Oleh ACHMAD MUSTAKIM Dosen pembimbing : Yudha Prasetyawan S.T, M.Eng.

Oleh

ACHMAD MUSTAKIM

2506100101

Dosen pembimbing : Yudha Prasetyawan S.T , M.Eng.

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2010

LATAR BELAKANG

Negara agraris peternakan 324.917.825 kg tahun 2008 Di jawa timur

Ketepatan

60-70%

(Huber dkk,

1985)

tahun 2008:

116,474.000 ekor

Di Indonesia

Inspeksi visual manual Inspeksi visual terotomasi

Perumusan 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 TOOLS

Proses 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 cacat

Modul 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 1,500,000.00

web 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