BAB 4. Implementasi dan Evaluasi. Setelah dibuatnya alat pengangkat dan pengelompokan benda yang

(1)

Implementasi dan Evaluasi

Setelah dibuatnya alat pengangkat dan pengelompokan benda yang memperlihatkan gerakan sekuensial yang terintergrasi dengan vision secara real time maka diperlukan analisis tentang seberapa tingkat keberhasilan intergrasi antara plc dengan vision.

4.1 Speksifikasi Sistem

Sistem alat pengangkat dan pengelompokan bentuk benda menggunakan plc dan computer vision mempunyai berbagai bagian dengan spesifikasi system sebagai berikut:

1. Komputer

Pada penelitian, komputer digunakan untuk membuat program vision dan program pada plc.

Komputer tersebut mempunyai spesifikasi sebagai berikut: Tabel 4.1 Spesifikasi Komputer

SPESIFIKASI KOMPUTER Processsor Intel Pentium 4 3 GHz 800 MHz Socket LGA 775 L2 Cache 1 Mb

(2)

2. Kamera digital

Kamera digital yang digunakan berupa webcam. Webcam dipakai untuk mengambil input berupa citra lalu diproses secara vision dengan realtime. Webcam yang digunakan pada penelitian ini adalah QuickCam® Communicate Deluxe yang dibuat dari Logitech dengan resolusi 640 x 480 (VGA).

3. Object / benda

Menggunakan object berbentuk lingkaran, segitiga, segiempat, segilima, segienam dan segidelapan dengan diameter 5cm. Benda berwarna putih terbuat dari nilon.

4. Sistem perangkat lunak yang digunakan

Pada penelitian ini menggunakan system operasi Microsoft Windows XP SP2, opencv (open source) dengan Microsoft visual studio 2005 untuk vision, dan FST 4.10 untuk PLC.

Chipset Motherboard Intel ICH5

Memori 1 GigaByte RAM DDR 1

Media penyimpanan Hard disk seagate 80 giga. Kartu Grafis Onboard Intel Extreme Graphics 2 (865G)

Monitor LCD Winsonic Standard

(3)

4.2 Spesifikasi PLC secara menyeluruh Prosedur Sistem

Sistem pneumatik ini dengan aplikasi untuk mengangkat benda dan mengelompokkan bentuk benda yang mempunyai karakteristik antara lain:

− Menggunakan sebuah PLC (Programmable Logic Controller) sebagai kontroler.

− Memiliki tegangan catu daya yang digunakan untuk mengaktifkan PLC adalah sebesar +24 VDC.

− Menggunakan tekanan udara mampat sebesar 4-6 bar yang dihasilkan oleh kompresor sebagai energi penggerak.

− Modul pneumatik terdiri dari tiga buah silinder pneumatik kerja ganda dan dua buah silinder pneumatic kerja single tunggal, lima buah katup pneumatik 5/2(single solenoid), dan satu buah PLC.

− Setiap silinder yang ada menggunakan sebuah katup pneumatik.

− Menggunakan mika (acrylic) pada bagian permukaan benda untuk jalur bendanya.

− Sistem secara keseluruhan terdiri dari 3 modul utama, yaitu modul pneumatik, modul relay, dan inputan dari kamera.

− Menggunakan dua jenis sensor, yaitu sensor magnetik dan limit switch. Selain itu dengan menggunakan time delay sebagai pengganti sensor yang kurang karena keterbatasan jumlah sensor.

(4)

− Menggunakan pemisah dengan dua jalur, yaitu jalur A dan jalur B.

− System ini menggunakan enam bentuk benda, yaitu segitiga, segiempat, segilima, segienam, segidelapan, dan lingkaran.

− Berat benda pada system pneumatic adalah sekitar 3 ons

− Satu buah kamera yang digunakan untuk mengambil foto bentuk benda.

4.3 Komponen Sistem

Komponen-komponen yang digunakan dalam sistem, dikelompokkan berdasarkan modul-modul yang ada, antara lain:

1. Komponen sistem pneumatik.

− 3 buah silinder pneumatik FESTO tipe DSN-25-100-PPV dan 1 buah silinder pneumatik FESTO tipe DSN-25-100-PPV-A

− 1 buah silinder CYC

− 3 buah katup pneumatik 5/2 SNS tipe MVSC-260-4E1

− 2 buah katup pneumatic 5/2 FESTO

− 2 buah sensor magnetik dari FESTO tipe SMEO-1-LED-24-SA dan 2 buah sensor magnetik dari FESTO tipe SME-8.

(5)

− 6 buah fitting elbow SNS 6 mm.

− 6 buah sumbat angin SNS.

− 6 buah fitting angin SNS.

− Selang angin secukupnya.

− Mika dengan lebar 7 mm dan ketebalan 0,5 mm secukupnya.

− 1 buah PLC FEC-FC34-FST.

− 1 buah kabel serial untuk loading program dari PC.

− 1 buah switch on/off untuk catu daya PLC.

− Kabel secukupnya.

− Terminal kabel secukupnya.

− Mika secukupnya.

2. Komponen sistem kamera

− 1 buah kamera dengan tipe logitech

− 6 buah benda dengan berat sekitar 3 ons.

(6)

4.4 Evaluasi Hasil Percobaan

4.4.1 Evaluasi Pneumatic

PLC akan bekerja dengan baik jika pemasangan kabel pada input dan output PLC dilakukan dengan baik. Dalam pengaplikasiannya sistem pneumatic dapat berfungsi dengan baik. System pneumatic akan berjalan sesuai dengan inputan yang diterima dan mengelompokan sesuai benda yang dibutuhkan pada diagram alir. Dalam system pneumatik mempunyai kelemahan disebabkannya terlalu keras tekanan angin pada silinder awal saat mengangkat benda. Oleh karena itu, untuk tidak terjadi yang diinginkan seperti benda terlempar dari jalur, maka tepat diatas mika tersebut diberikan kertas karton untuk menahan benda untuk tidak terlempar keluar jalur.

4.4.2 Evaluasi Alat Pengangkat dan Pengelompokan Benda

Setelah melakukan perancangan alat pengangkat dan pengelompokan benda dan melakukan percobaan intergrasi alat terhadap bagian-bagian alat (plc dan vision) maka perlu melakukan pengujian terhadap alat. Alat terdiri dari 2 bagian yaitu bagian PLC dan bagian vision. Ketika penggabungan sistem antara PLC dengan vision, perlu di coba pada kedua bagian tersebut. Kedua bagian tersebut perlu dicoba, untuk mengetahui ketika terjadi error yang disebabkan oleh alat (PLC) atau error yang disebabkan oleh vision. Untuk mengurangi error pada vision, dilakukan percobaan dengan jarak. Hal ini bertujuan untuk mengurangi error dan untuk mengetahui jarak yang baik untuk vision tersebut. Pada vision digunakan Peephole untuk menghasilkan capture setiap 2s. Capture yang dihasilkan akan diproses menggunakan openCV. Waktu yang diperlukan

(7)

agar benda dikenali dan setelah dikenali akan dikirim logic berupa nilai 0 atau 1 adalah 1s. Waktu yang dihasilkan untuk vision konstant karena sudah di set pada program.

Percobaan yang dilakukan yaitu jarak kamera terhadap vision. Percobaan ini dilakukan untuk mengetahui jarak yang baik buat vision. Pada sistem pneumatik juga diuji dengan melihat arah dari pergerakan silinder, serta menentukan posisi mula-mula silinder dengan mengatur valvenya. Sistem pneumatik pada penelitian ini menghasilkan tenaga angin yang cukup keras. Apabila tekanan angin masuk ke silinder akan membuat silinder langsung bergerak cepat sehingga dapat membuat benda keluar dari jalur. Untuk itu digunakan fitting angin, untuk mengatur kecepatan gerak angin, dengan begitu silinder bergerak pelan, dan membuat benda jatuh pada tempat vision. Pada penelitian ini digunakan CCU utnuk tempat program PLC. CCU ini akan diprogram sesuai dengan pergerakan silinder yang diinginkan. CCU akan aktif bila mendapaklan tegangan 24Volt.

Penelitian ini menggunakan 6 jenis objek yaitu lingkaran, segitiga, segiempat, segilima, segienam, dan segidelapan. Benda terdebut digunakan untuk mewakili benda- benda yang mungkin digunakan dalam dunia industri. Benda – benda tersebut akan dipisahkan menjadi 2 kelompok. Benda lingkaran, segienam dan segidelapan merupakan satu kelompok dan kelompok yang lain yaitu segitiga, segiempat, segilima.

(8)

PERCOBAAN DENGAN JARAK 10 CM.

Tabel 4.2 Hasil Detect Lingkaran Jarak 10 cm Tahap

Kejadian

Hasil output vision

sistem Keterangan 1 Terdeteksi - 2 Terdeteksi - 3 Terdeteksi - 4 Terdeteksi - 5 Terdeteksi - 6 Terdeteksi - 7 Terdeteksi - 8 Terdeteksi - 9 Terdeteksi - 10 Terdeteksi -

Dari tabel 4.2 di atas, benda dapat terdeteksi dengan baik karena benda tepat berada di bawah kamera (benda tidak terpotong). Peephole setiap 2 s akan mengambil gambar. Gambar kemudian diproses melalui beberapa tahapan. Gambar akan di grayscale terlebih dahulu sehingga menghasilkan gambar keabu-abuan. Dilanjutkan dengan proses threshold yang membuat gambar menjadi hitam dan putih sesuai dengan parameter yang digunakan. Setelah itu digunakan canny edge detection untuk mendeteksi tepi. Gambar yang dihasilkan dari benda yang tepat berada di bawah kamera yang melalui proses canny, membuat seluruh tepi dari benda terlihat dengan jelas, sehingga saat proses hough circle diterapkan benda lingkaran dapat terdeteksi dengan baik.

(9)

Tabel 4.3 Hasil Detect Segitiga Jarak 10 cm

Tahap kejadian

Hasil output

vision sistem keterangan

1 Terdeteksi - 2 Terdeteksi - 3 Terdeteksi - 4 Terdeteksi - 5 Terdeteksi - 6 Terdeteksi - 7 Tidak Terdeteksi

Vision tidak terdetek karena benda berdiri tegak

8 Terdeteksi -

9 Tidak Terdeteksi

Vision tidak terdetek karena benda berdiri tegak

10 Terdeteksi -

Dari table 4.3 di atas, ada benda segitiga yang tidak dapat di deteksi akibat benda berdiri tegak. Benda dapat berdiri tegak karena bendanya ringan dan terdapat sedikit celah antara bidang miring dengan vision. Sehingga saat didorong oleh silinder, benda segitiga langsung berdiri tegak. Vision yang digunakan hanya untuk mendeteksi jumlah vertek. Ketika proses canny, benda segitiga yang berdiri tegak tersebut tidak menghasilkan sisi tepi yang utuh (tepi tidak saling terhubung). Sehingga saat chain code, benda tersebut tidak dapat terdeteksi karena algoritma chain code akan bekerja apabila terdapat tepi yang membentuk chain atau sisi tepi saling berhubungan.

(10)

Tabel 4.4 Hasil Detect Segiempat Jarak 10 cm Tahap

kejadian

Hasil output

1 Terdeteksi - 2 Terdeteksi - 3 Terdeteksi - 4 Terdeteksi - 5 Terdeteksi - 6 Tidak Terdeteksi

Vision gagal terdeteksi karena gambar benda terpotong.

7 Terdeteksi -

8 Terdeteksi -

9 Terdeteksi -

10 Terdeteksi -

Dari Tabel 4.4 di atas, benda segi empat ada yang tidak terdeteksi. Hal ini dikarenakan saat benda jatuh tidak benar – benar dibawah kamera, sehingga hasil capture yang di dapat terpotong. Benda tidak dapat terdeteksi karena saat proses canny selesai, hasil deteksi tepi yang didapat tidak membentuk chain. Sehingga saat diterapkan algoritma chain kode dengan kode arah, benda tidak dianggap sebagai suatu objek dikarenakan sisi tidak berhubungan.

Tabel 4.5 Hasil Detect Segilima Jarak 10 cm Tahap

kejadian

Hasil output

1 Terdeteksi -

2 Terdeteksi -

3 Tidak Terdeteksi

Vision gagal terdeteksi karena gambar benda terpotong.

4 Terdeteksi -

5 Terdeteksi -

6 Terdeteksi -

(11)

8 Terdeteksi -

9 Terdeteksi -

10 Terdeteksi -

Dari Tabel 4.5 di atas, benda segilima ada yang tidak terdeteksi. Hal ini dikarenakan saat benda jatuh tidak benar – benar dibawah kamera, sehingga hasil capture yang di dapat terpotong. Peephole menghasilkan image yang akan diproses oleh komputer. Pertama – tama dilakukan grayscale yang membuat gambar menjadi keabu-abuan. Dilanjutkan dengan proses threshold yang membuat gambar menjadi hitam dan putih. Selanjutnya proses Canny utnuk deteksi tepi. Benda tidak dapat terdeteksi karena saat proses canny selesai, hasil deteksi tepi yang didapat tidak membentuk chain. Sehingga saat diterapkan algoritma chain kode dengan kode arah, benda tidak dianggap sebagai suatu objek dikarenakan sisi tidak berhubungan.

Tabel 4.6 Hasil Detect Segienam Jarak 10 cm Tahap

kejadian

Hasil output vision

sistem Keterangan 1 Terdeteksi - 2 Terdeteksi - 3 Terdeteksi - 4 Terdeteksi - 5 Terdeteksi - 6 Terdeteksi - 7 Terdeteksi - 8 Terdeteksi - 9 Terdeteksi - 10 Terdeteksi -

(12)

Tabel 4.7 Hasil Detect Segidelapan Jarak 10 cm Tahap

kejadian

Hasil output vision

sistem keterangan 1 Terdeteksi - 2 Terdeteksi - 3 Terdeteksi - 4 Terdeteksi - 5 Terdeteksi - 6 Terdeteksi - 7 Terdeteksi - 8 Terdeteksi - 9 Terdeteksi - 10 Terdeteksi -

Tabel 4.8 Hasil Detect Lingkaran Jarak 20 cm Tahap

kejadian

Hasil output vision

sistem keterangan 1 Terdeteksi - 2 Terdeteksi - 3 Terdeteksi - 4 Terdeteksi - 5 Terdeteksi - 6 Terdeteksi - 7 Terdeteksi - 8 Tidak Terdeteksi

Vision gagal terdeteksi karena benda berdiri tegak.

9 Terdeteksi -

10 Terdeteksi -

Dari table 4.3 di atas, ada benda lingkaran yang tidak dapat di deteksi akibat benda berdiri tegak. Benda dapat berdiri tegak karena bendanya ringan dan terdapat sedikit celah antara bidang miring dengan vision. Sehingga saat didorong oleh silinder, benda lingkaran langsung berdiri tegak. Sehingga saat proses canny berlangsung, tepi

(13)

yang terdetek tidak berupa lingkaran, tetapi berupa elips. Sehingga saat penggunaan hough circle, benda tidak terdeteksi.

Tabel 4.9 Hasil Detect Segitiga Jarak 20 cm Tahap

kejadian

Hasil output vision

sistem Keterangan

1 Terdeteksi -

2 Terdeteksi -

3 Terdeteksi -

4 Tidak terdeteksi

Vision gagal terdeteksi karena benda berdiri tegak

5 Terdeteksi -

6 Terdeteksi -

7 Tidak Terdeteksi

Vision tidak terdeteksi karena benda berdiri tegak

8 Terdeteksi -

9 Terdeteksi -

10 Terdeteksi -

Dari table 4.3 di atas, ada benda segitiga yang tidak dapat di deteksi akibat benda berdiri tegak. Benda dapat berdiri tegak karena bendanya ringan dan terdapat sedikit celah antara bidang miring dengan vision. Sehingga saat didorong oleh silinder, benda segitiga langsung berdiri tegak. Vision yang digunakan hanya untuk mendeteksi jumlah vertek. Ketika proses canny, benda segitiga yang berdiri tegak tersebut tidak menghasilkan sisi tepi yang utuh (tepi tidak saling terhubung). Sehingga saat chain code, benda tersebut tidak dapat terdeteksi karena algoritma chain code akan bekerja apabila terdapat tepi yang membentuk chain atau sisi tepi saling berhubungan.

(14)

Tabel 4.10 Hasil Detect Segi Empat Jarak 20 cm Tahap

kejadian

Hasil output

-

1 Terdeteksi -

2 Terdeteksi -

3 Terdeteksi -

4 Tidak terdeteksi

Vision gagal terdeteksi karena benda vision mendeteksi segienam

5 Terdeteksi - 6 Terdeteksi - 7 Terdeteksi - 8 Terdeteksi - 9 Terdeteksi - 10 Terdeteksi -

Dari tabel 4.10 di atas, ada benda yang tidak terdeteksi dengan baik karena saat pengambilan gambar benda masih dalam keadaan bergerak. Peephole setiap 2 s akan mengambil gambar. Gambar kemudian diproses melalui beberapa tahapan. Gambar akan di grayscale terlebih dahulu sehingga menghasilkan gambar keabu-abuan. Dilanjutkan dengan proses threshold yang membuat gambar menjadi hitam dan putih sesuai dengan parameter yang digunakan. Setelah itu digunakan canny edge detection untuk mendeteksi tepi. Gambar yang dihasilkan dari benda yang tepat berada di bawah kamera yang melalui proses canny, membuat seluruh tepi dari benda terlihat dengan jelas. Hasil Canny bisa salah apabila pencahayaan untuk objek tidak merata (lampu tidak terletak di tengah vision), ada bagian benda yang terang ada bagian yang gelap. Proses canny ini selanjutnya akan mempengaruhi chain code, sehingga salah menafsirkan jumlah titik pada objek yaitu benda segi empat dikenali sebagai segi lima.

(15)

kejadian

Hasil output

vision sistem Keterangan

-

1 Terdeteksi -

2 Terdeteksi -

3 Terdeteksi -

4 Tidak terdeteksi

Vision gagal terdeteksi karena benda vison mendeteksi segienam

5 Terdeteksi - 6 Terdeteksi - 7 Terdeteksi - 8 Terdeteksi - 9 Tidak Terdeteksi

10 Terdeteksi -

Dari tabel 4.11 di atas, vision salah mendeteksi benda akibat pengambilan gambar benda saat benda bergerak. Peephole setiap 2 s akan mengambil gambar. Gambar kemudian diproses melalui beberapa tahapan. Gambar akan di grayscale terlebih dahulu sehingga menghasilkan gambar keabu-abuan. Dilanjutkan dengan proses threshold yang membuat gambar menjadi hitam dan putih sesuai dengan parameter yang digunakan. Setelah itu digunakan canny edge detection untuk mendeteksi tepi. Gambar yang dihasilkan dari benda yang tepat berada di bawah kamera yang melalui proses canny, membuat seluruh tepi dari benda terlihat dengan jelas. Hasil Canny bisa salah apabila pencahayaan untuk objek tidak merata (lampu tidak terletak di tengah vision), ada bagian benda yang terang ada bagian yang gelap. Proses canny ini selanjutnya akan mempengaruhi chain code, sehingga salah menafsirkan jumlah titik pada objek yaitu benda segilima dikenali sebagai segieam.

(16)

kejadian

Hasil output vision

sistem Keterangan 1 Terdeteksi - 2 Terdeteksi - 3 Terdeteksi - 4 Terdeteksi - 5 Terdeteksi - 6 Terdeteksi - 7 Terdeteksi - 8 Terdeteksi - 9 Tierdeteksi - 10 Terdeteksi -

kejadian

Hasil output vision

(17)

Tabel 4.14 Hasil Detect Lingkaran Jarak 30 cm

Pada tabel 4.14, ada benda yang tidak terdeteksi karena benda keluar dari jalur. Hal ini dikarenakan dorongan silinder yang terlalu keras sehingga benda jatuh melewati tempat vision (tempat pemrosesan image) , dan menggelinding ke bawah.

Tabel 4.15 Hasil Detect Segitiga Jarak 30 cm Tahap

kejadian

Hasil output

1 Terdeteksi - 2 Terdeteksi - 3 Terdeteksi - 4 Terdeteksi - 5 Tidak Terdeteksi

6 Terdeteksi - 7 Terdeteksi - 8 Terdeteksi - 9 Terdeteksi - 10 Terdeteksi - Tahap kejadian

Hasil output vision

sistem keterangan 1 Terdeteksi - 2 Terdeteksi - 3 Terdeteksi - 4 Terdeteksi - 5 Terdeteksi - 6 Terdeteksi - 7 Terdeteksi - 8 Tidak Terdeteksi

Vision gagal terdeteksi karena benda keluar

dari jalur

9 Terdeteksi -

(18)

Dari tabel 4.15 di atas, vision salah mendeteksi benda akibat pencahayaan yang tidak merata. Peephole setiap 2 s akan mengambil gambar. Gambar kemudian diproses melalui beberapa tahapan. Gambar akan di grayscale terlebih dahulu sehingga menghasilkan gambar keabu-abuan. Dilanjutkan dengan proses threshold yang membuat gambar menjadi hitam dan putih sesuai dengan parameter yang digunakan. Setelah itu digunakan canny edge detection untuk mendeteksi tepi. Gambar yang dihasilkan dari benda yang tepat berada di bawah kamera yang melalui proses canny, membuat seluruh tepi dari benda terlihat dengan jelas. Hasil Canny bisa salah apabila pencahayaan untuk objek tidak merata (lampu tidak terletak di tengah vision), ada bagian benda yang terang ada bagian yang gelap. Proses canny ini selanjutnya akan mempengaruhi chain code, sehingga salah menafsirkan jumlah titik pada objek yaitu benda segitiga dikenali sebagai segieam .

Tabel 4.16 Hasil Detect Segiempat Jarak 30 cm Tahap

kejadian

Hasil output vision

(19)

kejadian

Hasil output vision

sistem keterangan 1 Terdeteksi - 2 Terdeteksi - 3 Terdeteksi - 4 Terdeteksi - 5 Tidak terdeteksi

Vision gagal terdeteksi karena gambar benda blur. 6 Tidak terdeteksi

Vision gagal terdeteksi karena gambar benda blur.

7 Terdeteksi -

8 Terdeteksi -

9 Terdeteksi -

10 Terdeteksi -

Dari tabel 4.17 di atas, ada benda yang tidak terdeteksi dengan baik karena benda bergerak saat pengambilan gambar, sehingga blur. Peephole setiap 2 s akan mengambil gambar. Gambar kemudian diproses melalui beberapa tahapan. Gambar akan di grayscale terlebih dahulu sehingga menghasilkan gambar keabu-abuan. Dilanjutkan dengan proses threshold yang membuat gambar menjadi hitam dan putih sesuai dengan parameter yang digunakan. Setelah itu digunakan canny edge detection untuk mendeteksi tepi. Gambar yang dihasilkan dari benda yang tepat berada di bawah kamera yang melalui proses canny, membuat seluruh tepi dari benda terlihat dengan jelas. Akibar blur, proses pendeteksian sisi terlihat tidak jelas (tepi putus – putus).

(20)

kejadian

Hasil output vision

kejadian

Hasil output vision

Secara umum dari keseluruhan percobaan di atas, dapat disampaikan hal sebagai berikut:

Kesalahan 1 :

Vision system gagal mendeteksi karena benda berdiri tegak dikarenakan pada saat benda di dorong oleh silinder b yang merupakan silinder untuk mendorong benda melewati bidang miring dan sampai ke tempat vision, benda sudah berdiri tegak akibat

(21)

dari bendanya terlalu ringan. Contoh pada tabel 4.8 Object lingkaran dengan jarak 20cm.

Kesalahan 2:

Vision system gagal mendeteksi karena saat benda meluncur di tempat vision maka posisi benda tidak pas di posisi vision (tidak tepat di bawah webcam) sehingga saat proses pendeteksian, adanya gambar terpotong yang mengakibatkan tidak terdeteksi. Contoh pada tabel 4.5 Object segilima dengan jarak 10cm.

Kesalahan 3 :

Vision sistem salah mendeteksi benda karena benda vision mendeteksi bentuk segienam atau benda yang tidak sesuai di harapkan disebabkan karena adanya cahaya pada ruang yang tidak merata sehingga pada saat melakukan pendeteksian objek, program vision mendeteksi adanya noise yang menempel pada bidang benda yang dideteksi (menjadi satu kesatuan gambar yang membentuk benda lain. Salah satunya segienam). Contoh pada tabel 4.15 Object segitiga dengan jarak 30cm.

Kesalahan 4 :

Vision system gagal terdeteksi karena benda keluar dari jalur disebabkan saat benda berada di system pengumpan, benda sudah mental keluar dari alat. Sehingga saat akan melakukan pendeteksian, tidak adanya benda yang datang di tempat vision dan tetap menunggu inputan dari hasil vision. Contoh pada tabel 4.14 Object lingkaran dengan jarak 30cm.

(22)

Dari data diatas di buat suatu grafik untuk mempresentasikan error yang terjadi secara keseluruhan:

Grafik besar eror pada jarak 10 cm

Gambar 4.1 Grafik eror pada jarak 10 cm

0 5 10 15 20 25 10 cm to le ra ns i e ror % jarak lingkaran segitiga segiempat segilima segienam segidelapan

Grafik besar eror pada jarak 20 cm yaitu

0 5 10 15 20 25 20 cm Jarak lingkaran segitiga segiempat segilima segienam segidelapan

(23)

Grafik besar eror pada jarak 30 cm yaitu

0 5 10 15 20 25 30 cm lingkaran segitiga segiempat segilima segienam segidelapan

Dari grafik di atas, dapat diperoleh rata – rata setiap kejadian besar error untuk jarak 10 cm adalah 0.067 %. Untuk jarak 20, besar erornya adalah 0.1%. untuk jarak 30, besar eror adalah 0.067%. Hasil perhitungan di dapat dari jumlah error pada jarak / 60 * 100 %. Pada vision, pengambilan gambar sampai proses benda terdeteksi membutuhkan waktu 3s.

Eror yang terjadi disebabkan karena :

1. Efek dari pencahayaan yang tidak merata sehingga menggangu vision.

2. Kurangnya sinkronisasi antara waktu pengambilan gambar oleh kamera menggunakan program peephole dengan program vision

3. alas tempat meluncurnya benda tidak sama rata dengan tinggi tempat vision sehingga benda yang akan melewatinya dapat berdiri tegak

4. Bahan bentuk benda yang tidak mulus atau rata sehingga menimbulkan error kecil yang mengakibatkan pada saat pendeteksian dianggap suatu kesatuan benda atau noise pada benda.

(24)

5. Algoritma vision yang sensitif terhadap cahaya membuat vision sering terjadi error, karena pada penelitian ini menggunakan cahaya ruangan.

Faktor kegagalan di atas dapat dikurangi dengan : − membentuk tempat khusus yang berdinding − alas warna hitam yang rapat pada vision

− memberikan alas yang sedikit tebal berwarna hitam pada sekitar alas tempat meluncurnya benda sampai tempat vision

− pembentukan bentuk benda diberi bahan aluminium padat yang dilapisi bahan berwarna hitam