DETEKSI BENDA BERDASARKAN BENTUK DAN WARNA PADA MESIN PEMISAH BARANG TUGAS AKHIR. Oleh : APRIANTO NIM :

(1)

i

DETEKSI BENDA BERDASARKAN BENTUK

DAN WARNA PADA MESIN PEMISAH

BARANG

TUGAS AKHIR

Oleh :

APRIANTO

NIM : 4211401029

PROGRAM STUDI TEKNIK MEKATRONIKA

JURUSAN TEKNIK ELEKTRO

POLITEKNIK NEGERI BATAM

2018

(2)

DETEKSI BENDA BERDASARKAN BENTUK DAN WARNA

PADA MESIN PEMISAH BARANG

TUGAS AKHIR

Oleh :

APRIANTO

4211401029

Disusun untuk memenuhi salah satu syarat kelulusan Program Diploma IV Program Studi Teknik Mekatronika

Politeknik Negeri Batam

PROGRAM STUDI TEKNIK MEKATRONIKA

POLITEKNIK NEGERI BATAM

(3)

(4)

(5)

iii

DETEKSI BENDA BERDASARKAN BENTUK DAN WARNA PADA MESIN PEMISAH BARANG

Nama mahasiswa : Aprianto NIM : 4211401029

Pembimbing 1 : Dr. Budi Sugandi, S.T, M.Eng Email : [email protected]

ABSTRAK

Pada era digital sekarang ini, pengunaan citra sanggat banyak digunakan dalam sistem keamanan, industri dan media elektronik lainya. Karena peranan citra yang sangat penting banyak timbul permasalahan seperti salah satu contohnya dalam dunia industri banyak di manfaatkan untuk melakukan sortir objek, sortir yang dimaksud disini adalah pembeda objek satu dengan yang lain, melakukan pengecekan kecacatan pada objek yang bagus dan tidak , dan masih banyak lagi pemanfaatan citra yang lainnya.

Banyaknya peranan citra yang digunakan dalam industri timbul permasalahan salah satunya untuk memisahkan obyek yang dideteksi dalam suatu citra merupakan suatu permasalahan mendasar dalam banyak aplikasi analisis citra. Salah satu penerapan pengolahan citra tersebut diaplikasikan untuk deteksi obyek dengan menggunakan webcam pada mesin pemisah barang yang dapat melakukan sistem sortir jika ia telah diprogram dengan berbagai klasifikasi tertentu. Adapun klasifikasi objek yang akan dideteksi oleh kamera webcam yaitu objek berdasarkan bentuk lingkaran, bentuk persegi, dan bentuk segitiga sama sisi dengan meggunakan metode Shape Matching dan pada warna object benda yang telah ditentukan mengunakan warna merah, hijau, dan biru menggunakan RGB color.

(6)

iv

OBJECT DETECTION BASED SHAPE AND COLOR ON THE SORTING MACHINE

Student Name : Aprianto NIM : 4211401029

Supervisor : Dr. Budi Sugandi, S.T, M.Eng Email : [email protected]

ABSTRACT

In the digital era today, the use of the image sanggat widely used in security systems, industrial and other electronic media. Because the role of a very important image of many problems arising such as one example in the world of the industry used to do many sort objects, sorting is meant here is the criterion of the object with one another, do checking of the disability on a nice and did not object, and many more other image utilization.

The abundance of the role of the imagery used in the industry, problems arise one to separate the object being detected in an image is a fundamental problem in many image analysis applications. One application of the image processing is applied to the detection of objects by using the webcam on the item separator machine can do sorting system if it has been programmed with various specific classification. As for the classification of the object will be detected by the camera webcam that is object based on the shape of a circle, square form, and the form of equilateral triangle with a Shape Matching method with and object color on objects that have been defined using color Red, green, and blue using the RGB color.

(7)

v

KATA PENGANTAR

Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa, atas berkat, kasih dan anugerahNya sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul “ Deteksi Benda berdasarkan Bentuk dan Dimensi pada Pemisah Barang”. Tugas Akhir ini merupakan salah satu persyaratan akademis untuk menyelesaikan studi Diploma IV Teknik Mekatronika di Politeknik Negeri Batam.

Penulis sangat menyadari bahwa apa yang penulis lakukan dalam penyusunann buku Tugas Akhir ini masih jauh dari kata sempurna. Maka dari itu, penulis akan menerima kritik dan saran yang berguna dan membangun dalam menyempurnakan sistem ini dimasa yang akan datang, semoga apa yang telah penulis lakukan ini dapat bermanfaat bagi pembaca. Dalam perencanaan dan pembuatan hingga selesainya tugas akhir ini. Penulis tidak terlepas dari bantuan-bantuan pihak yang sangat membantu. Untuk itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada:

1. Tuhan Yang Maha Esa atas semua Kasih dan Karunia Nya.

2. Kedua Orang Tua penulis dan keluarga tercinta yang memberikan dukungan materil, doa, dan motivasi.

3. Bapak Dr. Priyono Eko Sanyoto selaku Direktur Politeknik Negeri Batam.

4. Bapak Dr. Budi Sugandi, S.T, M.Eng selaku Kepala Jurusan Teknik Elektro yang selalu memberikan yang terbaik untuk kami serta selaku dosen pembimbing Tugas Akhir yang selalu sabar dan setia membimbing, menemani dan memberi masukan-masukan bagi penulis disetiap kesempatan.

5. Bapak Heru Wijanarko, S.T., M.Sc. selaku Kepala Program Studi Teknik Mekatronika. dan selaku dosen wali penulis.

6. Seluruh Dosen Pengajar Teknik Elektro Politeknik Negeri Batam yang telah mengajar penulis selama ini.

7. Tim Tugas Akhir yang selalu memberikan Doa dan motivasi untuk kelulusan bersama. 8. Seluruh pihak yang tidak dapat sebutkan satu-persatu.

Semoga demi terselesainya Tugas Akhir ini. Penulis sadar masih banyak kekurangan yang terdapat pada Tugas Akhir ini, oleh karena itu saran dan kritik yang membangun penulis

(8)

vi harapkan dari semua kalangan. Akhirnya, kami berharap semoga tulisan ini dapat bermanfaat bagi pembaca pada umunya dan penulis pada khususnya.

Batam, Juni 2018

(9)

vii

DAFTAR ISI

PERNYATAAN KEASLIAN TUGAS AKHIR ... Error! Bookmark not defined. LEMBAR PENGESAHAN TUGAS AKHIR ... Error! Bookmark not defined.

ABSTRAK ... iii

ABSTRACT ... iv

KATA PENGANTAR ... v

DAFTAR ISI ... vii

DAFTAR GAMBAR ... ix

BAB I ... 1

PENDAHULUAN ... 1

1.1 Latar Belakang Masalah ... 1

1.2 Perumusan Masalah ... 1

1.3 Batasan Masalah... 2

1.4 Tujuan dan Manfaat ... 2

1.5 Sistematika Penulisan ... 2

BAB II ... 4

DASAR TEORI ... 4

2.1 LabView ... 4

2.1.1 Kontrol Port Serial di LabVIEW (NI VISA) ... 4

2.2 Image Proccesing pada LabView ... 5

2.2.1 Vision Assistant ... 5

2.2.2 Color Filtering ... 5

2.2.4 Thresholding ... 6

(10)

viii 2.3 Motor Servo ... 7 2.4 Arduino Mega 2560 ... 8 2.5 Kamera Webcam ... 8 BAB III ... 10 PERANCANGAN SISTEM ... 10 3.1 Rancangan Penelitian ... 11

3.2 Perancangan Mekanik (Hardware) ... 12

3.3 Perancangan Software ... 12

3.4 Instrumen Penelitian... 15

BAB IV ... 17

HASIL DAN ANALISA ... 17

4.1 Metode Pengambilan Data ... Error! Bookmark not defined. 4.1.2 Data Histogram setiap warna yang digunakan ... Error! Bookmark not defined. 4.1.3 Bentuk dari setiap Tahapan Image Processing ... Error! Bookmark not defined. 4.2 Analisa... Error! Bookmark not defined. 4.2.1 Hasil Pengujian Bentuk dan Warna ... Error! Bookmark not defined. BAB V ... 17

KESIMPULAN DAN SARAN ... 54

5.1 Kesimpulan ... 54

5.2 Saran ... 54

(11)

ix

DAFTAR GAMBAR

Gambar 2. 1 Tampilan Front Panel dan Block Diagram pada LabView ... 4

Gambar 2. 2 Vision Assistant pada LabView ... 5

Gambar 2. 3Sistem Ruang RGB [4]. ... 6

Gambar 2. 4 Threshoulding pada LabView menggunakan Vision Assistant ... 7

Gambar 2. 5 Morphology pada LabView menggunakan Vision Assistant ... 7

Gambar 2. 6 Motor Servo ... 7

Gambar 2. 7 Arduino Mega2560 ... 8

Gambar 2. 8 Contoh Webcam [5]. ... 9

Gambar 3.1 Flowchart Diagram Perancangan Sistem ... 10

Gambar 3.2 Diagram Perancangan Sistem ... 12

Gambar 3.3 Conveyor ... 12

Gambar 4. 1 warna RGB ... 17

Gambar 4. 2 Color Threshold Biru ... 17

Gambar 4. 3 Color Threshold Merah ... 18

Gambar 4. 4 Color Threshold Hijau ... 18

Gambar 4. 5 Data Histogram warna merah ... 19

Gambar 4. 6 Data Histogram warna Hijau ... 20

Gambar 4. 7 Data Histogram warna Biru ... 20

Gambar 4. 8 Data warna merah dengan nilai 110 ... 21

Gambar 4. 16 Data warna merah nilai 110 percobaan pertama... 25

Gambar 4. 17 Data warna merah nilai 110 percobaan kedua ... 25

(12)

x

Gambar 4. 19 Data warna merah nilai 110 percobaan keempat ... 26

Gambar 4. 20 Data warna merah nilai 110 percobaan kelima... 27

Gambar 4. 21 Data warna merah nilai 110 percobaan keenam ... 27

Gambar 4. 22 Data warna merah nilai 110 percobaan ketujuh ... 28

Gambar 4. 23 Data warna merah nilai 110 percobaan kedelapan ... 28

Gambar 4. 26 Data warna merah nilai 130 percobaan ketiga ... 30

(13)

xi

Gambar 4. 56 Hijau Persegi ... 49

Gambar 4. 57 Hijau Segitiga ... 49

Gambar 4. 58 Hijau Lingkaran ... 50

Gambar 4. 59 Biru lingkaran ... 50

Gambar 4. 60 Biru segitiga ... 51

Gambar 4. 61 Biru Persegi ... 51

Gambar 4. 62 Merah Segitiga ... 52

Gambar 4. 63 Merah Lingkaran ... 52

Gambar 4. 64 Merah Persegi ... 53

(14)

xii

DAFTAR TABEL

Tabel 4. 1 Bentuk dan warna persegi ... 45 Tabel 4. 2 Bentuk Lingkaran dan warna... 46 Tabel 4. 3 Bentuk Segitiga dan warna ... 46

(15)

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Pengolahan citra (image processing) sendiri merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Pengolaahan citra bertujuan memperbaiki kualitas dari suatu citra agar mudah di mengerti oleh manusia ataupun mesin sekalipun, dengan memperbaiki kualitas ini bertujuan menghilangkan penurunan mutu dari suatu citra. Penurunanan mutu yang di maksud penulis adalah seperti cacat atau derus, warnanya yang terlalu tajam, kabur, tentunya dengan masalah seperti ini membuat kita sulit mendapatkan informasi dari suatu citra[1].

Banyak hal yang dapat di manfaatkan dari sebuah sistem pengolahan citra, salah satunya pada penerapan mesin conveor penyortir barang, dalam bidang penyortir barang atau pun produk biasanya memakai beberapa pendekatan metode yang berbeda-beda tergantung kebutuhan ada beberapa metode yang telah di coba dari beberapa penelitian sebelumnya untuk pengenalan objek atau pola dari suatu benda mengunakan metode pembacaan tepi dari objek benda metode yang di guanakan adalah metode sobel, prewitt dan metode robert yang mana dari hasil percobaan ini didapatkan kesimpulan metode prewitt lebih bagus di karenakan memiliki tingkat akurasi yang tinggi dari pada metode lainnya.[2] Dan untuk metode pembacaan warna dari suatu objek banyak metode yang dapat di coba salah satunya metode pembacaan warna dengan mengunakan metode RGB yang mana dengan membaca warna dengan memperhatikan nilai dari warna merah, hijau dan biru dimana setia warna memiliki nilai tertinggi adalah 255 dan nilai terendah adalah 0 .

Berdasarkan latar belakang dan kasus di atas penulis membuat perancangan sistem pada mesin pemisah barang berdasarkan bentuk menggunakan Metode Shape Matching dan Metode deteksi warna menggunakan metode RGB yang diaplikasikan pada mesin pemisah barang.

1.2 Perumusan Masalah

Permasalahan dalam penelitian ini dapat dirumuskan sebagai berikut:

1. Bagaimana cara mendesain mesin pemisah barang yang memiliki output 9 pendorong pemisah ?

(16)

2 2. Bagaimana cara merancang dan membuat deteksi benda berdasarkan bentuk dan

warna pada mesin pemisah barang ?

3. Bagaimana cara pengiriman data ke controller atau pengendali pada mesin pemisah barang?

1.3 Batasan Masalah

Adapun batasan masalah dalam pembuatan tugas akhir ini antara lain:

1. Mesin pemisah barang didesain untuk membandingkan tiga bentuk umum yaitu persegi, lingkaran, segitiga.

2. Mesin pemisah barang didesain untuk membandingkan tiga warna umum yaitu merah,hijau, biru.

1.4 Tujuan dan Manfaat

Tujuan dari penelitian ini adalah:

1. Mengembangkan mesin pemisah barang berdasarkan bentuk dan warna

2. Merancang suatu sistem mesin pemisah barang berdasarkan bentuk dan warna suatu benda,

Manfaat dari penelitian ini adalah:

1. Bisa membuat mesin pemisah barang yang cepat dan akurat

2. Memudahkan dalam memilah benda berdasarkan bentuk dan warna

1.5 Sistematika Penulisan

Guna memahami lebih jelas laporan Tugas Akhir, maka dilakukan dengan cara mengelompokkan materi menjadi beberapa bab dan sub bab dengan sistematika penulisan sebagai berikut:

BAB I : PENDAHULUAN

Menjelaskan tentang latar belakang, perumusan masalah, batasan masalah, tujuan dan manfaat, serta sistematika penulisan.

BAB II: DASAR TEORI

Menjelaskan secara umum tentang metode pengolahan citra yang digunakan dalam mesin pemisah barang dan komponen yang akan digunakan deteksi benda berdasarkan bentuk dan dimensi pada mesin pemisah barang

(17)

3 Membahas tentang perancangan mekanik, rancangan elektrikal,perancangan software, dan membahas instrumen penelitian yang digunakan pada deteksi benda berdasarkan bentuk dan dimensi pada mesin pemisah barang.

BAB IV: HASIL DAN ANALISA

Membahas tentang hasil Citra dan Pengujian Deteksi Benda sesuai Bentuk dan Dimensi disertai dengan Analisa dari hasil pengukuran dan pengujian tersebut BAB V : KESIMPULAN DAN SARAN

Membahas tentang kesimpulan yang diperoleh dari analisis dan berisi saran untuk penelitian yang sudah dikerjakan, seperti apa yang harus dilakukan untuk penilitian selanjutnya.

(18)

4

BAB II

DASAR TEORI

2.1 LabView

LabVIEW (Laboratory Virtual Instrument Engineering Workbench) merupakan bahasa pemrograman yang bukan seperti bahasa pemrograman yang lain yaitu C++, C# , Basic, dan lain-lain melainkan bahasa pemrograman menggunakan kode sebagai aplikasinya yang tidak perlu memperhatikan syntax (koma, titik koma, tanda kurung kotak, tanda kurung kurawal, tanda kurung lengkung). LabVIEW menggunakan icon yang dihubungkan bersama untuk mempresentasikan fungsinya dan menjelaskan aliran data dalam program. Program LabVIEW biasa disebut dengan Virtual Instrument (VI). VI dibangun oleh dua buah windows yaitu front panel dan block diagram [3].

Gambar 2.1 Tampilan Front Panel dan Block Diagram pada LabView

Hal ini sangat berbeda dengan bahasa pemrograman C, Visual Basic, Matlab yang umumnya berbasis text pada programnya. Program pada block diagram merupakan kumpulan dari beberapa fungsi yang dihubungkan dengan garis sehingga membentuk suatu program yang dapat ditampilkan pada front panel [3].

2.1.1 Kontrol Port Serial di LabVIEW (NI VISA)

Menggunakan LabVIEW pada Virtual Instrument (VI) untuk komunikasi serial membutuhkan konfigurasi tambahan. NI VISA menyediakan antar muka pemrograman antara LabVIEW dengan Arduino. NI VISA (Virtual Instrument Software Architecture) yang merupakan perangkat lunak untuk konfigurasi, pemrograman dan troubleshooting sistem instrumentasi, serial, Ethernet dan USB interface[3].

(19)

5

2.2 Image Proccesing pada LabVIEW

Pengolahan Citra atau image processing merupakan proses pengolahan citra untuk memperbaiki kualitas citra dengan proses tersebut. Pada Penelitian ini Image Processing dapat dilakukan pada software pada LabVIEW dan fitur tambahan khusus Vision seperti Vision Assistant.

2.2.1 NI Vision Assistant

NI Vision Assistant merupakan library khusus dari LabVIEW untuk mengolah citra atau Vision.Vision Assistant ini adalah Express VI yang memiliki kelebihan dimana Script proses yang digunakan di Vision Assistant ini dapat generate code menjadi LabVIEW

Gambar 2.2 Vision Assistant pada LabVIEW

2.2.2 Color Filtering

Color Filtering adalah suatu teknik pengolahan citra yang dipakai untuk memanipulasi suatu citra bedasarkan warna spesifik. Cara kerjanya adalah dengan membandingkan komponen warna setiap pixel tersebut diubah menjadi warna backround, biasarnya menjadi warna hitam[4]. Warna yang digunakan dalam Color filtering dapat direpresentasikan dalam berbagai ruang warna. Ada beberapa ruang warna yang dikenal. Antara lain RGB (Red, Green, Blue) HSV (Hue, Saturation, Value), YcbCr, dsb.[4]

(20)

6

2.2.3 RGB

Sistem ruang warna RGB merupakan sistem ruang warna dasar, diperkenalkan oleh National Television System Committee (NTSC) yang banyak digunakan untuk menampilkan citra berwarna pada monitor CRT. Sistem ini diilustrasikan menggunakan sistem koordinat tiga-dimensi. Seperti pada gambar[4].

Gambar 2.3 Sistem Ruang RGB [4].

Pada Gambar diatas dapat kita lihat bahwa setiap warna akan diwakili oleh tiga buah nilai dalam koordinat tersebut yang menyatakan komponen warna RGBnya. Misalnya warna merah akan diwakili oleh titik (255,0,0). Sedangkan rentang nilai untuk setiap sumbu berkisar dari 0 sampai 255. Pada Gambar tersebut juga dapat dilihat bahwa warna cyan, magenta dan kuning merupakan warna komplementer dari warna merah, hijau, dan biru. Dua buah warna disebut komplementer, jika campuran keduanya dengan perbandingan yang tepat menghasilkan warna putih. Misalnya magenta jika dicampur dengan perbandingan yang tepat dengan hijau menghasilkan putih. Oleh karena itu magenta disebut merupakan komplementer dari hijau.

2.2.4 Thresholding

Thresholding merupakan proses yang digunakan untuk mengubah nilai piksel pada grayscale image menjadi hitam atau putih. Pada Vision Assistant proses Thresholding ini dimana objek yang akan terdeteksi berwarna putih ,dan yang tidak seperti background akan berwarna hitam. Proses ini untuk menseleksi objek yang akan kita proses.

(21)

7 Gambar 2.4 Threshoulding pada LabVIEW menggunakan Vision Assistant

2.2.5 Morphology

Morphology merupakan proses untuk mengatasi noise pada Proses Thresolding. Proses Morphology Nilai 1 untuk gray level warna putih dan nilai 0 untuk gray level warna hitam. Prinsip dasar dari matematika morfologi adalah penggunaan structuring element yaitu bentuk dasar dari suatu objek yang digunakan untuk menganalisis struktur geometri dari objek lain yang lebih besar dan kompleks.

Gambar 2.5 Morphology pada LabVIEW menggunakan Vision Assistant

2.3 Motor Servo

Motor Servo adalah motor DC, serangkaian gear, potensiometer, dan rangkaian control dan sudut dari sumbu motor servo diatur bedasarkan lebar pulsa yang dikirim melalui kaki sinyal dari kabel motor.

(22)

8

2.4 Arduino Mega 2560

Arduino Mega2560 memiliki 54 pin digital input/output.Adapun data teknis board Arduino Mega2560 adalah sebagai berikut [5] :

 Digital I/O Pins : 54 pin digital ,(15 untuk PWM output)  Analog Input Pins : 16

 DC Current per I/O Pins : 40 mA  DC Current for 3.3V : 50 mA

Arduino disini selain berfungsi sebagai microcontroller untuk kontrol hasil bolean citra benda yang terdeteksi pada LabVIEW , keluaran boleaan citra tersebut akan mengaktifkan motor servo untuk menyortir.

Gambar 2.7 Arduino Mega2560

(23)

9 Webcam adalah kamera video sederhana berukuran relatif kecil yang dihubungkan ke komputer melalui port USB. Sering digunakan untuk konferensi video jarak jauh atau

sebagai kamera pemantau. Sebuah webcam sederhana yang terlihat pada Gambar 2.6 terhubung dengan komputer dengan media kabel USB atau parallel port. Adapun webcam yang digunakan pada penelitian ini yaitu menggunakan webcam Logitech C270 untuk spesifikasi dapat dilihat pada lampiran A. Perangkat lunak itu akan menangkap tiap frame pada waktu tertentu, biasanya disebut dengan frame rate. File yang disimpan biasanya berformat beragam tidak terlalu banyak memakan tempat pada media penyimpanan [6].

(24)

10

BAB III

PERANCANGAN SISTEM

Tahapan penelitian yang akan dilakukan dalam perancangan sistem terdiri dari beberapa bagian. Diantaranya perancangan hardware, perancangan electrical dan perancangan software. Agar lebih jelas untuk memahami alur dari penelitian yang dilakukan, dapat dilihat pada flowchart diagram di bawah ini.

Gambar 3.1 Flowchart Diagram Perancangan Sistem Mulai Studi Literatur Perancangan Hardware Perancangan Electrical Perancangan Software Selesai Pengambilan Data dan Penulisan

(25)

11 Penelitian akan diawali dengan studi literatur sesuai dengan alat yang akan dibuat. Diantaranya studi literatur tentang dasar teori komponen yang digunakan maupun alat yang digunakan dalam penelitian. Setelah itu dilanjutkan dengan perancangan plant. Pada bagian ini akan dilakukan pembuatan hardware. Dalam pembuatan hardware ini, akan dilakukan pembuatan conveyor dengan panjang 65cm, lebar 7cm dan memiliki tinggi 6cm dimana conveor ini sebagia base sekaligus tempat peletakan komponen-komponen pendukung alat ini. Perancangan electrical adalah bagian dimana perancangan pengawatan keseluruhan komponen, mulai dari kamera dan motor yang digunakan hingga ke microcontroller sebagai salah satu komponen utama pengolah data pada alat ini. Kemudian dalam perancangan software dilakukan pembuatan koneksi antara arduino mega dengan computer.

3.1 Rancangan Penelitian

Pada sistem ini beberapa diagram alur yang membantu diantaranya adalah konveyor, Arduino Mega, Motor Servo, Electrical, Webcam, Proximity Sensor. konveyor digunakan untuk mengimbangkan benda yang ada, sehingga benda tersebut dapat berjalan sesuai sistem diatas mesin pemisah dengan teratur. ArduinoUno digunakan sebagai microcontroller alat tersebut, sebagai kontrol dari sistem yang dibuatkan tersebut. Sistem bekerja mulai dari saat kamera aktif maka akan mengambil gambar benda yang masuk dalam box tempat benda, kemudian saat pengambilan gambar berhasil, otomatis mengaktifkan mikrokontroler yang memproses pemilihan metode yang akan digunakan dalam mesin pemisah barang, selanjutnya jika proses metode sudah terlaksana maka objek terdeteksi oleh sensor, lalu mendeteksi warna objek dan mengukur dimensi objek, jika semua terlaksana maka mikrokontroler memperoses pintu mana yang akan membuka, karena setiap objek diletakkan pada masing-masing tempat yang telah disediakan, dengan cara conveyor berjalan dan disetiap skat yang didesain akan membuka secara otomatis ketika objek menuju ke skat yang telah ditentukan.

(26)

12 Gambar 3.2 Wiring Diagram Perancangan Sistem

3.2 Perancangan Mekanik (Hardware)

Pada bagian ini akan menjelaskan proses perancangan berjalannya sistem. Rancangan keseluruhan bertujuan untuk merealisasikan rancangan alat mesin pemisah barang yang akan dibuat. Conveyor yang memiliki 9 pendorong dan 9 pendorong ini sebagai pemisah antara bentuk dan dimensi. Bentuk dan Dimensi benda berbahan dasar akrilik yang dipilah memiliki 3 bentuk dasar dari lingkaran, segitiga dan persegi dan untuk dimensi memiliki dimensi kecil ,sedang dan besar ukuran. Untuk lebih jelasnya dapat dilihat design gambar setiap part nya conveyor di jelaskan pada Lampiran B. Rancangan desain mesin pemisah barang dapat dilihat design gambar di bawah ini :

Gambar 3.3 Conveyor

3.3 Perancangan Software

Perancangan Software dapat direalisasikan sistem yang akan dibuat pada Gambar 3.5 Pada perancangan perangkat lunak yang dilakukan adalah mengambil gambar benda yang ingin disortir oleh camera webcam. Komputer yang telah diintegrasikan oleh LabVIEW akan menampilkan melalui GUI kemudian untuk memilah proses metode

(27)

13 yang hendak dipisahkan pertama, kemudian dideteksi objeknya berdasarkan bentuk dan dimensi, jika cocok lanjut ke proses mikrokontroler yang akan memerintahkan motor servo untuk membuka pintu slot untuk pemilah, jika sudah maka selesai.

(28)

14 MULAI CONVEOR AKTIF LINGKARA N

MERAH BIRU HIJAU MERAH

PERSEGI TIDAK SESUAI

REVERENSI BIRU HIJAU

TIDAK SESUAI

REVERENSI MERAH SEGITIGA

BIRU HIJAU TIDAK SESUAI REVERENSI MOTOR PINTU SKAT 1 AKTIF MOTOR PINTU SKAT 2 AKTIF MOTOR PINTU SKAT 3 AKTIF MOTOR PINTU SKAT 4 AKTIF MOTOR PINTU SKAT 5 AKTIF MOTOR PINTU SKAT 6 AKTIF MOTOR PINTU SKAT 8 AKTIF MOTOR PINTU SKAT 8 AKTIF MOTOR PINTU SKAT 9 AKTIF PROSES PENGOLAHAN GAMBAR SENSOR AKTIF ? CONVEOR MATI YES NO MENGAMBIL GAMBAR TEMPAT PENAMPUNG AN 1 TEMPAT PENAMPUNG AN 2 TEMPAT PENAMPUNG AN 3 TEMPAT PENAMPUNG AN 4 TEMPAT PENAMPUNG AN 5 TEMPAT PENAMPUNG AN 6 TEMPAT PENAMPUNG AN 7 TEMPAT PENAMPUNG AN 8 TEMPAT PENAMPUNG AN 9 KELUAR ? SELESAI

(29)

15 Pada Flowchart tersebut menjelasakan alur kerja program untuk mendekteksi objek benda yang digunakan sebagai input, dimulai dari kamera akan mengambil gambar kemudian dilanjutkan dengan mendektesi objek berbentuk dasar lingkaran, segitiga, dan persegi dan selanjutnya memisahkan berdasarkan warna merah, hijau dan biru.

Dari Gambar 3.5 Flowchart Sistem menjelaskan sistem conveyor yang akan mendeteksi objek. Prinsip kerja dimulai dari objek yang akan digunakan sebagai input pada mesin pemisah barang. Langkah selanjutnya yaitu meletakkan objek tersebut pada track conveyor yang telah aktif dimana objek akan melewati Webcam yang berfungsi untuk mengambil gambar objek. Gambar yang didapat oleh Webcam akan diolah kembali di PC (Personal Computer) atau Laptop yang telah terpasang software LabVIEW kemudian diprogram untuk menyeleksi berdasarkan bentuk dasar dari referensi yang telah dimasukkan , yaitu persegi, lingkaran, dan segitiga.

Selanjutnya pendeteksi warna sendiri menggunakan metode color filtering RGB memiliki tiga referensi yaitu merah, hijau, dan biru. Ketika bentuk objek dan dimensi objek sesuai, maka otomatis akan mengaktifkan motor servo sekat yang berfungsi sebagai pemisah. Saat ada objek yang tidak sesuai dengan referensi dan tidak terdeteksi, pintu sekat tidak akan aktif dan objek akan menuju ke bagian akhir.

3.4 Instrumen Penelitian

Adapun instrumen yang dalam pembuatan alat 1. PC

Berfungsi untuk memonitoring serta mengontrol melalui perangkat lunak yang berada dalam PC tersebut

2. Mikrokontroler

Berfungsi sebagai otak yang membaca nilai dari sensor serta mengontrol dari program yang dibuat dari program tersebut.

3. Motor Servo

Merupakan aktuator sistem pemisah barang atau conveyor 4. Sensor Proximity

Pada penelitian ini digunakan sensor proximity yang berfungsi sebagai pendeteksi benda yang akan diseleksi.

5. Akrilik

Benda yang digunakan menggunakan bahan akrilik 6. Web Camera

(30)

16 Berfungsi sebagai komponen yang utama dalam pengambilan gambar yang kaan diditeksi, Webcam tipe Logitech C270

7. Plat

Plat berfungsi untuk membuat dudukan dari motor servo dan dudukan benda pendukung

8. Kabel

Kabel berfungsi sebagai wiring atau penghubung dari satu komponen ke komponen lainnya.

(31)

17 Gambar 4. 1 warna RGB

BAB IV

HASIL DAN ANALISA

Untuk mendukung keberhasilan alat ini maka akan disajikan data penunjang berupa hasil pengujian alat. Berikut hasil pengujian yang telah dilakukan.

4.1 Metode Pengambilan Data

Ada 2 metode pengambilan data pada mesin ini, yaitu: 1. Mengambil data threshold untuk setiap warna,

2. Mengambil data Histogram RGB warna Merah, Hijau, dan Biru 3. Mengambil data Bentuk dengan Shape Matching

4.1.1 Data Threshold

Data Threshold adalah data parameter RGB. Setiap warna tidak murni 100% warna tersebut dalam suatu benda. Berikut para meter setiap warna yang digunakan dalam pembuatan Tugas Akhir ini.

(32)

18 Gambar 4. 3 Color Threshold Merah

Gambar 4. 4 Color Threshold Hijau

Thresholding merupakan proses yang digunakan untuk mengambil suatu nilai RGB citra awal pada hasil webcam. Thresholding mampu menganilisis citra dengan memisahkan antara objek dengan background dalam suatu citra berdasarkan pada perbedaan tingkat kecerahannya atau gelap terang nya. Output proses metode thresholding yaitu citra biner

(33)

19 dengan nilai intensitas piksel sebesar 0 atau 1. Setelah citra telah berhasil dipisahkan objeknya antara background. Citra biner yang diperoleh dapat diolah kembali sesuai kebutuhan.

4.1.2 Data Histogram setiap warna yang digunakan

Cara pengambilan data histogram dengan menggunakan benda yang memiliki ukuran terkecil atau luas alas yang paling terkecil dari keseluruhan benda, kenapa mengunakan segitiga sama sisi yang memiliki sisinya sepanjang 3 cm pada keseluruhan bentuk benda. -20000 0 20000 40000 60000 0 50 100 150 200 250 300

Histrogram Merah

Merah Hijau Biru 0 10000 20000 30000 40000 50000 0 50 100 150 200 250 300

Histrogram Hijau

Merah Hijau Biru Gambar 4. 5 Data Histogram warna merah

(34)

20 Gambar 4. 7 Data Histogram warna Biru

Pengambilan data warna mengunakan metode Color histogram bertujuan untuk meratakan nilai histrogram dan menyamai tingkat keabuan dari suatu gambar yang rendah (0) sampai yang paling tinggi (255) mempunyai kemunculan yang rata, dengan histogram gambar yang memiliki loncatan gradiasinya akan menjadi gambar yang lebih jelas karena derajat keabuannya tidak dominan gelap atau dominan terang.

Beberapa pengambilan data warna dnenga nilai setiap RGB yang berbeda-beda dari 110, 130, 150, 170, 190, 210, 230, dan 250 setiap perbedaan nilai mempegaruhi warna yang bisa terdekteksi aatau tidak

0 20000 40000 60000 0 100 200 300

Histrogram Biru

Merah Hijau BIru Gambar 4. 6 Data Histogram warna Hijau

(35)

21 Gambar 4. 8 Data warna merah dengan nilai 110

(36)

(37)

(38)

Gambar 4. 15 Data warna merah dengan nilai 250

Untuk warna merah yang bisa di baca mulai dari 170 dimana batasan yang di buat untuk labview dari 183 untuk nilai minimal yang bisa di baca atau di proses oleh labview, faktor yang mempengaruhi nilai merah 170 dapat di baca dan terbaca adalah faktor cahaya lingkungna jika mendapatkan cahaya yang sesuai maka segitiga merah dengna nilai 170 dapat di proses di labview, jika pencahayaan kurang maka warna tidak dapat di proses ke step selanjutnya

(39)

25 Untuk melihat kesetabilan warna maka di lakukan percobaan warna merah dengan nilai 110, 130, 150, 170, dan 190 sebanyak delapan kali setiap warna.

Gambar 4. 16 Data warna merah nilai 110 percobaan pertama

(40)

26 Gambar 4. 18 Data warna merah nilai 110 percobaan ketiga

(41)

27 Gambar 4. 20 Data warna merah nilai 110 percobaan kelima

(42)

28 Gambar 4. 22 Data warna merah nilai 110 percobaan ketujuh

(43)

29 Di dapat hasil dari delapan kali percobaan warna merah dengan memiliki nilai merah sebesar 110 tidak terdektesi, dan cahaya ruagaan membuat bias cahaya yang tidak terlalu membuat warna merah dengan nilai 110 dapat di proses oleh labview.

Gambar 4. 25 Data warna merah nilai 130 percobaan kedua Gambar 4. 24 Data warna merah nilai 130 percobaan pertama

(44)

(45)

(46)

Gambar 4. 31 Data warna merah nilai 130 percobaan kedelapan

Di dapat hasil dari delapan kali percobaan warna merah dengan memiliki nilai merah sebesar 130 tidak terdektesi, dan cahaya ruagaan membuat bias cahaya yang tidak terlalu membuat warna merah dengan nilai 130 dapat di proses oleh labview.

(47)

33 Gambar 4. 32 Data warna merah nilai 150 percobaan pertama

(48)

(49)

(50)

Di dapat hasil dari delapan kali percobaan warna merah dengan memiliki nilai merah sebesar 150 tidak terdektesi, dan cahaya ruagan membuat bias cahaya yang mulai membuat nilai merah mulai terdekteksi tapi tidak sempurnah di karenakan bentuk benda dengan dasar warna merah tidak terbaca dengan jelas.

(51)

(52)

(53)

(54)

Di dapat hasil dari delapan kali percobaan warna merah dengan memiliki nilai merah sebesar 170 terdektesi, dan cahaya ruagan membuat bias cahaya yang mulai membuat nilai merah mulai terdekteksi dan dari delapan percobaan, tujuh kali warnah merah sukses di baca dan satu kali tidak di proses dikarenakan posisi benda masih berada di posisi yang pencahayaan kurang.

(55)

(56)

(57)

(58)

Di dapat hasil dari delapan kali percobaan warna merah dengan memiliki nilai merah sebesar 190 terdektesi, dan cahaya ruagan tidak terlalu mempengaruhin nilai warna dan pembacaan warna mulai stabil dan mudah di dekteksi pada posisi apapun.

(59)

45

4.1.3 Bentuk dari setiap Tahapan Image Processing

Pengambilan data dilakukan dengan cara menampilkan gambar bentuk benda dan gambar setelah proses image procesing. Dapat dilihat pada tabel tampilan citra asli dari capture webcam dan citra grayscale serta kondisi objek terdeteksi.

Tabel 4.1 Bentuk dan warna persegi

Citra asli Citra Grayscale Keterangan

OK OK OK OK OK OK

Dapat dilihat pada tabel 4.1 tersebut untuk pendeteksian bentuk persegi jika diputar ataupun dirotasi masih terdeteksi sebagai bentuk persegi dan warna baik Red, Green, Blue masih terdeteksi.

(60)

46 Tabel 4.2 Bentuk Lingkaran dan Warna

OK

Dapat dilihat pada tabel 4.2 tersebut untuk pendeteksian bentuk lingkaran masih terdeteksi sebagai bentuk lingkaran dan warna baik Red, Green, Blue masih terdeteksi dan masih dalam kategori good.

Tabel 4.3 Bentuk Segitiga dan warna

OK OK OK tapi masih terdapat noise

(61)

47

OK

Dapat dilihat pada tabel 4.3 tersebut untuk pendeteksian bentuk segitiga masih terdeteksi sebagai bentuk segitiga dan warna baik Red, Green, Blue masih terdeteksi dan masih dalam kategori good. Untuk membuktikan bahwa metode Shape Matching dalam membaca bentuk objek serta metode color filtering RGB (Red, Green, Blue) dalam pembacaan warna pada setiap objek. Maka perlu dilakukan pengujian terhadap parameter untuk objek tersebut dalam kondisi NG (NO GOOD). Dengan memberi tambahan label pada objek agar membuktikan objek tersebut sebagai kategori NG. Dapat dilihat pada tabel 4.4

Tabel 4.4 Bentuk persegi,Segitiga dan lingkaran Kondisi NG (NO GOOD)

Citra asli Grayscale Keterangan OK, citra asli dan grayscale sama tampa

cacat

NG, produk mengalami cacat pada tepi atas dan bawah ketebalan cacat

lebih dari 5 mm NG, produk mengalami cacat pada tepi atas dan bawah ketebalan cacat

(62)

48

NG, produk mengalami cacat pada ke empat sudut cacat lebih dari 5

mm

OK, hasil grayscale masih bisa terbaca jelas

dan sudut yg terpotong hanya di anggap noise

NG, cacat di ujung kedua sisi segitiga

NG, produk terpotong di satu sisi

NG, hasil grayscale tidak sesuai dengan tamplate

lingkaran

NG, hasil grayscale tidak sesuai template dan di

kedua ujung menagalamin cacat NG, , produk mengalami

cacat pada ke kedua sudut cacat lebih dari 5

mm

Pada tabel di atas menunjukan percobaan yang dilakukan untuk membaca bentuk yang dalam keadaan Good dan No Good, menampilkan hasil yang akurat dikarenakan mendektektesi bentuk mengunakan metode Shape Matching. Dalam metode tersebut bentuk dengan mudah di dekteksi jika user telah membuat atau mengambil template terlebih dahulu dan untuk tolerasansi produk dikatan No Good jika produk mengalami cacat dengan

(63)

49 ketebalan 5 mm jika cacat masih di bawah 5 mm produk atau benda masih di katakan Good atau oke.

Uji sample mengunakan metode Shape Matching dimana dengan mengunakan metode ini lebih efektif dan efesien karena benda yang berputar dari posisi data yang di ambil masih bisa terbaca oleh kamera.

4.2Analisa

4.2.1 Hasil Pengujian Bentuk dan Warna

Gambar 4. 56 Hijau Persegi

(64)

50 Gambar 4. 58 Hijau Lingkaran

(65)

51 Gambar 4. 60 Biru segitiga

(66)

52 Gambar 4. 62 Merah Segitiga

(67)

53 Gambar 4. 64 Merah Persegi

Dari pengujian yang sudah dilakukan dapat dianalisa bahwa metode RGB Threshold dan Histogram mampu mendeteksi warna dengan cepat walaupun ada beberapa noise yang mengganggu, dimana noise diisebabkan cahaya di ruangan berubah-ubah dan metode tersebut masih mampu mengenali warna nya yang memiliki minimal nilai 190 untuk yang stabil .

Untuk pendeteksian Bentuk dibutuhkan metode Shape Matching, dengan mengunakan metode Shape Matching dapat mengenalin bentuk dengan cepat dan mudah dengan syarat benda sudah di ambil data tamplatenya terlebih dahulu, dan mengunakan metode Shape Matching benda yang sama tidak di tuntut dalam posisi syang sama walaupun benda bergesera dan berubah posisi maka masih bisa di kenalain dengan metode Shape Matching.

(68)

54

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan data hasil pengujian dan pembahasan dapat disimpulkan sebagai berikut : 1. Mengunakan metode Shape Matching lebih mudah untuk mengenalin objek bentuk benda dan tidak terpengaruh oleh data template yang digunakan, karena posisi benda dan rotasi benda tidak berpegaruh terhadap pemabacaan bentuk benda.

2. Mengunakan metode RGB Threshold dan Histogram mampu membaca warna dengan cepat dan lebih akurat.

3. Untuk mendapatkan hasil yang bagus saat menggunakan metode RGB Threshold, Histogram dan metode Shape Matching mengunakan cahaya yang bisa mendukung saat pembacaan bentuk dan warna, jika cahaya tidak mendukung akan terjadi beberapa bias, dimana bias akan berpegaruh saat peroses pembacaan objek yang dilakukan oleh kamera.

5.2 Saran

Dalam tugas akhir ini tidak terlepas dari adanya kekurangan dan kelemahan yang membutuhkan saran-saran untuk mendukung kesempurnaannya.

1. Pengaturan cahaya sangat penting saat pemngambilan gambar menggunakan kamera.

2. Perlu diperhatikan kondisi kebersihan pada belting conveyor karena akan terpengaruh pada pembacaan objek

(69)

55

DAFTAR PUSTAKA

[1] Munir, R. (2004). Pengantar Pengolahan Citra. Pengolahan Citra .

[2] Apriyana, Delta Sri Maharani.“ Perbandingan Metode Sobel, Metode Prewitt dan Metode Robert Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan Bentuk Berbasis Citra Digital”. Jurnal , Program Studi Teknik Informatiak, STMIK GI MDP.

[3] Arif Ainur dan Sugeng Dwi Riyanto.“Smart Garden Menggunakan Arduino Uno dan Labview ”. Seminar Nasional Vokasi dan Teknologi , Program Studi Teknik Elektronika Politeknik Negeri Cilacap: Cilacap, 2011.

[4] Kurnia, R., & Nurhadi, S. (2008). Deteksi Objek Berbasis Warna dan Ukuran dengan Bantuan Interaksi Komputer-Manusia. Seminar Nasional Aplikasi Sains dan Teknologi , 116.

[5] Daeng Echo. “Arduino Mega 2560”. Internet:

https://www.academia.edu/14716220/Arduino_Mega2560?auto=download, 2017 [diakses pada 28 April 2017, 20.10 WIB].

[6] Nugraha, R. D. “Rancang Bangun Mobile Robot Pengikut Objek”. Laporan Tugas Akhir, hal 5-7. Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas Padang : Padang, 2016.

(70)

56

(71)

(72)

58

LAMPIRAN B. DESAIN MEKANIK

(73)

59 Desain Mekanik Body Konveyor

(74)

60 Desain Mekanik Keseluruhan

(75)

61

LAMPIRAN C. PROGRAM Program Labview Program Read Sensor

User Interface

(76)

62 Program Arduino #include <Servo.h> Servo ser1; Servo ser2; Servo ser3; Servo ser4; Servo ser5; Servo ser6; Servo ser7; Servo ser8; Servo ser9; #define ser_open 90 #define ser_close 180 #define relay_pin 46 #define sens_pin 36 //pin servo #define ser1_pin 2 #define ser2_pin 4 #define ser3_pin 3 #define ser4_pin 6 #define ser5_pin 7 #define ser6_pin 8 #define ser7_pin 9 #define ser8_pin 10 #define ser9_pin 11 String inputString = ""; boolean stringComplete = false; boolean state=false;

void setup() {

// put your setup code here, to run once: Serial.begin(9600);

ser1.attach(ser1_pin); ser2.attach(ser2_pin);

(77)

63 ser3.attach(ser3_pin); ser4.attach(ser4_pin); ser5.attach(ser5_pin); ser6.attach(ser6_pin); ser7.attach(ser7_pin); ser8.attach(ser8_pin); ser9.attach(ser9_pin); inputString.reserve(200); pinMode(sens_pin,INPUT_PULLUP); pinMode(relay_pin,1); digitalWrite(relay_pin,1); ser1.write(ser_open); ser2.write(ser_open); ser3.write(ser_open); ser4.write(ser_open); ser5.write(ser_open); ser6.write(ser_open); ser7.write(ser_open); ser8.write(ser_open); ser9.write(ser_open); } void loop() {

// put your main code here, to run repeatedly: if(!state){ digitalWrite(relay_pin,1); } else{ digitalWrite(relay_pin,0); } if(digitalRead(sens_pin)==0){ state=true; } serialRead(); if(stringComplete){ state=false; digitalWrite(relay_pin,1);

(78)

64 int servo_index=inputString.toInt();

switch(servo_index){

case 1: ser1.write(ser_close); delay(1000); break; case 2: ser2.write(ser_close); delay(1000); break; case 3: ser3.write(ser_close); delay(1000); break; case 4: ser4.write(ser_close); delay(1000); break; case 5: ser5.write(ser_close); delay(1000); break; case 6: ser6.write(ser_close); delay(1000); break; case 7: ser7.write(ser_close); delay(1000); break; case 8: ser8.write(ser_close); delay(1000); break; case 9: ser9.write(ser_close); delay(1000); break;} delay(2000);//delay tutup ser1.write(ser_open); ser2.write(ser_open); ser3.write(ser_open); ser4.write(ser_open); ser5.write(ser_open); ser6.write(ser_open); ser7.write(ser_open); ser8.write(ser_open); ser9.write(ser_open);; delay(1000); inputString=""; stringComplete=false; }} void serialRead() { if (Serial.available()) {

char inChar = (char)Serial.read(); inputString += inChar;

if (inChar == '\n') {

(79)

65

BIOGRAFI PENULIS

Nama : Aprianto

Tempat/tanggal lahir : Batam, 05 April 1996

Agama : Islam

Alamat Rumah : Tiban Lama RT 06 RW 12 NO83 Email : [email protected]

Riwayat Pendidikan

1. SMK : SMK Negeri 1 Batam (2011-2014)

2. SMP : SMP Negeri 20 Batam (2008-2011)