Perancangan Automated Multi-View Visual Inspection and Grading Template System Berbasis Digital Image Processing

WINTER

Template

Perancangan Automated Multi-View Visual Inspection and Grading System Berbasis

Digital Image Processing

Oleh

LUCKY SHABRIANTI ADLUNA 2508.100.074

Pemimbing : Yudha Prasetyawan, S.T., M.Eng

Ko-Pembimbing : Putu Dana Karningsih, S.T., M.Eng., Sc., Ph.D.

01

Laporan Tugas Akhir

02

Laporan Tugas Akhir Daftar isi:

1. Bab I Pendahuluan

2. Bab II Tinjauan Pustaka

3. Bab III Metodologi

Penelitian

4. Bab IV

Pengumpulan Data serta Perancangan Perangkat Keras

dan Lunak

5. Bab V Pengolahan

Data

6. Bab VI Analisis dan Interpretasi

Data

7. Bab VII Kesimpulan

dan Saran

03

Bab I Pendahuluan

1.1 Latar belakang

• Menurut Kementrian Kelautan dan Perikanan (KKP):

Udang sebagai komoditas unggulan perikanan budidaya selama 2010-2014

Diproyeksikan terjadi peningkatan produksi tiap tahun sebesar 13 % untuk udang Windu dan 16 % untuk udang vanname

Indonesia menempati peringkat 4 dunia dengan total ekspor udang vanname sebesar 140.000 ton pada tahun 2007.

Sedangkan pada tahun 2008, naik menjadi 3 dunia di bawah China dan Thailand. Total ekspor Indonesia mencapai 168.000 ton atau naik sebesar 21%

&

• Dari data Food and Agricultural Organization (FAO):

&

04

Bab I Pendahuluan

1.1 Latar belakang (Con’t)

• Menurut Kementrian Kelautan dan Perikanan (KKP):

80,000 90,000 100,000 110,000

2009 (100,668

Ton)

2010 (94,867

Ton)

Data Ekspor Udang selama Bulan Januari- Agustus

Data Ekspor Udang selama Bulan

Januari-Agustus

05

Bab I Pendahuluan

1.1 Latar belakang (Con’t)

PT GMCP

• Perusahaan pengelolaan udang skala ekspor

• Lokasi: Jl. Industri no. 29 A, Buduran-Sidarjo

PT GMCP

• Tidak mengelola udang untuk dipasarkan dengan brand sendiri

• Namun dipasarkan dengan brand perusahaan (buyer) luar negeri sesuai kontrak yang telah disetujui

PT GMCP

• Memproduksi udang beku olahan berdasarkan spesifikasi yang diminta oleh buyer

• Spesifikasi ini meliputi ukuran, kuantitas pemesanan, desain pengepakan, dan lainnya.

PT Graha Makmur Cipta Pratama (PT GMCP)

06

Bab I Pendahuluan

1.1 Latar belakang (Con’t)

•(Head On), produk udang

dengan kepala dan bagian tubuh yang utuh

HO

•(Head Less Shell On), produk udang tanpa kepala dengan kulit dan ekor masih lengkap

HLSO

•(Peeled and Deveined), produk udang yang dikupas bersih kulitnya, tanpa diambil ususnya

PND

•Produk udang yang dibumbuhi dan dimasak dengan tingkat kematangan tertentu

Cooked Shrimp

Tipe udang vanname yang sering diolah PT GMCP adalah:

1. 1

^st

Quality 2. 2

^nd

Quality

3. Below Standard

4. Broken/Avail

07

Bab I Pendahuluan

1.2 Perumusan Masalah

“bagaimana merancang sistem inspeksi visual dan grading yang multi-view dan terotomasi berbasis digital image

processing”

Eksistingnya:

Idealnya

08

Bab I Pendahuluan

1.3 Ruang Lingkup Penelitian

• Studi kasus proses inspeksi, grading, & sortir di PT GMCP

• Penelitian skala laboratorium

• Udang vanname jenis hitam

• Paramater yang di-capture adalah size dan kualitas

• Size udang yang diinspeksi 16/20, 21/25, dan 26/30

• Kualitas yang diinspeksi adalah accept dan reject

• Size udang tidak didapat dari penimbangan beratnya, namun dari perhitungan perhitungan luasan dan tebal tiap udang

• Rancangan berupa prototype dengan dua kamera

• Mekanisme prototype hanya dibatasi pada proses inspeksi, grading, dan sortir saja

Batasan

08

Bab I Pendahuluan

1.3 Ruang Lingkup Penelitian

•kinerja dari prototype dalam kondisi baik dan tidak terganggu dengan keadaan di luar

sistem

Asumsi

WINTER

Template

09

Bab I Pendahuluan

1.4 Tujuan Tugas Akhir

1. Melakukan identifikasi dan klasifikasi kebutuhan tingkat kualitas pada tiap raw material yang akan digunakan bagi perusahaan produksi hasil laut olahan.

2. Melakukan identifikasi penyebab-penyebab cacat yang ada pada raw material menggunakan metode Root Cause Analysis (RCA).

3. Melakukan perancangan alat inspeksi visual dan grading yang multi-view dan terotomasi berbasis digital image processing.

4. Melakukan pengujian mekanisme digital image processing pada alat.

5. Membandingkan antara kecepatan alat dengan kecepatan operator ketika dilakukan 100% inspeksi dan grading pada raw material.

6. Membandingkan antara kapasitas maksimum oleh alat dengan operator yang mampu ditangani keduanya selama 1 jam.

10

Bab I Pendahuluan

1.5 ManfaatTugas Akhir

1. Parameter kualitas dari tiap

raw material dapat ter- capture dengan

jelas.

2. Dapat dilakukan justifikasi secara

cepat ketika mengidentifikasi

tingkat kualitas dan penyebab cacat pada raw

material.

3. Mengetahui pengaplikasian quality control di

dunia industri.

4. Mengetahui perbandingan kecepatan alat

dengan kecepatan operator ketika

dilakukan 100%

inspeksi pada raw material.

5. Mengetahui perbandingan kaparitas maksimum

oleh alat dengan operator yang mampu

ditangani keduanya selama 1 jam.

6. Sebagai pengembangan dan pengaplikasian ilmu Teknik Pengendalian Kualitas yang menjadi

mata kuliah di Teknik Industri.

11

Bab II Tinjauan Pustaka

Tinjauan pustaka

Automated Multi- View Visual Inspection and Grading System

Digital Image Processing

Seven Tools of Quality

Root Cause Analysis

(RCA) Udang

Vanname

Replacement Analysis

Studi Hasil Penelitian Terdahulu

1.

2.

3.

4.

5.

6.

7.

Bab III 13

Metodologi Penelitian

Tahap Identifikasi Masalah Identifikasi dan Perumusan

Masalah Penetapan Tujuan

Penelitian

Studi Literatur 1.Seven Tools of Quality

2.Automated Multi-View Inspection

& Grading System

3. Digital Image Processing, RCA 4. Replacement Analysis

5. Penelitian terdahulu

Studi Lapangan 1.Jenis udang untuk penelitian 2.Kondisi eksisting sistem inspeksi

dan grading pada perusahaan

3. Pola ketersediaan obyek penelitian di pasaran

A

Bab III 14

Metodologi Penelitian

Tahap Perancangan Sistem dan Pengolahan Data

B

Verifikasi dan Pengujian Alat

Perancangan Alat Automated Multi-View Visual Inspection and Grading System

Pengolahan Data Apakah sistem

terverifikasi dan efektif

A

Perbaikan Rancangan Perangkat Keras dan Lunak Tidak

Ya

Membuat blueprint bentuk prototype Membuat prototype sesuai blueprint Modifikasi software AVIS7 1.0 Sinkronisasi prototype dengan software

Uji mekanisme Digital Image Processing pada alat Tes jalannya sistem dengan uji coba dalam jumlah obyek yang banyak

Bab III 15

Metodologi Penelitian

B

Analisis Rancangan dan Interpretasi Data

Kesimpulan dan Saran

Tahap Analisis dan Interpretasi Data

Tahap Kesimpulan dan Saran

Selesai

WINTER

Template

16

Bab IV Pengumpulan Data serta Perancangan Perangkat Keras dan Lunak

4.1 Gambaran Umum Produk Amatan

• Udang vanname berasal dari perairan Amerika dan Hawaii ini sukes dikembangkan di Indonesia dan menjadi spesies unggul sejak tahun 2002 (Kordi, 2010).

• secara umum standar mutu yang digunakan sebagai parameter kualitas udang adalah sebagai berikut:

• Ukuran udang seragam

• Baunya segar, kulit licin, dan warna alami

• Badan utuh, tidak ada bagian-bagian yang patah atau lepas

• Daging kenyal, rasanya manis

• Mata bulat, hitam, bening, dan bercahaya

• Tidak terdapat bercak-bercak hitam di kepala, sambungan ruas- ruas, kaki renang, sungut, dan ekor

WINTER

Template

17

Bab IV Pengumpulan Data serta Perancangan Perangkat Keras dan Lunak

4.2 Gambaran Umum Rancangan Software AmviGS

WINTER

Template

18

Bab IV Pengumpulan Data serta Perancangan Perangkat Keras dan Lunak

4.3 Gambaran Umum Rancangan Alat Inspeksi Visual dan Grading yang Multi-view dan Terotomasi

Rancangan Alat Inspeksi Visual dan Grading Multi-view dan Terotomasi Bagian Loading Bagian Inspeksi

Bagian Sortir

WINTER

Template

19

Bab IV Pengumpulan Data serta Perancangan Perangkat Keras dan Lunak

4.4 Pengujian Software AmviGS

Data Master Udang Size 16/20 Kualitas Reject

20

Bab IV Pengumpulan Data serta

Perancangan Perangkat Keras dan Lunak

4.4 Pengujian Software AmviGS

Data Master Udang Size 21/25 Kualitas Reject

21

Bab IV Pengumpulan Data serta

Perancangan Perangkat Keras dan Lunak

4.4 Pengujian Software AmviGS

Data Master Udang Size 26/30 Kualitas Accept

22

Bab V Pengolahan Data

Flow Chart

23

Bab V Pengolahan Data

Histogram

24

Bab V Pengolahan Data

Cause Effect Diagram

25

Bab V Pengolahan Data

Check Sheets

26

Bab V Pengolahan Data

Scatter Diagram antara luasan dengan tebal pada size 16/20

27

Bab V Pengolahan Data

Scatter Diagram antara tebal dengan luasan pada size 16/20

28

Bab V Pengolahan Data

Hasil running Control Charts untuk Luasan Size 16/20

29

Bab V Pengolahan Data

Hasil running Control Charts untuk Luasan Size 16/20

30

Bab V Pengolahan Data

Hasil running Control Charts untuk Luasan Size 16/20

WINTER

Template

31

Bab VI Analisa dan Interpretasi Data

6.1 Analisis Rancangan Software AmviGS

•Mampu melakukan real-time inspection

•dengan rancangan menu “Run”  dilakukan proses inspeksi sesaat setelah produk amatan selesai di-capture.

•Mampu mengimplementasikan metode 7 Tools of Quality dalam pengendalian kualitas proses.

•dengan rancangan menu tujuh metode tersebut, yaitu “Check

Sheet”, “Pareto Diagram”, “Histogram”, “Flowchart”, “Cause Effect

Diagram”, “Scatter Diagram” dan “Control Chart”.

32

Bab VI Analisa dan Interpretasi Data

6.2 Analisis Rancangan Alat Inspeksi Visual dan Grading yang Multi- View dan Terotomasi

• Dari segi kecepatan:

• kecepatan operator sortir di PT GMCP adalah 857 ekor/jam/orang,

• kecepatan alat adalah 116 ekor/jam/alat.

• Dari segi kapasitas maksimum:

• kapasitas maksimum operator sortir di PT GMCP adalah 71,429 lbs/jam/orang,

• Kapasitas maksimum alat adalah 9,667 lbs/jam/alat.

• Jadi untuk dapat mencapai kecepatan inspeksi dan kapasitas maksimum seperti pada kondisi eksisting diperlukan alat

sebanyak ±7 buah.

34

Bab VII Kesimpulan dan Saran

7.1 Kesimpulan

• Alat yang dirancang dapat mengidentifikasi mana raw material yang tergolong dalam kualitas accept atau reject, dan mana

raw material yang tergolong size 16/20, 21/25, dan 26/30.

• Hasil identifikasi menggunakan metode RCA mengenai penyebab cacat pada raw material dipengaruhi dari Man, Machine, Method, Material, Environment.

• Hasil perancangan alat dan software diberi nama AmviGS (Automated Multi-View Visual Inspection and Grading

System), yang mengakomodasi fungsi inspeksi, grading, dan

sortir yang terotomasi.

35

Bab VII Kesimpulan dan Saran

7.1 Kesimpulan

•Pengujian mekanisme digital image processing dilakukan dengan uji verifikasi, yang dibuktikan dengan tidak adanya error pada saat running, sehingga mekanisme tersebut dapat dinyatakan terverifikasi.

•Dari hasil analisa terhadap proses 100% inspeksi didapatkan bahwa kecepatan operator sortir di PT GMCP adalah 857 ekor/jam/orang, sedangkan kecepatan alat adalah 116 ekor/jam/alat.

•Dan hasil analisa terhadap kapasitas maksimum yang mampu ditangani

operator sortir di PT GMCP adalah 71,429 lbs/jam/orang, sedangkan

yang mampu ditangani alat adalah 9,667 lbs/jam/alat. Jadi untuk dapat

mencapai kecepatan inspeksi dan kapasitas maksimum seperti pada

kondisi eksisting diperlukan alat sebanyak ±7 buah.

36

Bab VII Kesimpulan dan Saran

7.2 Saran

• Alat dan software akan (ready) siap dipasarkan dengan error 0%, tapi saat ini error yang terjadi masih 8%. Sehingga masih diperlukan perbaikan kecil

• Dapat dilakukan uji coba untuk obyek amatan lain dalam penelitian selanjutnya.

Hal ini dimaksudkan untuk membuktikan bahwa alat dan software ini tidak terbatas hanya untuk udang vanname saja, namun juga dapat diaplikasikan pada obyek amatan lainnya.

• Dalam pengembangan penelitian selanjutnya dapat ditambahkan sensor berat agar dapat diketahui berat real dari obyek amatan.

• Untuk dapat mencapai kecepatan inspeksi seperti pada kondisi

eksisting, kecepatan conveyor dapat ditingkatkan. Misal dengan meperbesar daya motor.

Terima Kasih

37

Lampiran

38

Bab II Tinjauan Pustaka

Studi Hasil Penelitian Sebelumnya

Alkano (2008) Riski (2008) Luviano (2009) Penelitian ini Pengembangan Ilmu Pengendalian kualitas Antropometri Pengendalian kualitas Pengendalian kualitas

Objek penelitian Cover buku Tangan Minuman kemasan

botol Udang vanname

Pendekatan

Non-contact inspection

Image processing

Real-time inspection Multi-view inspection and grading

Computer vision system

Computer vision

system Image Processing

Tools

House of quality (HOQ)

Digital image processing

Seven tools of quality Digital image processing

Control chart

Root Cause Analysis

(RCA) Seven tools of quality

Corrective action Root Cause Analysis (RCA)

Implementasi Hardware dan software

Hardware dan

software Software Hardware dan

software

WINTER

Template

41

Bab VI Analisa dan Interpretasi Data

6.1 Analisis Rancangan Software AmviGS

•kelebihan dari software AmviGS:

•mampu mengidentifikasi dua parameter sekaligus di waktu yang bersamaan dan mudah untuk dioperasikan

•dapat dilakukan 100% inspeksi sekaligus mempercepat waktu inspeksi

• lebih akurat bila dibandingkan dengan inspeksi manual oleh manusia khususnya untuk produk-produk yang bentuknya tetap (seperti

botol, kaleng, dan lainnya).

•Kekurangan dari software AmviGS:

•ketika menginspeksi produk-produk yang bentuknya tidak tetap (seperti udang) masih memungkinkan terjadi error.

•Selain itu jika terdapat perubahan mengenai parameter yang akan

diinspeksi, maka diperlukan adjustment lagi agar sesuai dengan

parameter

42

Bab VI Analisa dan Interpretasi Data

6.2 Analisis Rancangan Alat Inspeksi Visual dan Grading yang Multi- View dan Terotomasi

• kelebihan dari Rancangan Alat :

• Penggunaan dua webcam ini dapat mendukung pengambilan citra lebih baik bila dibandingkan dengan satu webcam saja

 dimanfaatkan untuk meng-capture dua parameter yang berbeda sekaligus dalam waktu yang bersamaan.

• terdapat tiga proses kerja sekaligus, yaitu proses inspeksi, proses grading, dan proses sortir.

• prototype ini tidak susah untuk dintegrasikan dan

dioperasikan.

43

Bab VI Analisa dan Interpretasi Data

6.2 Analisis Rancangan Alat Inspeksi Visual dan Grading yang Multi- View dan Terotomasi

• Kekurangan dari Rancangan Alat :

• Setiap akan diuji coba, diperlukan waktu setup yang lama, hampir selama 30 menit

• Ketika prototype ini akan digunakan untuk running dan dipindahkan ke area yang lebih luas, juga harus dilakukan setup ulang yang waktunya pun tidak sebentar

• robustness dari prototype ini masih peka terhadap

perubahan posisi.

33

Bab VI Analisa dan Interpretasi Data

6.2 Analisis Rancangan Alat Inspeksi Visual dan Grading yang Multi- View dan Terotomasi

• didapatkan bahwa terdapat 6 dari 75 ekor udang yang salah identifikasi, sehingga error yang terjadi adalah 8%. Sekilas angka error 8% ini terlihat sangat besar untuk menyebutkan bahwa alat dan software ini tidak lebih baik dibandingkan dengan operator manusia di PT GMCP yang hanya memiliki error 5%.

Mengapa?:

33

Bab VI Analisa dan Interpretasi Data

6.2 Analisis Rancangan Alat Inspeksi Visual dan Grading yang Multi- View dan Terotomasi

• ada kemungkinan suatu saat operator tersebut salah mengklasifikasikan udang

• Perusahaan menggunakan metode penimbangan secara sampling , sedangkan peneliti menentukan size tidak dari

penimbangan berat udangnya, namun dari perhitungan luasan dan tebal tiap udang.

• warna tiap udang yang berbeda-beda, dimana perbedaan

warna udang ini merupakan hal yang alami dan tidak dapat

dikontrol oleh manusia

44

Bab V Pengolahan Data

Scatter Diagram antara luasan dengan tebal pada size 21/25

29

Bab V Pengolahan Data

Scatter Diagram antara tebal dengan luasan pada size 16/20

30

Bab V Pengolahan Data

Scatter Diagram antara luasan dengan tebal pada size 26/30

31

Bab V Pengolahan Data

Scatter Diagram antara tebal dengan luasan pada size 26/30

45

Bab V Pengolahan Data

Uji Paired-t Test

•Uji Paired-t Test ini dilakukan dengan bantuan software SPSS 15.0, dengan tingkat kepercayaan sebesar 95%. Berikut hasil uji Paired-t Test yang ditunjukkan pada Gambar 5.2:

•Gambar 5.2 Hasil Uji Paired-t Test untuk Luasan

•Gambar 5.3 Hasil Uji Paired-t Test untuk Tebal

46

Bab V Pengolahan Data

Uji Kecukupan Data

• Tebal (Software)  N’ = 48.95634312

•Tebal (Manual)  N’ = 48.56755003

•Luasan (Software)  N’ = 131.6487285

•Luasan (Manual)  N’ = 307.703077

47

Bab VI Analisa dan Interpretasi Data

* Perhitungan nilai ekonomis Defender:

•Diketahui:

•Upah operator sortir/bulan = Rp 975.000,-  A

•Bunga bank saat ini (BI Rate) = 6% 

dimajemukkan per bulan selama setahun

•Ii efektif =

•P = A (P/A, 6.2%, 12)

•P = Rp 975.000 (P/A, 6.2%, 12)

•P = Rp 975.000 [

48

Bab VI Analisa dan Interpretasi Data

* Perhitungan nilai ekonomis Defender:

•P = Rp 975.000 x 8.292677123

•P = Rp 8.085.360,19  berlaku untuk 12 bulan di tahun pertama, 12 bulan di tahun kedua, dan 12 bulan di tahun ketiga

•Sehingga P = Rp 8.085.360,19 = A

₁

•P

₁

= A

₁

(P

₁

/A

₁

, 6%, 3)

•P

₁

= Rp 8.085.360,19 (2.673)

•P

₁

= Rp 21.612.167,8  Present Worth

49

Bab VI Analisa dan Interpretasi Data

* Perhitungan nilai ekonomis Defender:

1 2 3 4 5 6 7 8 9 10 11 13

12 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

P1

A*(P/A, 6,2%, 12). A*(P/A, 6,2%, 12).

P

A*(P/A, 6,2%, 12).

P = Rp 8.085.360,19

A A A A A A A A A A A

A1 A1

= A1*(P1/A1, 6%, 3),

= Rp 21.612.167,80.

P P

50

Bab VI Analisa dan Interpretasi Data

* Perhitungan nilai ekonomis Challenger:

•Diketahui:

•Biaya pembuatan 1 alat = Rp Rp 8.982.550,-

•Biaya investasi 7 alat = Rp Rp 8.982.550,- x 7 = Rp 62.877.850,-

•Biaya maintenance 1 alat = Rp 100.000,-/bulan

•Biaya operasional 1 alat = Rp 1.000.000,-.

•Sehingga pengeluaran rutin/bulan untuk 7 alat:

•= 7 x (Rp 100.000,- + Rp 1.000.000,-)

•= Rp 7.700.000,-  A

₂

51

Bab VI Analisa dan Interpretasi Data

* Perhitungan nilai ekonomis Challenger:

•P

₂

= A

₂

(P

₂

/A

₂

, 6.2%, 12)

•P

₂

= Rp 7.700.000,- (P

₂

/A

₂

, 6.2%, 12)

•P

₂

= Rp 7.700.000,- [

•P

₂

= Rp 63.853.613,85.  berlaku untuk 12 bulan di tahun pertama, 12 bulan di tahun kedua, dan 12 bulan di tahun ketiga

•Sehingga P

₂

= Rp 63.853.613,85. = A

₃

52

Bab VI Analisa dan Interpretasi Data

* Perhitungan nilai ekonomis Challenger:

•P

₃

= A

₃

(P

₃

/A

₃

, 6%, 3)

•P

₃

= Rp 63.853.613,85. (2.673)

•P

₃

= 170.680.709,80.  Present Worth

•Selanjutnya nilai P3 ditambah dengan biaya investasi atas 7 alat tersebut, sehingga

didapatkan total biaya investasinya adalah:

•Rp 170.680.709,80 + Rp 62.877.850,00 =

•Rp 233.558.559,80

53

Bab VI Analisa dan Interpretasi Data

* Perhitungan nilai ekonomis Challenger:

•Error yang terjadi dalam proses sortir di PT GMCP = 5%

•Jika kecepatan 1 operator = 857 ekor/jam, dengan hari kerja efektif

=25 hari/bulan, 7 jam/hari

•maka dalam sebulan = 857 ekor/jam x 25 x 7 = 149.975 ekor.

•Jika diasumsikan error 5% terjadi tiap hari, maka:

•= 149.975 ekor x 5% = ±7.475 ekor/bulan yang salah identifikasi

•Sehingga 7.475 ekor x Rp 1.719,- = Rp 12.849.525,-. (nilai uang dari error tersebut)

•Nilai ini dapat dianggap sebagai pendapatan per bulan bagi alat baru. Hal ini dikarenakan alat baru ini memiliki error 0%, sehingga apabila perusahaan mengaplikasikan alat ini error-nya akan

menjadi 0%, dan nilai uang dari error 5% yang lalu akan berubah

menjadi pendapatan.

54

Bab VI Analisa dan Interpretasi Data

* Perhitungan nilai ekonomis Challenger:

•Selanjutnya nilai ini akan dianggap sebagai profit per bulan (A

₄

), dan juga akan dihitung nilai Present Worth (P

₄

) nya.

• P

₄

= A

₄

*(P

₄

/A

₄

, 6,2%, 12).

• P

₄

= Rp 106.507.205,90.  berlaku untuk 12 bulan di tahun pertama, 12 bulan di tahun kedua, dan 12 bulan di tahun ketiga

• Sehingga P

₄

= Rp 63.853.613,85. = A

₅

• P

₅

= A

₅

(P

₅

/A

₅

, 6%, 3)

• P

₅

= Rp 63.853.613,85 (2.673)

• P

₅

= Rp 284.693.761,50.  Present Worth

55

Bab VI Analisa dan Interpretasi Data

* Perhitungan nilai ekonomis Challenger:

P3 1 2 3 4 5 6 7 8 9 10 12

11 13 14 15 16 17 18 19 20 21 22 23 24 25 16 27 28 29 30 31 32 33 34 35 36

P4 P4

P4

A2 A2 A2 A2 A2 A2 A2 A2

P2 P2 P2

A2*(P2/A2, 6,2%, 12) A2*(P2/A2, 6,2%, 12)

A2*(P2/A2, 6,2%, 12)

A3 A3

P2 = Rp 63.853.613,85

.

= A3*(P3/A3, 6%, 3),

= Rp 170.680.709,80

INVESTASI

Rp 62.877.850,00

A4 A4*(P4/A4, 6,2%, 12)A4 A4 A4*(P4/A4, 6,2%, 12) A4 A4 A4*(P4/A4, 6,2%, 12) A4

A5 A5 A5

= A5*(P5/A5, 6%, 3), P5

= Rp 284.693.761,50.

56

Bab VI Analisa dan Interpretasi Data

* Perbandingan nilai ekonomis Defender & Challenger:

•Setelah didapatkan nilai Present Worth dari biaya investasi dan profit, selanjutnya dapat dihitung selisih di antara keduanya:

• Rp 284.693.761,50 – (170.680.709,80 + Rp 62.877.850,00) = Rp 51.135.201,70 yang merupakan pendapatan bagi

perusahaan apabila mengaplikasikan alat ini.

• Dari perhitungan di atas dapat dibandingkan nilai Present Worth dari aset lama (operator sortir) dengan aset baru (alat yang dirancang):

• Aset lama = outflow sebesar Rp 21.612.167,80, yang

merupakan biaya atau upah bagi operator sortir yang akan

dikeluarkan perusahaan selama umur ekonomis.

57

Bab VI Analisa dan Interpretasi Data

* Perbandingan nilai ekonomis Defender & Challenger:

•Aset baru = inflow sebesar Rp 51.135.201,70, yang

merupakan pendapatan bagi perusahaan apabila

mengaplikasikan alat tersebut selama umur

ekonomisnya. Jadi akan lebih menguntungkan

perusahaan ketika mengaplikasikan alat tersebut.

WINTER

Template Daftar Pustaka

Akbar, Habibullah, dan Anton Satria Prabuwono, Oct. 2008. “Webcam Based System for Press Part Industrial Inspection”. IJCSNS International Journal of Computer Science and Network Security, vol. 8, no. 10.

Ebrahimi, Ebrahim, Kaveh Mollazade, dan Arman Arefi, 2011. “Detection of Greening in Potatoes Using Image Processing Techniques”. Journal of American Science 7, 3:243- 247.

G., Narendra V., dan Hareesh K.S, May 2010. “Quality Inspection and Grading of Agricultural and Food Products by Computer Vision – A Review”. International Journal of Computer Applications (0975 – 8887), vol. 2, no. 1.

Gijo, E. V. 2005. “Improving Process Capability of Manufacturing Process by Application of Statistical Techniques”. Quality Engineering 17(2): 309-315.

Mery, Domingo dan Miguel Carrasco. 2005. “Automated Multiple View Inspection Based on Uncalibrated Image Sequences”. SCIA-LNCS 3540, pp. 1238-1247.

Rius-Vilarrasa, E, dkk. 2008. “Genetic Parameters for Carcass Composition and Performance Data in Crossbred Lambs Measured by Video Image Analysis”. Meat Science 81: 619-625.

WINTER

Template Daftar Pustaka

Rius-Vilarrasa, E, dkk. 2009. “Evaluation of Video Image Analysis (VIA) Technology to Predict Meat Yield of Sheep Carcasses On-Line under UK Abattoir Conditions”. Meat Science 82:94-100.

Park, Mira, June 2009. “Automated Defect Inspection System by Pattern Recognition”. International Journal of Signal Processing and Pattern Recognation, vol. 2, no. 2.

Vote, D. J, dkk, April 2009. “Video Image Analysis as a Potential Grading System for Uruguayan Beef Carcasses”. Journal of Animal Science 87:2376-2390.

Besterfield, Dale H, dkk. 1995. Total Quality Management. New Jersey: Prentice Hall.

Foster, Thomas. 2001. Managing Quality. An Integrative Approach. Upper Saddle River: Prentice Hall.

Groover, Mikel P. 2001. Automated Manufacturing System and Computer Integrated Manufacturing. New Jersey: Prentice Hall.

Montgomery, Douglas C. 2005. Statistical Quality Control: A Modern Introduction.

Arizona: John Wiley & Sons, Inc.

Sutoyo, T., dkk. 2009. Teori Pengolahan Citra Digital. Semarang: UDINUS

WINTER

Template Daftar Pustaka

Lotfi, Ehsan, dan Hosein Mirzaee. 2007. “Automatic Quality Control of Fried Potato Using Machine Vision”. First Joint Congress on Fuzzy and Intelligent Systems.

Iran, 29-31 Agustus.

Mukhopadhyay, Subhas C. 2006. “Sensing and Instumentation for A Low Cost

Intelligent Sensing System”. SICE-ICASE International Joint Conference. Korea, 18-21 September.

Prasetyawan, Yudha, Nani Kurniati, dan Rossy Ariansyah. 2008. “Intelligent Inspection System Cell Design Using Computer Vision System to Develop Quality Control System (Case Study: PT Berlina, Tbk.)”. Proceedings of the 9^thAsia Pacific Industrial

Engineering & Management System Conference. Indonesia, 3-5 Desember.

Away, Yuwaldi. 2006. “Sistem Visual Terpadu Untuk Proses Inspeksi Dalam Industri”.

Jurnal Rekayasa Elektronika, vol. 5, no. 1.

Alkano, Kenny. 2008. “Perancangan Intelligent Inspection System Berbasis Computer Vision System Terintegrasi dengan Statistical Process Control”. Tugas Akhir Teknik Industri. Surabaya: Institut Teknologi Sepuluh Nopember.

L., Gary Eka. 2009. “Perancangan Automated Visual Inspection System untuk

Membangun Aplikasi Piranti Lunak Seven Tools of Quality secara Real-Time”. Tugas Akhir Teknik Industri. Surabaya: Institut Teknologi Sepuluh Nopember.

WINTER

Template Daftar Pustaka

Riski, M. Arya. 2008. ”Perancangan Sistem Pengukuran Digital untuk Antropometri Tangan Menggunakan Teknologi Image Processing”. Tugas Akhir Teknik Industri.

Surabaya: Institut Teknologi Sepuluh Nopember.

Investor Daily. 2010. ”Udang Komoditas Unggulan”, accessed 15 September 2011, www.kkp.go.id/index.php/arsip/c/2026/udang-komoditas-unggulan/

Jurusan Pendidikan Teknik Elektro, Fakultas Teknik, Universitas Negeri Yogyakarta.

n.d. ”Mikrokontroler Atmega16”, accessed 11 Desember 2011,

http://www.google.co.id/url?sa=t&rct=j&q=apa+itu+mikrokontroler+filetype%3Adoc&

source=web&cd=1&ved=0CBoQFjAA&url=http%3A%2F%2Fstaff.uny.ac.id%2Fsites%2Fdef ault%2Ffiles%2Ftmp%2FMateri%2520PPM%2520MIKROKONTROLER.doc&ei=62DjToUVw dWtB6ek4akI&usg=AFQjCNFlrVMmpyQyetKPv16Iasz9I_wKEQ&sig2=eLBs8L6jTY9q9_

FMRc7qzQ

Kabarbisnis.com. 2010. “Udang Vanname Lompatan Baru Ekspor Perikanan Indonesia”, accessed 13 September 2011,

www.kabarbisnis.com/read/2816225

Mahesa, Raka. 2010. “Per Agustus, Ekspor Udang Turun 5.76%”, accessed 16

September 2011, http://industri.kontan.co.id/v2/read/1290051308/52608/Per-Agustus- ekspor-udang-turun-576

WINTER

Template Daftar Pustaka

Modul Input Output On Off Diskrit. n.d., accessed 11 Desember 2011, http://www.scribd.com/doc/51195082/P1-DSK-R1-1

Wasista, Sigit. 2009. “Transformasi Derajat Keabuan”, accessed 29 September 2011, http://wasista-eepis.blogspot.com/2009/03/transformasi-derajat-

keabuan.html

Tham, M. 1997. “An Introduction To SPC”, Newcastle University, accessed 23 September 2011, http://lorien.ncl.ac.uk/ming/spc/spc0.htm

Sensor Optocoupler. 2007, accessed 11 Desember 2011, http://elektronika- elektronika.blogspot.com/2007/03/sensor-optocoupler.html

Six Sigma Indonesia Center of Excellent. 2008. “Control Charts”, accessed 25 September 2011, http://sixsigmaindonesia.com/blog/?p=56

Total Quality Management. 2008. “Management of Process Quality”, accessed 25 September 2011

http://totalqualitymanagement.wordpress.com/2008/09/21/management-of-process- quality/