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
stQuality 2. 2
ndQuality
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
251
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
352
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 9thAsia 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/