SMART CONTROL PERALATAN LISTRIK BERBASIS CITRA DENGAN JARINGAN SARAF TIRUAN
SMART CONTROL THE TOOLS OF ELECTRICITY BASE ON IMAGE WITH ARTIVICIAL NEURAL NETWORKS
Doostenreyk Niala Kantohe 1, Salama Manjang 2, Andani Ahmad 2
1Teknik Elektro, Politeknik Negeri Manado
2Teknik Elektro, Fakultas Teknik, Universitas Hasanuddin
Alamat Korespondensi:
Doostenreyk Niala Kantohe Jurusan Teknik Elektro Politeknik Negeri Manado Manado. Sulawesi Utara.
HP: 081244824209
Email: [email protected]
ABSTRAK
Kamera webcam yang pada umumnya dilakukan untuk menggambil gambar atau merekam video kini dalam pengembangannya kamera webcam bisa digunakan sebagai sensor. Penelitian ini bertujuan mendesain pola pencitraan dalam capaian dimensi ruang yang terdapat peralatan listrik yang akan dikontrol dan mengontrol peralatan listrik yang terintegrasi dengan kamera. Metode yang digunakan adalah rancang bangun sistem smart control peralatan listrik dengan menggunakan jaringan saraf tiruan. Metode ini diharapkan dapat menghasilkan keputusan yang optimal untuk menentukan nilai citra kondisi lampu pada ruangan. Hasil yang diharapkan dari penelitian ini adalah sistem dapat mengenal citra ruangan ketika peralatan listrik berupa lampu dalam keadaan menyala atau padam. Sistem tersebut dapat mengambil keputusan untuk menyalakan atau memadamkan lampu.
Kata kunci : Jaringan saraf tiruan, pengenalan citra peralatan listrik
ABSTRACT
The webcam camera in general to do for take picture or video record, now it hasbuilt up and to be use as cencor. The study aims to design imaging pattern within the dimension of a room in which exist electrical devices to be controlled. The control of the electrical devices is integrated with a camera. The metod used in the study is to design a smart control system of electrical devices using artificial neural network. This metod is expected to yield an optimal decicion of the image value of the light condition in the room. The result showsthat the system is capable of identifying the image the room in which the lights are in ‘on’ or ‘off’ condition and the system also is capable of deciding to turn on/off the lights in the room
Key word : Artificial neural networks, identifying image of electrical devices
PENDAHULUAN
Perkembangan teknologi sekarang ini semakin maju pesat, banyak perusahaan industri yang memproduksi barang-barang elektronik yang kompatibel dengan komputer.
Otomatisasi dapat dikaitan dengan aplikasi mekanik, elektronik dan sistem berbasis komputer (Computer, Microcontroller, Programmable Logic Control atau PLC) yang digabung menjadi satu system untuk memberikan fungsi terhadap manipulator (mekanik) sehingga akan memiliki fungsi sebagai pengontrol (Atmel, 2000).
Sejarah perkembangan otomatisasi bermula dari govenour sentrifugal yang berfungsi untuk mengontrol kecepatan mesin uap yang dibuat oleh James Watt pada abad kedelapan belas, dengan semakin berkembangnya komputer maka peran dari sistem otomatisasi konvensional yang masih menggunakan peralatan- peralatan mekanik sederhana, sedikit demi sedikit mulai memudar. Penggunaan komputer dalam suatu sistem otomatisasi akan menjadi lebih praktis karena dalam sebuah komputer terdapat miliaran komponen elektronik yang berinteraksi dalam beberapa milli detik, praktis karena sebuah PC (personal komputer) memiliki ukuran relatif kecil dan memberi fungsi yang lebih baik dari pada pengendali mekanis (Pressman, 2010).
Otomatisasi adalah suatu perangkat yang terhubung satu sama lain sehingga membentuk suatu sistem yang dijalankan oleh perangkat lunak atau pun perangkat keras untuk dapat menjalankan system (Nugroho, 2010).
Saat ini sistem pengontrolan jarak jauh, banyak dikembangkan baik itu menggunakan kabel seperti PLC, mikokontroller, maupun yang menggunakan near kabel.
Penelitian yang terkait yaitu sistem kendali turrep coil dengan menggunakan kamera, dapat mengendalikan Turrep coil dengan menggunakan kamera dimana kondisi yang di kontrol hanya satu element. (EEPIS BPPT, 2002), kendali posisi pencitraan pada neoutron tomografy mengendalikan pergerakan neoutron yang memantau secara real time suatu perubahan neoutron tomography (Nugroho, 2006), pelacakan objek gambar video berdasarkan sekmen citra menganalisa citra objek berdasarkan sekment pada gambar dimana tidak ada perlakuan system terintegrasi dengan perangkat luar (Mauladi, dkk, 2011).
Jaringan syaraf merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut.
Istilah buatan disini digunakan karena jaringan syaraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran (Sutikno, 2011). Ada beberapa tipe jaringan syaraf, namun demikian, hampir semuanya memiliki komponen-komponen yang sama. Seperti halnya otak
manusia, jaringan syaraf juga terdiri dari beberapa neuron, dan ada hubungan antara neuron- neuron tersebut. Neuron-neuron tersebut akan mentransformasikan informasi yang diterima melalui sambungan keluarnya menuju ke neuron-neuron yang lain. Pada jaringan syaraf, hubungan ini dikenal dengan nama bobot. Informasi tersebut disimpan pada suatu nilai tertentu pada bobot tersebut. Camera adalah suatu peralatan elektronik untuk memantau kondisi objek secara visual. Fungsi kamera sebagai alat monitoring objek, dapat berfungsi juga sebagai sensor untuk memonitoring keadaan peralatan dengan memanfaatkan metode pencitraan (Purwanto, 2010). Otomatisasi dapat di definisikan suatu teknologi yang berkaitan dengan aplikasi mekanik, elektronik dan sistem berbasis komputer (Computer, Microcontroller, Programmable Logic Control atau PLC) yang digabung menjadi satu system untuk memberikan fungsi terhadap manipulator (mekanik) sehingga akan memiliki fungsi tertentu (Kendall, dkk, 2005).
Kamera webcam pada umumnya dilakukan untuk menggambil gambar atau merekam video, kini dalam pengembangannya kamera webcam bisa digunakan sebagai sensor (Fadlil, dkk, 2008) untuk mempermudah dalam menghidupkan dan mematikan Lampu pada sebuah ruangan. Kamera webcam akan menangkap gambar dan mengirim gambar pada program aplikasi yang dibuat menggunakan aplikasi MATLAB (Booch, dkk, 1999), lalu citra yang diambil oleh kamera tersebut di baca oleh aplikasi dan dilakukan pencitraan sesuai dengan gambar normal yang diambil oleh kamera, lalu mikrokontroler menerima signal dari PC dan memerintahkan driver untuk melakukan pengotomatisasian on/off lampu.
Tujuan dari penelitian ini adalah merancang pengontrolan peralatan listrik dengan menggunakan mikrokontroler arduino yang terintegrasi dengan kamera serta mengaplikasikan kamera untuk mengcapture citra gambar dengan menggunakan jaringan saraf tiruan untuk pengontrolan on/off lampu dalam satu ruangan.
BAHAN DAN METODE
Lokasi dan Rancangan penelitian
Penelitian ini dilakukan pada objek Ruangan yang terintegrasi dengan peralatan listrik, yang dalam hal ini adalah lampu. Ruangan yang dijadikan objek adalah salah satu ruangan di Kampus Politeknik Negeri Manado, tepatnya di Jurusan Teknik Elektro. Waktu.
Pengumpulan Data
Dalam penulisan proposal ini, penulis mengunakan 3 cara pengambilan data yaitu: (1) Metode Observasi, Metode observasi dilakukan pengamatan secara langsung ditempat atau lokasi penelitian. (2) Metode Literatur, Pada metode ini, penulis menggunakan alat bantu
buku-buku pustaka yang ada kaitannya dengan pembuatan sistem otomatisasi lampu menggunakan kamera webcam. (3) Metode Interview, Metode ini adalah melakukan wawancara secara langsung.
Desain Sistem
Rancangan penelitian dapat dilihat pada Gambar 1 dimana input sensor adalah kamera untuk mendeteksi kondisi peralatan listrik dalam ruangan, yang dalam hal ini adalah lampu. PC akan mengkonversi nilai citra ruangan ke dalam bentuk biner, yang selanjutnya akan di outputkan ke mikrokontroler sebagai data switch peralatan listrik.
Metode Analisis Data
Metode analisis data adalah suatu pendekatan Pemodelan dan Perumusan sistem agar dapat diselesaikan dengan menerapkan teknik-teknik pemecahan masalah yang tepat. Hasil analisis yang diharapkan dari penelitian ini adalah kemampuan sistem mengenal kondisi lampu dalam ruangan melalui proses pelatihan JST serta mampu mengambil keputusan untuk meng-on/offkan lampu tersebut.
HASIL
Pengujian kondisi citra biner
Pada pengujian kondisi output sistem akan mengaktif driver relay dengan idikator monitoring objek pada aplikasi . Kemudian citra ruangan dalam bentuk citra Grayscale dikonversi kembali ke dalam bentuk citra biner (hitam-putih) . Setelah diperoleh hasil citra biner (hitam putih) lalu dilakukan proses konversi ke nilai citra yang ditampilkan dalam program dengan melihat nilai pencitraan. Hasil pengujian dapat dilihat pada Gambar 2.
Pengujian Kondisi Output Berdasarkan Input Ruangan
Pengujian pertama dilakukan pada Objek Ruangan dengan inisial A. Pada pengujian ini di uji Inisial A dengan kondisi ke dua lampu off pada rungan. Pengujian juga dilakukan dengan menguji empat kondisi lampu pada ruangan. Dan hasil pengujian memberikan indikasi yang terdeteksi hanya pada kondisi inisial A. Selanjutnya dilakukan juga pengujian pada Objek Ruangn dengan inisial B, C dan D. Hasilnya dapat dilihat pada Tabel 1. dimana dihasilkan gabungan ke empat kondisi. Diperoleh data terdeteksi hasil data yang tak dikenal dan yang dikenal sesuai prinsip kerja sistem.
Pengujian Sistem
Proses yang paling terakhir adalah recognation dan nilai bobot akhir, memperlihatkan ruangan yang dikenali. Hasil pengujian diperolah data presentasi antara target dan hasil pelatihan JST dari citra ruangan yang telah diuji. Hasil dari pengujian sistem dapat dilihat
pada Tabel 2. Hasil pelatihan JST : Epoh sebesar 143 iterasi, time 3 detik, performance adalah 3.91 x 104 dan gradien 4.63 x 10-11. Nilai citra ruangan yang menjadi target adalah 11642 dan nilai hasil pelatihan adalah 11503, ini berarti capaian presentasi hasil pelatihan adalah 98.80%, dimana nilai presentasi ini dapat dikatakan hampir mendekati nilai target.
Nilai citra yang diperoleh digunakan sebagai referensi untuk membandingkan capture normal dan capture perubahan.
PEMBAHASAN
Penelitian ini memperlihatkan bahwa pengenalan ruangan melalui webcam dengan algorimtma Jaringan saraf tiruan dan program matlab dapat mengakses data yaitu citra ruangan dengan dua kondisi switch lampu 4 posisi yang berbeda yaitu Lampu 1 dan 2 Off, lampu 1 On dan Lampu 2 Off, Lampu 1 Off dan lampu 2 On, serta Lampu 1 dan 2 ON. Hasil pengujian semua kondisi secara terpusat bekerja berdasarkan fungsi dan karakter sistem.
Simulasi yang telah dibuat adalah sebuah sistem yang mengaktifkan peralatan listrik yang terdiri dari 2 lampu pada suatu ruangan berbasis jaringan saraf tiruaan (JST), yang dapat mengenal dan tidak mengenal kedua citra ruangan dengan mengeluarkan sinyal lampu keadaan hidup dan keadaan mati. Hasil training Jaringan saraf tiruan memperlihatkan proyeksi citra yang sesuai dengan objek kamera yang di tangkap dengan Error 0.001%
(Sutikno, 2011).
KESIMPULAN DAN SARAN
Setelah melakukan penelitian, maka dapat di tarik kesimpulan bahwa: Pengenalan ruangan melalui webcam dengan algorimtma Jaringan saraf tiruan dapat mengakses data yaitu citra ruangan dengan dua kondisi switch lampu 4 posisi yang berbeda yaitu Lampu 1 dan 2 Off, lampu 1 On dan Lampu 2 Off, Lampu 1 Off dan lampu 2 On, serta Lampu 1 dan 2 ON. Hasil training Jaringan saraf tiruan memperlihatkan proyeksi citra yang sesuai dengan objek kamera yang di tangkap dengan Error 0.001%. Untuk pengembangannya disarankan dapat dibuat dua buah metode system yang berbeda untuk mendapatkan hasil yang sesuai.
Pada proses pengambilan citra sebaiknya di ambil per citra sekment ruangan. Sistem ini tidak hanya bisa digunakan untuk pengontrolan lampu dalam ruangan saja, tapi bisa juga digunakan untuk peralatan listrik lainnya. Contohnya untuk pengontrolan lampu jalan.
DAFTAR PUSTAKA
Atmel, (2000). Mikrokomputer Hardware Description.Atmel Inc, http:/www.atmel.com, USA
Abdul Fadlil,Ikhson Hidayat,Sunardi, (2008), Sistem pengenalan wajah manusia real-time menggunakan algoritma jaringan saraf tiruan ,Journal
Jimmy E. Purwanto, (2010), Prototype mengenal wajah melalui webcam dengan menggunakan algoritma principal component analysis (PCA) dan Linier discriminant analisis (LDA), Journal
Booch, G. Rumbaugh, J. Jacobson, (1999), The Unified Modeling Language - User Guide. Addison Wesley.
Kendall, K. and Kendall, J., (2005), Systems Analysis and Design, 6th Ed. Prentice Hall.
Nugroho, A., (2010), Rekayasa Perangkat Lunak Berorientasi Objek dan USDP. ANDI.
Pressman, R. S., (2010), Software Engineering: A Practitioner's Approach, Seventh Edition.
New York: McGraw-Hill.
Sutikno, (2011), Pengenalan JST dan Heb Rule, blog.undip.ac.id
EEPIS BPPT, (2002), Sistem Kendali Turrep Coil dengan menggunakan kamera, www.eepis.edu.
Nugroho, (2006), Kendali Posisi Pencitraan pada Neoutron Tomografi, Journal.
Kemal Tarouq Mauladi, Yuliana Melita, (2011), Pelacakan Objek Gambar Video Berdasarkan Segmen Citra, Journal.
Gambar 1. Blok Diagram Rancangan Sistem
Gambar 2. Citra ruangan dalam bentuk citra Grayscale citra biner dan nilai biner
Kamera Interface Mikrokontroler Catudaya
Driver Peralatan Listrik
JST Hasil JST Capture
PC
Tabel 1. Hasil Pengujian lampu dalam ruangan dengan 4 (empat) kondisi.
Ruangan
Kondisi A Kondisi B Kondisi C Kondisi D
Keadaan Lampu
Hasil Pengujian
Keadaan Lampu
Hasil Pengujian
Keadaan Lampu
Hasil Pengujian
Keadaan Lampu
Hasil Pengujian
off Terdeteksi - Tdk
terdeteksi - Tdk
terdeteksi - Tdk
terdeteksi
- Tdk
terdeteksi On Terdeteksi - Tdk
terdeteksi - Tdk
terdeteksi
- Tdk
terdeteksi - Tdk
terdeteksi On Terdeteksi - Tdk
terdeteksi
- Tdk
terdeteksi - Tdk
terdeteksi - Tdk
terdeteksi On Terdeteksi
Tabel 2. Hasil Pengujian citra ruangan
Citra Ruangan Nilai Target Nilai
Pelatihan Presentasi (%)
Ruangan 1 11642 11503 98.8
Ruangan 1 11185 11503 97.23
Ruangan 1 11439 11503 99.44
Ruangan 1 11480 11503 99.8
Ruangan 1 11769 11503 97.73
Ruangan 2 87575 89006 98.39
Ruangan 2 88397 89006 99.31
Ruangan 2 88876 89006 99.85
Ruangan 2 85095 89006 95.6
Ruangan 2 95076 89006 93.61
Ruangan 3 88876 89006 99.85
Ruangan 3 16327 16101 98.61
Ruangan 3 15851 16101 98.44
Ruangan 3 16047 16101 99.66
Ruangan 3 88876 89006 99.85
Ruangan 4 16327 16101 98.61
Ruangan 4 15851 16101 98.44
Ruangan 4 16047 16101 99.66
Ruangan 4 15915 16101 98.84
Ruangan 4 16361 16101 98.41
