Oleh
ACHMAD MUSTAKIM
2506100101
Dosen pembimbing : Yudha Prasetyawan S.T , M.Eng.
JURUSAN TEKNIK INDUSTRIFAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2010
LATAR BELAKANG
Negara agraris peternakan 324.917.825 kg tahun 2008 Di jawa timurKetepatan
60-70%
(Huber dkk,
1985)
tahun 2008:
116,474.000 ekor
Di Indonesia
Inspeksi visual manual Inspeksi visual terotomasiPerumusan Masalah
“Bagaimana merancang alat inspeksi dan
grading terotomasi dengan pendekatan
seven tools of quality untuk meningkatkan
kualitas produk telur ayam ras petelur”
Tujuan Penelitian
Menentukan variabel
-variabel
kualitas
baik
dan defect untuk telur
ayam ras petelur
Melakukan klasifikasi jenis cacat pada
telur ayam raspetelur dan identifikasi
penyebab-penyebabnya menggunakan
metode root
cause analysis (RCA).
Melakukan identifikasi aktivitas
pembetulan (corrective action) pada
tahapan proses yang terdeteksi
adanya cacat.
Melakukan perancangan alat yang
mampu mengakomodasi seven tools
dan corrective action.
Pengujian rancangan sistem untuk
mencapai
keandalan
dalam
memisahkan produk
baik
maupun cacat serta pengelompokan
ukuran telur.
Menghitung keuntungan
ekonomis dengan menggunakan
rancangan alat yang akan dibuat
Ruang Lingkup Penelitian
Batasan
Produk yang dijadikan obyek penelitian
adalah telur ayam ras petelur
Pengelompokan grade telur ayam adalah
melalui ukuran telur
Perbandingan keuntungan ekonomis
perangkat yang akan diciptakan dengan
kondisi existing.
Parameter inspeksi berupa karakteristik
produk yang mampu di-capture dan
diproses secara dua dimensi
ASUMSI
Kinerja dari
perangkat tidak
terganggu sekitar
sistem
Ukuran telur ayam
sebanding
dengan
berat telur ayam
Manfaat Penelitian
Mampu mencapai proses inspeksi yang lebih efektif
dan efisien
Mampu merancang sistem yang mampu memisahkan
dan mengklasifikasikan (grading) produk telur
ayam Mampu menyimpan
informasi pengetahuan tentang telur ayam ras petelur dalam perangkat lunak yang akan dirancang
Mampu membantu para peternak lokal untuk
meningkatkan hasil peternakan agar mampu bersaing di pasar global Mampu memberi
rekomendasi pembetulan yang efektif dan efisien
pada proses yang teridentifikasi cacat
Tinjauan Pustaka
Teori penunjang
TEORI PENUNJANG
ISNPEKSI VISUAL TEROTOMASI UNTUK TELUR AYAM RAS PETELUR HARDWARE SOFTWARE TOOLSProses Inspeksi
Menurut
Groover
(2001)
kondisi
tersebut dapat dibedakan menjadi tiga
jenis, antara lain
-
off-line inspection
-
on-line/in-process inspection
-
on line/post process inspection.
Computer vision system
Pre processing
(noise removal, contrast enhancement)
Lowest level feature axtraction (noise removal, contrast enhancement)
Intermediete level feature extraction
(connectivity, pattern matching, boundarycoding)
High level scene Intrepretation (model base recognation)
Pengolahan citra digital
merupakan proses filter gambar asli
menjadi gambar lain sesuai dengan
keinginan kita
Gambar asli
Proses
Statistical Process Control (SPC)
Statistical Process Control adalah sebuah proses
yang digunakan untuk mengawasi standar, membuat
pengukuran dan mengambil tindakan perbaikan
selagi sebuah produk atau jasa sedang diproduksi.
Definisi lain menurut Evans, dkk. (2005)
Menurut Ariani (2003), SPC adalah sebagai alat yang
bersifat online yang menggambarkan apa yang sedang terjadi
pada proses tersebut Salah satu metode dalam SPC yang
banyak dipergunakan dikenal sebagai seven tools of quality.
Seven tools of Quality
1. Check Sheet
2. Pareto Diagram
3. Histogram
4.Scatter Diagram
5. Control Chart
6. Cause Effect Diagram
Root Cause Analysis (RCA)
RCA adalah pendekatan evaluasi terstruktur
yang digunakan untuk identifkasi akar penyebab
suatu permasalahan sehingga diharapkan
kejadian yang tidak diharapkan (undesired
Penelitian Sebelumnya
• Cover buku • 1 sudut pandang
• Online inspection, computer
vision system (histogram, nilai RGB)
• HOQ,control chart • Hardware dan software
Kenny alkano (2008) • Botol • 1 sudut pandang • Image processing (histogram)
• Control chart, RCA,
coorective action,simulasi
• software
Rossi Ariansyah (2008)
• Minuman dalam kemasan botol
• 1 sudut pandang
• Real time inspection,image
processing (histogram)
• Seven tools of quality,RCA,
corrective actio
• software
Gary Eka L. (2009)
• Buah dan sayur • Image processing • Hardware dan software • 2 sudut pandang
Kondo (2009)
• Image processing (integral proyeksi)
• Seven tools,RCA,Corrective
action, studi kelayakan
investasi
• Software dan hardware
Metodologi Penelitian
Tahap Identifikasi dan klasifikasi masalah
Identifikasi masalah dan perumusan masalah
Studi literatur Observasi lapangan Penetuan tujuan
penelitin Tugas Akhir
Metodologi Penelitian
Tahap Pengumpulan data,pengolahan data, perancangan alat
A Pengumpulan data Pengolahan data Perancangan software Perancangan hardware Perbaikan rancangan Verifikasi dengan real system Alat bekerja sesuai dengan real system A
Metodologi Penelitian
Tahap Analisis dan intrepretasi data
A
ANALISIS DAN INTREPRETASI DATA
Metodologi Penelitian
Tahap Kesimpulan dan saran
A
Pengumpulan data dan
perancangan alat
Hardware
Mini konveyor Pallet telur Pengambil citra produk
Jenis – jenis cacat
Cacat pudar Cacat retak Cacat tidak
Grading telur
Berdasarkan ukuran :
-Telur besar
-Telur sedang
-Telur kecil
Menkanisme grading telur
Mekanisme identifikasi cacat pudar
Parameter ditentukan “nilai Blue”
Identifikasi cacat retak
Parameter nilai “jarak”
Kesimpulan
identifikasi
Identifikasi cacat tidak oval
Parameter “kanan – kiri” Kesimpulan identifikasi cacatModul seven tools of quality
Check sheet, pareto chart, control chart, histogram, scatter diagram Software image processing Data dimasukkan microsoft access sebagai database Database di ekspor ke microsft excel untuk diolah Data di copy ke minitab14 diolah Check sheet, pareto
chart, control chart, histogram, scatter
Modul seven tools of quality
Cause effect diagram
Software image
processing Data ditampilkan Cause effect diagram
Root cause analysis
no Jenis Why 1 Why 2 Why 3 Why 4 Why 5
1 Telur berwarn a putih Kehilangang pigmen cangkang telur Cangkang telur lemah Ayam terjangkit penyakit EDS (Egg drop Syndrome) Tidak member vaksin kepada ayam Tertular dari ayam – ayam lain 2 Retak pada telur Karyawan ceroboh Karyawan kelelahan Pekerjaan yang melebihi batas kemampuan Kandang yang sudah rusak Desain kandang yang berujung tajam 4 Telur yang tidak oval Terkena penyakit EDS (egg drop syndrome) Tidak memberi vaksin kepada ayam Ayam tertular EDS dari ayam lain Ayam merupakan keturunan dari ayam pengidap EDS
Corective action
Cangkang telur ayam yang berwarna putih atau pudar
Corrective Action
1. Vaksin EDS’76
2. Melakukan sanitasi kandang (kandang dibersihkan, dicuci),
membatasi tamu, mencegah hewan liar dan hewan peliharaan lain
masuk ke lingkungan kandang, sanitasi sarana angkutan dan
sapronak yang akan masuk kandang.
3. Usaha peternakan dikelola dengan baik sehingga tercipta
suasana nyaman bagi ayam, jumlah ayam dalam kandang tidak
terlalu padat, litter jangn berdebu dan lembab. Ventilasi kandang
cukup dan sedapat mungkin dilaksanakan sistem all in all out.
Implementasi software
Software ini terdiri dari:
1. Pengambilan citra secara online dan offline 2. Pendeteksian letak telur ayam
3. Pendeteksian ukuran telur ayam melalui batas tepi yang terdeteksi 4. Mendapatkan nilai red, green, blue dan YCrCb dari citra amatan yang
dianalisis
5. Penyimpanan nilai – nilai dari citra yang dideteksi ke database Microsoft access
6. Eksport database ke Microsoft excel untuk mengolah data yang dibutuhkan
7. Connect ke minitab untuk mendapatkan beberapa seven tools of quality 8. Menampilkan cause effect diagram,
Uji output hasil software
Diambil 50 data amatan, terdapat 4 kali deteksi yang salah berarti tingkat akurasi pendeteksian cacat ini adalah
Uji output hasil software
Uji paired t – test parameter - parameter dengan dua kali amatan pada telur – telur amatan yang sama. Menggunakan SPSS 15.0, dengan tingkat kepercayaan 95%
Paired Samples Test
,17647 ,88284 ,21412 -,27745 ,63039 ,824 16 ,422 VAR00003 - VAR00004
Pair 1
MeanStd. Deviation
Std. Error
Mean Lower Upper 95% Confidence Interval of the Difference Paired Differences t df Sig. (2-tailed)
Kesimpulan :
Analisis kelayakan investasi
investasi awal PC Rp 3,000,000.00 konveyor Rp 250,000.00 pallet 20 unit@Rp 25.000 Rp 500,000.00 software Rp 1,500,000.00web cam 2 unit Rp 500,000.00 stereoform Rp 10,000.00 lampu TL Rp 30,000.00
Analisis kelayakan investasi
Daya Energy Konveyor 40 0.04 Lampu 10 0.01 Pc 350 0.35 Jam Biaya(rp/kwh) total 1 hari total 1 tahun
Konveyor 6 Rp 635 Rp 152 Rp 54,864 Lampu 6 Rp 635 Rp 38 Rp 13,716 Pc 6 Rp 635 Rp 1,334 Rp 480,060
Total Rp 548,640
Analisis kelayakan investasi
pemasukan normal
waktu
1 hari
1 bulan
1 tahun
pemasukan normal
Rp
830,000.00
Rp
24,900,000.00
Rp
298,800,000.00
operasional
Rp
530,000.00
Rp
15,900,000.00
Rp
190,800,000.00
laba
Rp
300,000.00
Rp
9,000,000.00
Rp
108,000,000.00
1 hari
1 bulan
pemasukan EDS
Rp
249,000.00 Rp 7,470,000.00
Operasional
Rp
530,000.00 Rp 15,900,000.00
Rugi
Rp (281,000.00)
Rp (8,430,000.00)
Analisis kelayakan investasi
Estimasi saat penggunaan alat dengan menambahkan 1% dari pendapatan normal
1 hari
1 bulan
1 tahun
pemasukan dengan alat
Rp
838,300.00
Rp
25,149,000.00
Rp
301,788,000.00
operasional
Rp
530,000.00
Rp
15,900,000.00
Rp
190,800,000.00
laba
Rp
308,300.00
Rp
9,249,000.00
Rp
110,988,000.00
laba diabanding normal
Rp
8,300.00
Rp
249,000.00
Rp
2,988,000.00
Analisis kelayakan investasi
Perhitungan NPV
9%
tahun
inflow
outflow
net flow
0
Rp
5,790,000.00
Rp
(5,790,000.00)
1
Rp
11,418,000.00
Rp
548,640.00
Rp
10,869,360.00
2
Rp
2,988,000.00
Rp
548,640.00
Rp
2,439,360.00
3
Rp
2,988,000.00
Rp
548,640.00
Rp
2,439,360.00
4
Rp
2,988,000.00
Rp
548,640.00
Rp
2,439,360.00
5
Rp
2,988,000.00
Rp
548,640.00
Rp
2,439,360.00
npv
Rp
10,488,261.16
interest rate
perhitungan NPV
Analisis dan
Analisis hardware
Mini Konnveyor
Mampu bekerja dengan baik hanya saja ketika ada bagian jahitan, kecepatan konveyor menjadi lambat sehingga kecepatan tidak
konstan. Mini konveyor ini hanya hasil rebulid dari penelitian di
Laboratorium Sistem Manufaktur sehingga ini berfungsi kurang baik dalam hal kecepatan.
Pallet telur
Pallet telur yang terbuat dari gelas dan resin yang dirancang berwarna bening dapat bekerja dengan baik. Pallet mampu
membuat berdiri produk telur dan tidak mempengaruhi jumlah piksel citra amatan. Pallet telur ini mahal jika di manufacture dalam jumlah sedikit
Analisis hardware
Penangkap citra
Penangkap citra ini mampu bekerja dengan baik karena
didukung oleh stasiun penangkap citra yang dirancang
putih bersih. Stasiun penangkap citra ini dirancang
memiliki warna yang kontras dengan telur amatan.
Untuk menambahkan kekontrasan warna , stasiun
penangkap citra disinari dengan lampu Neon
Analisis rancangan perangkat lunak
Analisis grading
Grading yang dilakukan dapat bekerja dengan baik. Kendala yang ditemui hanya saat citra yang ditangkap kurang baik akan menghasilkan salah penentuan batas kanan dan kiri sehingga hasil grading pun keliru
Analisis pendeteksian cacat
Dalam pendeteksian ketiga cacat dapat dilakukan dengan baik. Untuk deteksi retak dan tidak harus didukung dengan kebenaran penentuan letak dan batas – batas area telur
Analisis modul seven tools of quality
Modul – modul ini sudah tersedia dengan baik, karena
software yang dirancang sudah terintegrasi dengan
microsoft excel dan Minitab 14.
Defect concentration diagram tidak dirancang karena pada
jenis – jenis cacat yang diamati memberi daerah cacat
semua bagian permukaan dan yang lain adalah tidak
menentu dimana.
Analisis tampilan perangkat lunak
Mampu berjalan dengan baik yang didukung perangkat lunak lain yaitu
Microsoft access, Excel dan Minitab 14 untuk mendapatkan seven
tools of quality.
-Sangat dipengaruhi pencahayaan pada stasiun penangkap citra
sehingga citra yang ditangkap tidak mengalami kesalahan
Analisis validasi hasil dari perangkat lunak
-Kesalahan yang terjadi dikarenakan pencahayaan yang kurang
bagus sehingga hasil pendeteksian telur akan salah pula.
-Dengan paired t – test didapatkan hasil yang konsisten tidak
berbeda secara signifikan antara pengukuran awal dan akhir.
Pengukuran yang dilakukan dengan software konsisten
Analisis studi kelayakan investasi
Dengan metode NPV, interest rate 9% per tahun maka didapat
nilai Rp 10,488,261.16 denga periode selama 5 tahun. Karena
lebih besar dari 0 maka investasi ini dianggap layak
Kesimpulan dan saran
Kesimpulan
Penelitian Tugas Akhir ini mempunyai kesimpulan sebagai berikut: 1. Variabel penentu kualitas telur ayam ras petelur adalah:
- Nilai warna biru
- Nilai jarak Ecluidean untuk citra Cr dan Cb - Lebar telur dalam area telur
2. Jenis cacat yang dapat diidentifikasi pada telur ayam ras petelur pada penelitian ini adalah
- Cacat cangkang telur berwarna pudar - Cacat karena ada retak
- Cacat bentuk telur yang tidak oval
3. Root cause Analysis dan corrective action dapat diakses secara langsung dari
perangkat lunak yang dirancang
4. Seven tools of quality diakomodasi oleh bantuan software Microsoft excel dan minitab
14 yang dapat diakses langsung dari perangkat lunak yang dirancang
5. Alat yang dirancang mempunyai kemampuan yang baik dalam mengidentifikasi cacat dan melakukan grade telur sebesar 92% tingkat akurasinya.
6. Analisis kelayakan investasi ini mempunyai nilai NPV = Rp 10.488.261 pada periode 5 tahun. Yang berarti ini layak investasi
Daftar Pustaka
. Alkano, Kenny. (2008). Perancangan Intelligent Inspection System Berbasis
Computer Vision System Terintegrasi dengan Statistical Process Control. Tugas
Akhir Teknik Industri, Surabaya : ITS
• Ariansyah, Rossy. (2008). Perancangan Intelligent Inspection System
Menggunakan Computer Vision System untuk Mengembangkan Sistem Kontrol Kualitas. Tugas Akhir Teknik Industri, Surabaya : ITS
• Doggett, Antony Mark. (2004). Statistical Comparison of Three Root Cause
Analysis Tools. Journal of Industrial Technology. The Official Electronic
Publication of the National Association of Industrial Technology. Volume 20, (2).
Februari 2004
• Eka,Gary.(2009). Perancangan Automated Visual Inspection System untuk
Membangun Aplikasi Piranti Lunak
Seven Tools of Quality secara Real-Time.Tugas Akhir Teknik Industri, Surabaya : ITS
• Groover, P.Mikell. (2001). Automation, Production Systems and Computer
Integrated Manufacturing. New Jersey : Prentice Hall
• Junaidi,Chitra (2007), Sistem pendeteksi Kelelahan pada wajah.Tugas Akhir. Proyek Akhir PENS. Surabaya: ITS
• Kondo,Naoshi (2009). Automation on fruit and vegetable grading system and food
traceability. Kyoto University
• Lia,Ade dkk. (2009). Rancangan Sistem Pengklasifikasian telur terotomasi. Tugas Besar mata kuliah Otomasi Industri Teknik Industri, Surabaya : ITS
• Montgomery, Douglas, C. (1985). Introduction to Statistical Quality Control. Washington DC : John Willey & Sons
• Munir, Rinaldi. (2004). Pengolahan Citra Digital. Bandung : Informatika • Pujawan,I Nyoman. (2003). Ekonomi Teknik.Surabaya : Guna Widya • Riski, M. Arya. (2008). Perancangan Sistem Pengukuran Digital untuk
Antropometri Tangan Menggunakan Teknologi Image Processing. Tugas Akhir
Teknik Industri, Surabaya : ITS
• Sigit, Riyanto., Basuki, Achmad., Ramadijanti, Nana., Pramadihanto, Dadet. (2005).
Step by Step Pengolahan Citra Digital. Yogyakarta : ANDI
• Wahyu, Dorothea.(2003). Pengendalian Kualitas Statistik (Pendekatan Kuantitaif
dalam Manajemen Kualitas). Yogyakarta.ANDI