold <4

4.1.4. Tombol Reset

Tombol Reset digunakan untuk mengembalikan tampilan awal GUI apabila terjadi

kesalahan pada saat proses pengecekan berlangsung serta jika user ingin kembali memulai

proses dari awal. Program tombol reset ditunjukan pada Gambar 4.13.

plot(0) axes(handles.axes2) plot(0) axes(handles.axes1) set(handles.edit1,'string','') set(handles.edit2,'string','')

Gambar 4. 13 Program Tombol Reset


31

4.1.5 Tombol End

Tombol End berfungsi untuk mengakhiri/keluar dari program tampilan GUI

pengecekan sablon kotak baterai. Program End dapat dilihat pada Gambar 4.14.

4.2. Pengujian Program Pengecekan Sablon Kotak Baterai Secara

Tidak Langsung

Pengujian tidak langsung bertujuan untuk memastikan bahwa program yang telah

dirancang dapat berjalan dengan baik sesuai dengan yang diharapkan. Pengujian ini

dilakukan dengan cara memasukan satu persatu citra yang telah di capture, diberi nama

dan disimpan. Selanjutnya data tersebut akan diproses dan keluaran dari hasil data tersebut

berupa teks kemudian ditampilkan di GUI Matlab. Adapun langkah yang dilakukan untuk

melakukan pengujian tidak langsung adalah sebagai berikut :

1. Membuka software Matlab dengan mengeklik kiri pada ikon Matlab.

2. Setelah masuk pada tampilan utama Matlab, kemudian membuka program

pengecekan sablon kotak baterai pada folder dimana program disimpan

sebelumnya.

3. Ketik “PENGUJIANNONREALTIME” pada Comand Window untuk

memanggil program pengujian tidak langsung pengecekan sablon kotak

baterai. Lalu tekan tombol “Enter”. Sebagai catatan semua program di RUN

terlebih dahulu untuk memastikan semua program sudah siap untuk

dijalankan.

4. Setelah menekan tombol “Enter” akan muncul tampilan GUI pada layar

monitor seperti pada gambar 4.15.

function pushbutton9_Callback(hObject, eventdata, handles) % hObject handle to pushbutton9 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close

Gambar 4. 14 Program End


32

Gambar 4. 15 Tampilan GUI Pengujian Tidak Langsung

Berikut adalah penjelasan tentang fungsi dari tombol GUI diatas :

a. Tombol “Capture” saat ditekan akan menampilkan jenis gambar kotak baterai yang

ingin diuji.

b. Tombol “Proses” saat ditekan akan menampilkan hasil dari preprocessing dan hasil

keluaran teks serta nilai jarak akan ditampilkan.

c. Tombol “Reset” saat ditekan berfungsi untuk mengembalikan setiap axes,

popupmenu, serta text yang menampilkan hasil template matching, hasil jarak

euclidean, dan hasil keluaran kembali seperti semula.

d. Tombol “End” saat ditekan berfungsi untuk mengakhiri/keluar dari program

tampilan GUI pengecekan sablon kotak baterai.

e. Berdasarkan gambar 4.15 untuk menjalankan program secara tidak langsung, maka

pengguna terlebih dahulu memasukan nama dari file citra yang telah di capture

sebelumnya yang berada pada mfile. Lalu citra akan ditampilkan pada axes1,

selanjutnya user dapat menekan tombol “Proses” untuk menampilkan hasil jarak

euclidean, dan hasil keluaran teks. Contoh hasil pengujian secara tidak langsung



33

Gambar 4. 16 Contoh Hasil Pengujian Secara Tidak Langsung

4.3. Pengujian Program Pengecekan Sablon Kotak Baterai Secara

Langsung

Pengujian ini hampir sama dengan pengujian secara tidak langsung. Yang

membedakan pada pengujian secara langsung ini data citra kotak baterai diambil secara

langsung. Lalu data diproses dan dan ditampilkan pada tampilan GUI Matlab.

Adapun langkah yang dilakukan untuk melakukan pengujian tidak langsung adalah

sebagai berikut :

1. Membuka software Matlab dengan mengeklik kiri pada ikon Matlab.

2. Setelah masuk pada tampilan utama Matlab, kemudian membuka program

pengecekan sablon kotak baterai pada folder dimana program disimpan

sebelumnya.

3. Ketik “PENGUJIANREALTIME” pada Comand Window untuk memanggil

program pengujian langsung pengecekan sablon kotak baterai. Lalu tekan

tombol “Enter”. Sebagai catatan semua program di RUN terlebih dahulu

untuk memastikan semua program sudah siap untuk dijalankan.

4. Setelah menekan tombol “Enter” akan muncul tampilan GUI pada layar

monitor seperti pada Gambar 4.17.


34

Gambar 4. 17 Tampilan GUI Pengujian Langsung

Berikut adalah penjelasan tentang fungsi dari tombol GUI diatas :

a. Tombol “Camera On” berfungsi untuk menghidupkan webcam serta

menghubungkan webcam dengan Matlab serta menampilkan hasil dari rekaman

webcam pada axes 1.

b. Tombol “Capture” saat ditekan akan menampilkan jenis gambar kotak baterai yang

ingin diuji.

c. Tombol “Proses” saat ditekan akan menampilkan hasil dari preprocessing dan hasil

keluaran teks serta nilai jarak akan ditampilkan.

d. Tombol “Reset” saat ditekan berfungsi untuk mengembalikan setiap axes,

popupmenu, serta text yang menampilkan hasil template matching, hasil jarak

euclidean, dan hasil keluaran kembali seperti semula.

e. Tombol “End” saat ditekan berfungsi untuk mengakhiri/keluar dari program

tampilan GUI pengecekan sablon kotak baterai.

f. Berdasarkan gambar 4.17 untuk menjalankan program secara langsung, maka user

terlebih dahulu harus menekan Tombol “Camera On” berfungsi untuk

menghidupkan webcam serta menghubungkan webcam dengan Matlab dan

menampilkan hasil dari rekaman webcam pada axes 1. Lalu citra akan ditampilkan

pada axes1.

Selanjutnya user dapat menekan tombol Capture digunakan untuk mengambil gambar

kotak baterai yang digunakan untuk dilakukan pengecekan serta sebagai masukan untuk


35

proses selanjutnya. Kemudian user dapat menekan tombol “proses” untuk menampilkan

hasil jarak euclidean, dan hasil keluaran teks. Contoh hasil pengujian secara langsung


Gambar 4. 18 Contoh Hasil Pengujian Secara Langsung

4.4. Analisis Hasil Data Pengujian Pengecekan Sablon Kotak Baterai

Secara Tidak Langsung

Pengujian sablon kotak baterai secara tidak langsung dilakukan dengan

menggunakan 6 kondisi kotak sablon sebanyak 720 data dengan uraian 6 kondisi kotak

baterai x 12 variasi kondisi (6 variasi translasi + 6 variasi rotasi) x 10 percobaan)). Tujuan

dari pengujian tidak langsung adalah untuk mengetahui apakah sistem berjalan dengan

baik serta dapat mengetahui apakah sistem dapat memproses gambar dengan baik dan

menentukan keluaran sesuai kondisi yang diuji.

Adapun cara untuk melakukan pengujian secara tidak langsung yang pertama

adalah memberi nama pada setiap gambar kondisi serta variasi kotak baterai yang

diperoleh dari hasil capture. Kemudian menekan tombol “Proses” untuk mengetahui hasil

dari pengecekan sablon kotak baterai. Hasil akhir dari sistem ini akan menampilkan nilai

jarak euclidean dan keluaran berupa teks pada GUI matlab. Adapun hasil pengujian yang

diperoleh dari pengujian tidak langsung dapat dilihat pada Tabel 4.2. dan 4.3.


36

Tabel 4. 2 Hasil Pengujian Secara Tidak Langsung Variasi Rotasi

Pengujian Secara Tidak Langsung Dengan Variasi Rotasi

Kondisi Kotak Baterai Variasi Rotasi Banyak Percobaan Keberhasilan

Benar 6 10 96,66%

Leber 6 10 100%

Garis Hitam 6 10 100%

Bintik Hitam 6 10 100%

Garis Putih 6 10 100%

Bintik Putih 6 10 100%

Berdasarkan Tabel 4.2. pengujian ini memiliki 6 variasi rotasi diantaranya :

1. Rotasi 0°

2. Rotasi 2°

3. Rotasi 4°

4. Rotasi 356°

5. Rotasi 358°

6. Rotasi 360°

Berdasarkan Tabel 4.2. program pengujian secara tidak langsung pada posisi tengah

(0° dan 360°) berjalan sesuai dengan yang diharapkan. Dalam 10 kali pengujian dapat

mendeteksi citra sesuai dengan hasil keluaran yang diinginkan. Berdasarkan pengamatan

pada pengujian yang berada pada lampiran L.2.1. dan L.2.6. Pada kondisi tidak cacat dapat

dideteksi “Benar” dan pada kondisi cacat dapat dideteksi “Salah”. Hal ini terjadi karena

nilai jarak euclidean pada kondisi “Benar” memiliki nilai jarak kurang dari 3. Sedangkan

untuk kondisi cacat dapat dideteksi “Salah” karena memiliki nilai jarak lebih dari 3.

Karena sesuai dengan program yang dibuat batasan nilai jarak maksimum untuk citra

dikenali “Benar” (Tidak Cacat) adalah 3, apabila nilai jarak >3 maka citra akan dibaca

salah (Cacat).

Dapat diamati pada Tabel 4.2. pengujian secara tidak langsung dengan menggunakan

variasi rotasi (2°, 4°, 356°, 358°) belum berjalan sesuai dengan yang diharapkan. Diantara

6 kondisi baterai, pengujian hanya dapat mendeteksi citra sesuai dengan hasil yang

diharapkan sebanyak 5 kondisi. Berdasarkan pengamatan pada pengujian yang berada pada

lampiran L.2.1. Terlihat bahwa kondisi kotak baterai yang tidak cacat ketika diberi variasi

rotasi 4° dan 356° tidak menghasilkan keluaran “Benar”. Hal ini terjadi karena nilai jarak


37

pada kondisi variasi rotasi 4° dan 356° melebihi dari 3. Sesuai dengan program yang dibuat

batasan nilai jarak maksimum untuk citra dikenali “Benar” (Tidak Cacat) adalah 3, apabila

nilai jarak >3 maka citra akan dibaca salah (Cacat). Pengujian ini dapat dilihat pada

Gambar 4.19.

Gambar 4. 19 Pengujian Secara Tidak Langsung dengan Variasi Rotasi 2°

Tabel 4. 3 Hasil Pengujian Secara Tidak Langsung Variasi Translasi

Pengujian Secara Tidak Langsung Dengan Variasi Translasi

Kondisi Kotak Baterai Variasi Translasi Banyak Percobaan Keberhasilan

Benar 6 10 100%

Leber 6 10 100%





Berdasarkan Tabel 4.3. pengujian ini memiliki 6 variasi translasi diantaranya :

1. Geser kanan 2 cm

2. Geser kanan 4 cm

3. Geser kiri 2 cm

4. Geser kiri 4 cm

5. Geser atas 4 cm

6. Geser bawah 4 cm


38

Pada pengujian ini dapat disimpulkan bahwa di setiap variasi translasi program masih

dapat mendeteksi kotak baterai dengan benar dalam 10 kali pengujian dimana hasil

pengujian telah sesuai dengan hasil keluaran yang diharapkan. Berdasarkan pengamatan

pada pengujian yang berada pada lampiran L.2.7. Untuk kotak baterai dengan kondisi tidak

cacat dapat dideteksi “Benar” sedangkan yang cacat dapat dideteksi “Salah”. Pengujian

secara tidak langsung dengan variasi translasi dapat dilihat pada contoh Gambar 4.20

Gambar 4. 20 Pengujian Secara Tidak Langsung dengan Translasi Geser Kiri 2 cm

Karena itu dapat ditarik kesimpulan dalam pengujian tidak langsung jika semakin

kecil nilai jarak yang didapat pada pengujian citra benar (=0) maka citra yang diuji akan

semakin mirip dengan citra acuan. Hal ini dapat dilihat pada contoh Gambar 4.21.

Gambar 4. 21 Pengujian Secara Tidak Langsung Posisi Tengah (0° dan 360°)


39

4.5. Analisis Hasil Data Pengujian Pengecekan Sablon Kotak Baterai

Secara Langsung

Pengujian hasil sablon kotak baterai secara langsung bertujuan untuk mengetahui

apakah program bekerja dengan baik dan mencari nilai jarak euclidean terkecil (mendekati

0) untuk kondisi benar, pengujian ini dilakukan di ruang tugas akhir dengan pengambilan

gambar berdasarkan pencahayaan lampu ruang tugas akhir. Dalam pengujian ini, dilakukan

pengujian secara langsung menggunakan 6 kondisi kotak sablon sebanyak 720 data dengan

uraian 6 kondisi kotak baterai x 12 variasi kondisi (6 variasi translasi + 6 variasi rotasi) x

10 percobaan)).

Pada pengujian secara langsung awalnya kotak baterai diletakkan dibawah kamera

webcam dengan jarak 70 cm kemudian dilakukan pengujian menggunakan 6 variasi

kondisi x 10 kali percobaan. Adapun cara untuk melakukan pengujian secara langsung

yang pertama adalah menekan tombol “Camera On” untuk menghidupkan webcam.

Kemudian menekan tombol “Capture” mengambil gambar. Lalu menekan tombol “Proses”

untuk mengetahui hasil dari pengecekan sablon kotak baterai. Hasil akhir dari sistem ini

akan menampilkan nilai jarak euclidean dan keluaran berupa teks pada GUI matlab. Hasil

pengenalan dapat diperoleh setelah melalui tahap preprocessing, tahap perhitungan jarak

euclidean dan penentuan keluaran.

Tabel 4. 4 Hasil Pengujian Secara Langsung Dengan Variasi Rotasi

Pengujian Secara Langsung Dengan Variasi Rotasi

Kondisi Kotak Baterai Variasi Rotasi Banyak Percobaan Keberhasilan

Benar 6 10 96,66%

Leber 6 10 100%





Berdasarkan Tabel 4.4. pengujian ini memiliki 6 variasi rotasi diantaranya :

1. Rotasi 0°

2. Rotasi 2°

3. Rotasi 4°

4. Rotasi 356°


40

5. Rotasi 358°

6. Rotasi 360°

Dapat diamati pada Tabel 4.3. pengujian secara langsung dengan menggunakan

variasi rotasi (2°, 4°, 356°, 358°) belum berjalan sesuai dengan yang diharapkan. Diantara

6 kondisi baterai, pengujian hanya dapat mendeteksi citra sesuai dengan hasil yang

diharapkan sebanyak 4 kondisi yakni (0°, 2°, 358° dan 360°). Berdasarkan pengamatan

pada pengujian yang berada pada lampiran L.3.1. Terlihat bahwa kondisi kotak baterai

yang tidak cacat ketika diberi variasi rotasi 4° dan 356° tidak menghasilkan keluaran

“Benar”. Hal ini terjadi karena nilai jarak pada kondisi variasi rotasi 4° dan 356° melebihi

nilai jarak yang telah ditentukan (>3). Sesuai dengan program yang dibuat batasan nilai

jarak untuk citra dikenali “Benar” (Tidak Cacat) adalah >3, apabila nilai jarak ≤3 maka

citra akan dibaca salah (Cacat). Pengujian ini dapat dilihat pada Gambar 4.22.

Gambar 4. 22 Pengujian Secara Langsung dengan Variasi Rotasi 358°


41

Tabel 4. 5 Hasil Pengujian Secara Langsung Variasi Translasi

Pengujian Secara Langsung Dengan Variasi Translasi

Kondisi Kotak Baterai Variasi Translasi Banyak Percobaan Keberhasilan

Benar 6 10 100%

Leber 6 10 100%





Berdasarkan Tabel 4.5. pengujian ini memiliki 6 variasi translasi diantaranya :

1. Geser kanan 2 cm

2. Geser kanan 4 cm

3. Geser kiri 2 cm

4. Geser kiri 4 cm

5. Geser atas 4 cm

6. Geser bawah 4 cm

Berdasarkan pengamatan pada pengujian yang berada pada lampiran L.3.7. Untuk

kotak baterai dengan kondisi tidak cacat dapat dideteksi “Benar” sedangkan yang cacat

dapat dideteksi “Salah” (L.3.8. s.d. L.3.12.)

Dapat disimpulkan pada Tabel 4.4. pengujian secara langsung dengan menggunakan

variasi rotasi belum berjalan sesuai dengan yang diharapkan. Diantara 6 kondisi baterai,

pengujian hanya dapat mendeteksi citra sesuai dengan hasil yang diharapkan sebanyak 4

kondisi. Terlihat bahwa kondisi kotak baterai yang tidak cacat tidak menghasilkan keluaran

“Benar”. Berdasarkan pengamatan pada pengujian yang berada pada lampiran L.3.1.

Hal ini terjadi karena nilai jarak euclidean pada kondisi variasi rotasi 4° dan 356°

melebihi dari nilai jarak yang ditentukan yakni 3. Sesuai dengan program yang dibuat

batasan nilai jarak untuk citra dikenali “Benar” (Tidak Cacat) adalah <3, apabila nilai jarak

≥3 maka citra akan dibaca salah (Cacat). Salah satu kondisi benar yang dikenali salah

dapat dilihat pada Gambar 4.23.


42

Gambar 4. 23 Contoh Kondisi Kotak Benar Yang Dikenali Salah

Dapat diamati bahwa saat gambar 4.22. citra yang dirotasi 4 derajat, gambar yang

diproses menghasilkan keluaran yang terlihat patah-patah serta berniilai jarak =3, hal ini

disebabkan oleh proses cropping yang dilakukan secara horisontal sehingga ada

background yang tidak terpotong membuat nilai jarak menjadi besar. Dan dapat ditarik

kesimpulan untuk nilai jarak yang bernilai =3 dibuktikan bahwa hasil keluarannya “Salah”.

Dapat ditarik kesimpulan untuk memperoleh tingkat keberhasilan berdasarkan

Tabel 4.3 dan 4.6 dari hasil pengujian dalam penelitian ini maka digunakan persamaan

sebagai berikut:

𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝑘𝑒𝑏𝑒𝑟ℎ𝑎𝑠𝑖𝑙𝑎𝑛(%) = 𝑡𝑜𝑡𝑎𝑙 𝑘𝑒𝑏𝑒𝑟ℎ𝑎𝑠𝑖𝑙𝑎𝑛 𝑝𝑒𝑛𝑔𝑢𝑗𝑖𝑎𝑛 𝑘𝑜𝑡𝑎𝑘 𝑏𝑎𝑡𝑒𝑟𝑎𝑖

𝑡𝑜𝑡𝑎𝑙 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑑𝑎𝑛 𝑣𝑎𝑟𝑖𝑎𝑠𝑖 𝑘𝑜𝑡𝑎𝑘 𝑏𝑎𝑡𝑒𝑟𝑎𝑖 𝑥 100% (4.1)

Sementara itu berdasarkan tabel 4.1 dan 4.3 terlihat bahwa pada pengujian tidak

langsung dan langsung dengan variasi rotasi terdapat masing-masing 12 kondisi dengan

hasil 10 kali pengujian dengan hasil pengecekan yang sesuai dengan harapan. Sehingga

dapat diperoleh tingkat pengenalan untuk pengujian tidak langsung sebagai berikut:

𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝑘𝑒𝑏𝑒𝑟ℎ𝑎𝑠𝑖𝑙𝑎𝑛(%) = 348

360 𝑥 100%

= 96,66%


43

Dengan demikian berdasarkan data pada Tabel 4.2 dan 4.4 dapat disimpulkan bahwa

program pengenalan alat stasioneri telah berjalan sebagaimana mestinya sesuai yang

diinginkan dimana pada pengujian tidak langsung ini telah diperoleh tingkat pengenalan

96,66


44


44

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

1. Implementasi dari sistem pengecekan sablon kotak baterai secara langsung dan

tidak langsung sudah dapat bekerja sesuai dengan perancangan.

2. Hasil pengujian sistem pengecekan sablon kotak baterai dalam tugas akhir ini

memberikan tingkat akurasi pada kondisi tengah dan variasi translasi adalah 100%

dalam mengidentifikasi suatu citra masukan sedangkan untuk variasi rotasi adalah

96,66%.

3. Pengujian untuk kondisi tidak cacat dengan dipengaruhi variasi rotasi akan

menyebabkan sistem tidak mampu mengidentifikasi suatu citra dengan baik.

5.2. Saran

Sistem pengecekan sablon kotak baterai masih banyak memiliki kekurangan.

Adapun saran untuk dapat menyempurnakan sistem ini, yaitu :

1. Menggunakan metode lain sehingga hasil pengenalannya bisa 100% serta tidak

terpengaruh oleh variasi rotasi.


45

Daftar Pustaka

[1] Nugroho Kris Adhy, dkk. 2003, “Identifikasi Cacat Pada Keping PCB

Menggunakan Pencocokan Model (Template Matching)”, Yogyakarta.

[2] Pauzi Gurum Ahmad, dkk. 2012, “Analisis Pemanfaatan Teknik Template

Matching Pada Sistem Akuisisi Dan Pengenalan Karakter Citra Plat Nomor Kendaraan”,

Jurusan Fisika FMIPA Universitas Lampung.

[3] ”Sistem Baterai: Pengertian, Fungsi, dan Bagian-bagiannya Lengkap”, dalam

https://www.materipendidikan.info/2017/02/sistem-baterai-pengertian-fungsi-dan.html,

diakses pada 8 Februari 2018.

[4] “Konstruksi Dan Bagian-bagian Baterai Atau Aki”, dalam

http://www.kitapunya.net/2015/03/kontsruksi-bagian-baterai-aki.html, diakses pada 8

Februari 2018.

[5] Ghiffari Ibrahim, dkk., 2013, “Analisis Six Sigma Untuk Mengurangi Jumlah Cacat

di Stasiun Kerja Sablon”, Teknik Industri, Institut Teknologi Nasional.

[6] Kusumanto, RD dan Novi Tompunu, Alan, 2011, ”Pengolahan Citra Digital Untuk

Mendeteksi Obyek Menggunakan Pengolahan Warna Model Normalisasi RGB“,

http://publikasi.dinus.ac.id/index.php/semantik/article/view/153 , diakses pada 6 Maret

2018.

[7] Abdul, K., Susanto, A., 2012, “Teori dan Aplikasi Pengolahan Citra”, Yogyakarta.

[8] Fauzan, Charis Abd, “Konversi Ruang Warna RGB ke CMY dan CMY ke RGB,

Bagaimana Caranya?”, http://www.charisfauzan.net/2017/02/konversi-ruang-warna-rgb-

ke-cmy-dan-cmy.html , diakses pada 8 Maret 2018.

[9] Ardiansyah, Riza Firdaus, 2009, “Pengenalan Pola Tanda Tangan Dengan

Menggunakan Metode Principal Component Analysis (PCA)”, Universitas Dian

Nuswantoro : Semarang.

[10] Ghiffari Ibrahim, dkk., 2013, “Analisis Six Sigma Untuk Mengurangi Jumlah Cacat

di Stasiun Kerja Sablon”, Teknik Industri, Institut Teknologi Nasional.

[11] Putra, D, 2004, “Binerisasi Citra Tangan Dengan Metode Otsu”, Universitas

Udayana.

[12] Pamungkas, Adi, 2017, “Pencocokan Citra”, Seminar Nasional Aplikasi Teknologi

Informasi, https://pemrogramanmatlab.com/2017/07/26/pencocokan-citra/amp/, diakses

pada 9 Maret 2018


https://www.materipendidikan.info/2017/02/sistem-baterai-pengertian-fungsi-dan.html

http://www.kitapunya.net/2015/03/kontsruksi-bagian-baterai-aki.html

http://publikasi.dinus.ac.id/index.php/semantik/article/view/153

http://www.charisfauzan.net/2017/02/konversi-ruang-warna-rgb-ke-cmy-dan-cmy.html

http://www.charisfauzan.net/2017/02/konversi-ruang-warna-rgb-ke-cmy-dan-cmy.html

46

[13] Damayanti, Fitri dan Setiawan Wahyudi, 2013, “Pengenalan Dengan Metode

Modified Direction Feature (MDF) Dan Euclidean Distance”, Universitas Trunojoyo :

Bangkalan.

[14] http://www.mathworks.com/help/images/ref/dct2.html ,diakses pada 8 Maret 201

[15] Pujiriyanto, Andry, 2004, “Cepat Mahir Matlab”.

https://www.sildeshare.net/mobile/nurhy_ht/cepat-mahir-dengan-matlab, diakses pada 9

Maret 2018

[16] Hendry, Jans, ”MENGHALUSKAN CITRA DENGAN FILTER SPASIAL NON-

LINIER: MEDIAN, MEAN, MAX, MIN PADA PENGOLAHAN CITRA DIGITAL”.

https://www.scribd.com/doc/57340992/Menghaluskan-Citra-dengan-Filter-Statistik-Mean-

Median-Max-Dan-Min, diakses pada 29 Oktber 2018

[17] Sandy, Leonadus. 2017, “Pengenalan Kode Huruf Semaphore”, Jurusan Teknik

Elektro Universitas Sanata Dharma Yogyakarta


https://www.sildeshare.net/mobile/nurhy_ht/cepat-mahir-dengan-matlab

https://www.scribd.com/doc/57340992/Menghaluskan-Citra-dengan-Filter-Statistik-Mean-Median-Max-Dan-Min

https://www.scribd.com/doc/57340992/Menghaluskan-Citra-dengan-Filter-Statistik-Mean-Median-Max-Dan-Min

L-1

Lampiran I

Listing Program

Listing Program Pengujian Tidak Langsung

function varargout = PENGUJIANNONREALTIME(varargin) % PENGUJIANNONREALTIME MATLAB code for PENGUJIANNONREALTIME.fig % PENGUJIANNONREALTIME, by itself, creates a new PENGUJIANNONREALTIME or raises the existing % singleton*. % % H = PENGUJIANNONREALTIME returns the handle to a new PENGUJIANNONREALTIME or the handle to % the existing singleton*. % % PENGUJIANNONREALTIME('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in PENGUJIANNONREALTIME.M with the given input arguments. % % PENGUJIANNONREALTIME('Property','Value',...) creates a new PENGUJIANNONREALTIME or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before PENGUJIANNONREALTIME_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to PENGUJIANNONREALTIME_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help PENGUJIANNONREALTIME

% Last Modified by GUIDE v2.5 03-Oct-2018 19:00:25

% Begin initialization code - DO NOT EDIT


L-2

gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @PENGUJIANNONREALTIME_OpeningFcn, ... 'gui_OutputFcn', @PENGUJIANNONREALTIME_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end

if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before PENGUJIANNONREALTIME is made visible. function PENGUJIANNONREALTIME_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to PENGUJIANNONREALTIME (see VARARGIN)

% Choose default command line output for PENGUJIANNONREALTIME handles.output = hObject;

% Update handles structure guidata(hObject, handles);

% UIWAIT makes PENGUJIANNONREALTIME wait for user response (see UIRESUME) % uiwait(handles.figure1);


L-3

% --- Outputs from this function are returned to the command line. function varargout = PENGUJIANNONREALTIME_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure varargout{1} = handles.output;

% --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) % hObject hagndle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global picture; a=imread('data1.jpg'); picture=a; handles.picture=a; axes(handles.axes1); imshow(a); % imwrite(picture,'BENARKANAN4CM.jpg'); % --- Executes on button press in pushbutton7. function pushbutton7_Callback(hObject, eventdata, handles) % hObject handle to pushbutton7 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %======================================================================== %PROSES KONVERSI RGB KE BINER global picture; load db1; x=rgb2gray(picture); level = graythresh(x); B1 = im2bw(x,level); B = medfilt2(B1);


L-4

%========================================================================== % PROSES CROPPING if sum(sum(B))>0 % Potong kiri cout=B; a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Potong kanan cout=fliplr(cout); a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Potong atas cout=cout'; a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Potong bawah cout=fliplr(cout); a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Penyesuaian orientasi cout=cout'; cout=flipud(cout); cout=fliplr(cout); else cout=B; end B1 = not(cout); % ========================================================================= % Proses Resizing x5=imresize(B1,[16 16]); axes(handles.axes2) imshow(x5)


L-5

% ========================================================================= %JARAK EUCLIDEAN z=jarak(x5,x5db) set(handles.edit1,'string',z) %KELUARAN TEKS if (z<3) z1 ={'Benar'}; set(handles.edit2,'string',z1);

else z1 ={'Salah'}; set(handles.edit2,'string',z1); end % --- Executes on button press in pushbutton8. function pushbutton8_Callback(hObject, eventdata, handles) % hObject handle to pushbutton8 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % RESET axes(handles.axes1) plot(0) axes(handles.axes2) plot(0) axes(handles.axes1) set(handles.edit1,'string','') set(handles.edit2,'string','')

% --- Executes on button press in pushbutton9. function pushbutton9_Callback(hObject, eventdata, handles) % hObject handle to pushbutton9 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close


L-6

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

function edit2_Callback(hObject, eventdata, handles)

% hObject handle to edit2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)



L-7


% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end


L-8

Listing Program Pengujian Langsung function varargout = PENGUJIANREALTIME(varargin) % PENGUJIANREALTIME MATLAB code for PENGUJIANREALTIME.fig % PENGUJIANREALTIME, by itself, creates a new PENGUJIANREALTIME or raises the existing % singleton*. % % H = PENGUJIANREALTIME returns the handle to a new PENGUJIANREALTIME or the handle to % the existing singleton*. % % PENGUJIANREALTIME('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in PENGUJIANREALTIME.M with the given input arguments. % % PENGUJIANREALTIME('Property','Value',...) creates a new PENGUJIANREALTIME or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before PENGUJIANREALTIME_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to PENGUJIANREALTIME_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help PENGUJIANREALTIME

% Last Modified by GUIDE v2.5 05-Oct-2018 18:17:49

% Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @PENGUJIANREALTIME_OpeningFcn, ... 'gui_OutputFcn', @PENGUJIANREALTIME_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []);


L-9

if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end

if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before PENGUJIANREALTIME is made visible. function PENGUJIANREALTIME_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to PENGUJIANREALTIME (see VARARGIN)

% Choose default command line output for PENGUJIANREALTIME handles.output = hObject;

% Update handles structure guidata(hObject, handles);

% UIWAIT makes PENGUJIANREALTIME wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = PENGUJIANREALTIME_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;


L-10

% --- Executes on button press in pushbutton5. function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global camvid; axes(handles.axes1); info=imaqhwinfo('winvideo'); dev_info=imaqhwinfo('winvideo',1); camvid = videoinput('winvideo',3,'RGB24_320x240'); camvid.FramesPerTrigger=1; triggerconfig(camvid,'manual'); camRes = get(camvid,'VideoResolution'); imWidth = 320; imHeight = 240; nBands = get(camvid,'NumberOfBands'); hImage = image(zeros(imHeight, imWidth, nBands),'parent',handles.axes1); preview(camvid,hImage);

% --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) % hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global picture; global camvid; start(camvid); pause(0.5); trigger(camvid); stoppreview(camvid); picture=getdata(camvid); handles.picture=picture; axes(handles.axes1); imshow(picture);


L-11

% imwrite(picture,'base182.jpg'); % --- Executes on button press in pushbutton7. function pushbutton7_Callback(hObject, eventdata, handles) % hObject handle to pushbutton7 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %========================================================================== %PROSES KONVERSI RGB KE BINER x = rgb2gray(imread('coba.jpg')); global picture; load db1; x=rgb2gray(picture); level = graythresh(x); B1 = im2bw(x,level); B = medfilt2(B1); %========================================================================== % PROSES CROPPING if sum(sum(B))>0 % Potong kiri cout=B; a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Potong kanan cout=fliplr(cout); a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Potong atas cout=cout'; a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[]; % Potong bawah cout=fliplr(cout); a=sum(cout); b=find(a>0); cout(:,1:b(1)-1)=[];


L-12

% Penyesuaian orientasi cout=cout'; cout=flipud(cout); cout=fliplr(cout); else cout=B; end B1 = not(cout); % =========================================================================

% Proses Resizing x5=imresize(B1,[16 16]); axes(handles.axes2) imshow(x5) % =========================================================================

%JARAK EUCLIDEAN % function z = jarak(x,y) %x=x*100; %y=y*100; z=jarak(x5,x5db) set(handles.edit1,'string',z) %KELUARAN TEKS if (z<3) z1 ={'Benar'}; set(handles.edit2,'string',z1); else z1 ={'Salah'}; set(handles.edit2,'string',z1); end


L-13

% --- Executes on button press in pushbutton8. function pushbutton8_Callback(hObject, eventdata, handles) % hObject handle to pushbutton8 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % RESET axes(handles.axes1) plot(0) axes(handles.axes2) plot(0) axes(handles.axes1) set(handles.edit1,'string','') set(handles.edit2,'string','')

% --- Executes on button press in pushbutton9. function pushbutton9_Callback(hObject, eventdata, handles) % hObject handle to pushbutton9 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close


L-14

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)



% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))


L-15

Listing Program Jarak Euclidean

%JARAK EUCLIDEAN function z = jarak(x,y) z=sqrt(sum(sum(x-y).^2))


L-16

LAMPIRAN 2

Tabel L.2.1. Hasil Pengujian Tidak Langsung Variasi Rotasi (Benar)

PENGUJIAN SECARA TIDAK LANGSUNG KUALITAS HASIL SABLON KOTAK BATERAI

KONDISI BATERAI PERCOBAAN KE-

1 2 3 4 5 6 7 8 9 10 Contoh Hasil Pengujian

BENAR ROTASI 0° 0 V 0 V 0 V 0 V 0 V 0 V 0 V 0 V 0 V 0 V

BENAR ROTASI 2° 1.414 V 2 V 2 V 1.414 V 2 V 1.414 V 1.414 V 2 V 2 V 2 V

BENAR ROTASI 4° 3 X 3 X 3 X 3 X 4.472 X 4.472 X 4.472 X 4.472 X 4.472 X 3 X

BENAR ROTASI 356° 3 X 4.472 X 3 X 3 X 4.472 X 3 X 3 X 3 X 4.472 X 4.472 X


L-17

BENAR ROTASI 358° 1.414 V 2 V 2 V 2 V 1.414 V 1.414 V 1.414 V 2 V 2 V 2 V


Keterangan :

(V) "TIDAK CACAT" = NILAI JARAK <3

(X) "CACAT" = NILAI JARAK >3


L-18

Tabel L.2.2. Hasil Pengujian Tidak Langsung Variasi Rotasi (Leber)




LEBER ROTASI 0° 3.872 X 3.605 X 3.872 X 3.872 X 3.872 X 3.872 X 3.872 X 3.872 X 3.872 X 3.872 X





L-19



Keterangan :




L-20

Tabel L.2.3. Hasil Pengujian Tidak Langsung Variasi Rotasi (Garis Hitam)




GARIS HITAM ROTASI 0° 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X


1 X

7.211

X 7.21

1 X

7.211

X 7.21

1 X

7.211

X 7.21

1 X

7.211

X 7.21

1 X

7.211

X


2 X

8.062

X 8.06

2 X

8.602

X 8.60

2 X

8.062

X 8.06

2 X

8.062

X 8.06

2 X

8.062

X

GARIS HITAM ROTASI 356°

8.888

X 8.88

8 X

8.888

X 8.88

8 X

8.888

X 8.88

8 X

8.888

X 8.88

8 X

8.888

X 8.88

8 X


L-21


7.483

X 7.48

3 X

7.483

X 7.48

3 X

7.483

X 7.48

3 X

7.483

X 7.48

3 X

7.483

X 7.48

3 X


3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

Keterangan :




L-22

Tabel L.2.4. Hasil Pengujian Tidak Langsung Variasi Rotasi (Bintik Hitam)




BINTIK HITAM ROTASI 0° 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X

BINTIK HITAM ROTASI 2° 6.78

2 X

6.782

X 6.78

2 X

6.782

X 6.78

2 X

6.782

X 6.78

2 X

6.782

X 6.78

2 X

6.782

X


5 X

7.345

X 7.34

5 X

7.345

X 7.34

5 X

7.345

X 7.34

5 X

7.345

X 7.34

5 X

7.345

X

BINTIK HITAM ROTASI 356°

7.348

X 7.34

8 X

7.348

X 7.34

8 X

7.348

X 7.34

8 X

7.348

X 7.34

8 X

7.348

X 7.34

8 X


L-23


6.557

X 6.55

7 X

6.557

X 6.55

7 X

6.557

X 6.55

7 X

6.557

X 6.55

7 X

6.557

X 6.55

7 X


5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X

Keterangan :




L-24

Tabel L.2.5. Hasil Pengujian Tidak Langsung Variasi Rotasi (Garis Putih)




GARIS PUTIH ROTASI 0° 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X


4 X

8.124

X 8.12

4 X

8.124

X 8.12

4 X

8.124

X 8.12

4 X

8.124

X 8.12

4 X

8.124

X


5 X

9.055

X 9.05

5 X

9.055

X 9.05

5 X

9.055

X 9.05

5 X

9.055

X 9.05

5 X

9.055

X

GARIS PUTIH ROTASI 356°

9.591

X 9.59

1 X

9.591

X 9.59

1 X

9.591

X 9.59

1 X

9.591

X 9.59

1 X

9.591

X 9.59

1 X


L-25


9.539

X 9.53

9 X

9.539

X 9.53

9 X

9.539

X 9.53

9 X

9.539

X 9.53

9 X

9.539

X 9.53

9 X


4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

Keterangan :




L-26

Tabel L.2.6. Hasil Pengujian Tidak Langsung Variasi Rotasi (Bintik Putih)




BINTIK PUTIH ROTASI 0°

4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X


8.306 X 8.306 X 8.306 X 8.306 X 8.306 X 8.306 X 8.306 X 8.306 X 8.306 X 8.306 X


8.660 X 8.660 X 8.660 X 8.660 X 8.660 X 8.660 X 8.660 X 8.660 X 8.660 X 8.660 X


10.908

X 10.90

8 X

10.908

X 10.90

8 X

10.908

X 10.90

8 X

10.908

X 10.90

8 X

10.908

X 10.90

8 X


L-27


10.583

X 10.58

3 X

10.583

X 10.58

3 X

10.583

X 10.58

3 X

10.583

X 10.58

3 X

10.583

X 10.58

3 X


4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X

Keterangan :




L-28

Tabel L.2.7. Hasil Pengujian Tidak Langsung Variasi Translasi (Benar)




BENAR (KANAN 2 CM) 1.414 V 1 V 1 V 1.414 V 1 V 1 V 1 V 1 V 1 V 1 V

BENAR (KANAN 4 CM) 2.449 V 1 V 1 V 1 V 1.414 V 1.414 V 1.414 V 1 V 1 V 1 V

BENAR (KIRI 2 CM) 1 V 1 V 1 V 1 V 1 V 1 V 1 V 1 V 1 V 2.236 V

BENAR (KIRI 4 CM) 1.414 V 1.414 V 1 V 1 V 1 V 1 V 1 V 1 V 1 V 1 V


L-29

BENAR (ATAS) 2 V 1.732 V 1 V 1 V 1 V 1 V 1 V 1 V 1 V 1.732 V

BENAR (BAWAH) 1 V 1 V 1 V 1 V 1.414 V 1 V 1 V 1 V 1 V 2.449 V

Keterangan :




L-30

Tabel L.2.8. Hasil Pengujian Tidak Langsung Variasi Translasi (Leber)




LEBER (KANAN 2 CM) 4 X 4 X 4.123 X 4 X 4 X 3.872 X 4 X 4 X 4 X 4 X

LEBER (KANAN 4 CM) 4.242 X 3.872 X 4 X 4 X 4.123 X 4 X 4 X 4 X 4 X 3.872 X

LEBER (KIRI 2 CM) 3.741 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4.123 X 4 X

LEBER (KIRI 4 CM) 4.472 X 4 X 4 X 4 X 3.872 X 3.872 X 3.872 X 4 X 4 X 4 X


L-31

LEBER (ATAS) 4 X 4.242 X 3.872 X 4 X 4 X 4 X 4.242 X 4.242 X 4 X 4.242 X

LEBER (BAWAH) 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X

Keterangan :




L-32

Tabel L.2.9. Hasil Pengujian Tidak Langsung Variasi Translasi (Garis Hitam)




GARIS HITAM (KANAN 2 CM)

3.872

X 4 X 4.35

8 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X


4.123

X 4.24

2 X

3.872

X 3.87

2 X

3.605

X 3.87

2 X

3.872

X 3.60

5 X

3.872

X 3.87

2 X

GARIS HITAM (KIRI 2 CM) 4 X 4.35

8 X 4 X 4 X

3.872

X 4 X 4 X 4 X 3.87

2 X 4 X

GARIS HITAM (KIRI 4 CM) 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4.24

2 X 4 X


L-33

GARIS HITAM (ATAS) 4 X 4.242 X 3.872 X 4 X 4 X 4 X 4.242 X 4.242 X 4 X 4.242 X

GARIS HITAM (BAWAH) 4 X 4 X 4.358 X 4 X 4 X 4.358 X 4 X 4 X 4 X 4 X

Keterangan :




L-34

Tabel L.2.10. Hasil Pengujian Tidak Langsung Variasi Translasi (Bintik Hitam)




BINTIK HITAM (KANAN 2 CM)

4.123

X 4.58

2 X

4.582

X 4.79

5 X

4.582

X 4.79

5 X

4.795

X 4.12

3 X

4.123

X 4.12

3 X


4.123

X 4 X 4 X 4 X 5.09

9 X

3.872

X 3.87

2 X

3.605

X 3.87

2 X

3.872

X

BINTIK HITAM (KIRI 2 CM) 4 X 4 X 4.12

3 X

4.690

X 4.69

0 X 4 X 4 X

4.690

X 4 X 4 X

BINTIK HITAM (KIRI 4 CM) 4.58

2 X 4 X 5 X

4.894

X 4 X 4 X 4.79

5 X 4 X 4 X

4.795

X


L-35

BINTIK HITAM (ATAS) 4 X 4.795 X 4.898 X 4.123 X 4 X 4 X 4.123 X 4 X 4 X 4.123 X

BINTIK HITAM (BAWAH) 4.795 X 5 X 4.582 X 4 X 4.123 X 4.123 X 4 X 4 X 5 X 4 X

Keterangan :




L-36

Tabel L.2.11. Hasil Pengujian Tidak Langsung Variasi Translasi (Garis Putih)




GARIS PUTIH (KANAN 2 CM)

4.358

X 4.58

2 X

4.690

X 4.69

0 X

4.582

X 4.58

2 X

4.582

X 4.69

0 X

4.582

X 4.58

2 X


4.582

X 4.35

8 X

4.358

X 4.47

2 X

4.582

X 4.47

2 X

4.358

X 4.58

2 X

4.582

X 4.47

2 X

GARIS PUTIH (KIRI 2 CM) 4.58

2 X

4.898

X 5.09

9 X 5 X

4.582

X 4.89

8 X

4.582

X 4.58

2 X

4.898

X 4.89

8 X


0 X

4.582

X 5.09

9 X

5.196

X 4.79

5 X

4.795

X 4.69

0 X

4.690

X 4.79

5 X 5 X


L-37

GARIS PUTIH (ATAS) 4.898 X 5 X 4.795 X 5 X 4.690 X 5 X 5 X 4.898 X 5 X 4.898 X

GARIS PUTIH (BAWAH) 4.358 X 4.472 X 5 X 5 X 4.582 X 5 X 4.472 X 5 X 5 X 4.582 X

Keterangan :




L-38

Tabel L.2.12. Hasil Pengujian Tidak Langsung Variasi Translasi (Bintik Putih)




BINTIK PUTIH (KANAN 2 CM)

4.358

X 4.47

2 X 5 X 5 X

4.582

X 4.47

2 X

4.472

X 4.35

8 X

4.358

X 4.58

2 X


4.358

X 4.35

8 X

4.358

X 4.35

8 X

3.872

X 3.87

2 X

3.872

X 3.87

2 X

3.872

X 3.87

2 X

BINTIK PUTIH (KIRI 2 CM) 4.47

2 X

4.472

X 4.35

8 X

4.123

X 4.47

2 X

4.242

X 4.35

8 X

4.358

X 4.47

2 X

4.123

X


2 X

4.358

X 4.35

8 X

4.123

X 4 X 4 X 4 X 4.35

8 X

4.123

X 4 X


L-39

BINTIK PUTIH (ATAS) 4.58

2 X

4.123

X 4 X 4.47

2 X

3.872

X 3.87

2 X

4.582

X 4 X 4.12

3 X

4.582

X

BINTIK PUTIH (BAWAH)

4.358

X 4.12

3 X

4.242

X 4.24

2 X

4.242

X 4.12

3 X

4.242

X 4.24

2 X

4.242

X 4.24

2 X

Keterangan :




L-40

LAMPIRAN 3

Tabel L.3.1. Hasil Pengujian Secara Langsung Variasi Rotasi (Benar)

PENGUJIAN SECARA LANGSUNG KUALITAS HASIL SABLON KOTAK BATERAI




BENAR ROTASI 2° 1.414 V 2 V 2 V 1.414 V 2 V 1.414 V 1.414 V 2 V 2 V 2 V

BENAR ROTASI 4° 3 X 3 X 3 X 3 X 4.472 X 4.472 X 4.472 X 4.472 X 4.472 X 3 X

BENAR ROTASI 356° 3 X 4.472 X 3 X 3 X 4.472 X 3 X 3 X 3 X 4.472 X 4.472 X


L-41

BENAR ROTASI 358° 1.414 V 2 V 2 V 2 V 2 V 1.414 V 1.414 V 2 V 2 V 2 V


Keterangan :




L-42

Tabel L.3.2. Hasil Pengujian Secara Langsung Variasi Rotasi (Leber)









L-43



Keterangan :




L-44

Tabel L.3.3. Hasil Pengujian Secara Langsung Variasi Rotasi (Garis Hitam)





4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X


1 X

7.211

X 7.21

1 X

7.211

X 7.21

1 X

7.211

X 7.21

1 X

7.211

X 7.21

1 X

7.211

X


2 X

8.062

X 8.06

2 X

8.602

X 8.60

2 X

8.062

X 8.06

2 X

8.062

X 8.06

2 X

8.062

X


8.888

X 8.88

8 X

8.888

X 8.88

8 X

8.888

X 8.88

8 X

8.888

X 8.88

8 X

8.888

X 8.88

8 X


L-45


7.483

X 7.48

3 X

7.483

X 7.48

3 X

7.483

X 7.48

3 X

7.483

X 7.48

3 X

7.483

X 7.48

3 X


3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

3.464

X 3.46

4 X

Keterangan :




L-46

Tabel L.3.4. Hasil Pengujian Secara Langsung Variasi Rotasi (Bintik Hitam)




BINTIK HITAM ROTASI 0° 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X


2 X

6.782

X 6.78

2 X

6.782

X 6.78

2 X

6.782

X 6.78

2 X

6.782

X 6.78

2 X

6.782

X


5 X

7.345

X 7.34

5 X

7.345

X 7.34

5 X

7.345

X 7.34

5 X

7.345

X 7.34

5 X

7.345

X


7.348

X 7.34

8 X

7.348

X 7.34

8 X

7.348

X 7.34

8 X

7.348

X 7.34

8 X

7.348

X 7.34

8 X


L-47


6.557

X 6.55

7 X

6.557

X 6.55

7 X

6.557

X 6.55

7 X

6.557

X 6.55

7 X

6.557

X 6.55

7 X


5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X

Keterangan :




L-48

Tabel L.3.5. Hasil Pengujian Secara Langsung Variasi Rotasi (Garis Putih)





0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X


4 X

8.124

X 8.12

4 X

8.124

X 8.12

4 X

8.124

X 8.12

4 X

8.124

X 8.12

4 X

8.124

X


5 X

9.055

X 9.05

5 X

9.055

X 9.05

5 X

9.055

X 9.05

5 X

9.055

X 9.05

5 X

9.055

X


9.591

X 9.59

1 X

9.591

X 9.59

1 X

9.591

X 9.59

1 X

9.591

X 9.59

1 X

9.591

X 9.59

1 X


L-49


9.539

X 9.53

9 X

9.539

X 9.53

9 X

9.539

X 9.53

9 X

9.539

X 9.53

9 X

9.539

X 9.53

9 X


4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

4.690

X 4.69

0 X

Keterangan :




L-50

Tabel L.3.6. Hasil Pengujian Secara Langsung Variasi Rotasi (Bintik Putih)





4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X


8.306 X 8.306 X 8.306 X 8.306 X 8.306 X 8.306 X 8.306 X 8.306 X 8.306 X 8.306 X


8.660 X 8.660 X 8.660 X 8.660 X 8.660 X 8.660 X 8.660 X 8.660 X 8.660 X 8.660 X


10.908

X 10.90

8 X

10.908

X 10.90

8 X

10.908

X 10.90

8 X

10.908

X 10.90

8 X

10.908

X 10.90

8 X


L-51


10.583

X 10.58

3 X

10.583

X 10.58

3 X

10.583

X 10.58

3 X

10.583

X 10.58

3 X

10.583

X 10.58

3 X


4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X 4.358 X

Keterangan :




L-52

Tabel L.3.7. Hasil Pengujian Secara Langsung Variasi Translasi (Benar)




BENAR (KANAN 2 CM) 1.414 V 1 V 1 V 1.414 V 1 V 1 V 1 V 1 V 1 V 1 V

BENAR (KANAN 4 CM) 2.449 V 1 V 1 V 1 V 1.414 V 1.414 V 1.414 V 1 V 1 V 1 V

BENAR (KIRI 2 CM) 1 V 1 V 1 V 1 V 1 V 1 V 1 V 1 V 1 V 2.236 V

BENAR (KIRI 4 CM) 1.414 V 1.414 V 1 V 1 V 1 V 1 V 1 V 1 V 1 V 1 V


L-53

BENAR (ATAS) 2 V 1.732 V 1 V 1 V 1 V 1 V 1 V 1 V 1 V 1.732 V

BENAR (BAWAH) 1 V 1 V 1 V 1 V 1.414 V 1 V 1 V 1 V 1 V 2.449 V

Keterangan :




L-54

Tabel L.3.8. Hasil Pengujian Secara Langsung Variasi Translasi (Leber)




LEBER (KANAN 2 CM) 4 X 4 X 4.123 X 4 X 4 X 3.872 X 4 X 4 X 4 X 4 X

LEBER (KANAN 4 CM) 4.242 X 3.872 X 4 X 4 X 4.123 X 4 X 4 X 4 X 4 X 3.872 X

LEBER (KIRI 2 CM) 3.741 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4.123 X 4 X

LEBER (KIRI 4 CM) 4.472 X 4 X 4 X 4 X 3.872 X 3.872 X 3.872 X 4 X 4 X 4 X


L-55

LEBER (ATAS) 4 X 4.242 X 3.872 X 4 X 4 X 4 X 4.242 X 4.242 X 4 X 4.242 X

LEBER (BAWAH) 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X

Keterangan :




L-56

Tabel L.3.9. Hasil Pengujian Secara Langsung Variasi Translasi (Garis Hitam)





3.872

X 4 X 4.35

8 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X


4.123

X 4.24

2 X

3.872

X 3.87

2 X

3.605

X 3.87

2 X

3.872

X 3.60

5 X

3.872

X 3.87

2 X

GARIS HITAM (KIRI 2 CM) 4 X 4.35

8 X 4 X 4 X

3.872

X 4 X 4 X 4 X 3.87

2 X 4 X

GARIS HITAM (KIRI 4 CM) 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4 X 4.24

2 X 4 X


L-57

GARIS HITAM (ATAS) 4 X 4.242 X 3.872 X 4 X 4 X 4 X 4.242 X 4.242 X 4 X 4.242 X

GARIS HITAM (BAWAH) 4 X 4 X 4.358 X 4 X 4 X 4.358 X 4 X 4 X 4 X 4 X

Keterangan :




L-58

Tabel L.3.10. Hasil Pengujian Secara Langsung Variasi Translasi (Bintik Hitam)





4.123

X 4.58

2 X

4.582

X 4.79

5 X

4.582

X 4.79

5 X

4.795

X 4.12

3 X

4.123

X 4.12

3 X


4.123

X 4 X 4 X 4 X 5.09

9 X

3.872

X 3.87

2 X

3.605

X 3.87

2 X

3.872

X

BINTIK HITAM (KIRI 2 CM) 4 X 4 X 4.12

3 X

4.690

X 4.69

0 X 4 X 4 X

4.690

X 4 X 4 X

BINTIK HITAM (KIRI 4 CM) 4.58

2 X 4 X 5 X

4.894

X 4 X 4 X 4.79

5 X 4 X 4 X

4.795

X


L-59

BINTIK HITAM (ATAS) 4 X 4.795 X 4.898 X 4.123 X 4 X 4 X 4.123 X 4 X 4 X 4.123 X

BINTIK HITAM (BAWAH) 4.795 X 5 X 4.582 X 4 X 4.123 X 4.123 X 4 X 4 X 5 X 4 X

Keterangan :




L-60

Tabel L.3.11. Hasil Pengujian Secara Langsung Variasi Translasi (Garis Putih)





4.358

X 4.58

2 X

4.690

X 4.69

0 X

4.582

X 4.58

2 X

4.582

X 4.69

0 X

4.582

X 4.58

2 X


4.582

X 4.35

8 X

4.358

X 4.47

2 X

4.582

X 4.47

2 X

4.358

X 4.58

2 X

4.582

X 4.47

2 X


2 X

4.898

X 5.09

9 X 5 X

4.582

X 4.89

8 X

4.582

X 4.58

2 X

4.898

X 4.89

8 X


0 X

4.582

X 5.09

9 X

5.196

X 4.79

5 X

4.795

X 4.69

0 X

4.690

X 4.79

5 X 5 X


L-61

GARIS PUTIH (ATAS) 4.898 X 5 X 4.795 X 5 X 4.690 X 5 X 5 X 4.898 X 5 X 4.898 X

GARIS PUTIH (BAWAH) 4.358 X 4.472 X 5 X 5 X 4.582 X 5 X 4.472 X 5 X 5 X 4.582 X

Keterangan :




L-62

Tabel L.3.12. Hasil Pengujian Secara Langsung Variasi Translasi (Bintik Putih)





4.358

X 4.47

2 X 5 X 5 X

4.582

X 4.47

2 X

4.472

X 4.35

8 X

4.358

X 4.58

2 X


4.358

X 4.35

8 X

4.358

X 4.35

8 X

3.872

X 3.87

2 X

3.872

X 3.87

2 X

3.872

X 3.87

2 X


2 X

4.472

X 4.35

8 X

4.123

X 4.47

2 X

4.242

X 4.35

8 X

4.358

X 4.47

2 X

4.123

X


2 X

4.358

X 4.35

8 X

4.123

X 4 X 4 X 4 X 4.35

8 X

4.123

X 4 X


L-63

BINTIK PUTIH (ATAS) 4.58

2 X

4.123

X 4 X 4.47

2 X

3.872

X 3.87

2 X

4.582

X 4 X 4.12

3 X

4.582

X

BINTIK PUTIH (BAWAH)

4.358

X 4.12

3 X

4.242

X 4.24

2 X

4.242

X 4.12

3 X

4.242

X 4.24

2 X

4.242

X 4.24

2 X

Keterangan :




PROTOTYPE PENGECEKAN KUALITAS HASIL SABLON KOTAK...

Documents

Transcript of PROTOTYPE PENGECEKAN KUALITAS HASIL SABLON KOTAK...