MODEL OTOMASI SISTEM SORTIR BARANG
BERDASARKAN WARNA DAN BENTUKNYA
Disusun oleh:
Bryan Alexander (0822085)
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha,
Jl. Prof. Drg. Suria Sumantri, MPH no.65, Bandung, Indonesia,
Email: [email protected]
ABSTRAK
Perindustrian merupakan salah satu sektor penting dalam suatu negara, maka perlu untuk mengembangkan sistem – sistem yang membangun keseluruhan proses produksi dalam industri – industri. Tentu saja, proses pembelajaran serta uji coba merupakan hal yang diperlukan untuk dapat mengembangkan sistem – sistem tersebut. Sayangnya, kegagalan atau error yang terjadi adalah hal yang sulit dihindari dalam proses tersebut. Sedangkan dalam proses produksi di industri, tentunya tidak diinginkan terjadi banyak kegagalan atau error yang dapat merugikan perusahaan. Maka dari itu diperlukan suatu model yang dapat merepresentasikan suatu sistem yang sebenarnya, supaya dapat dipakai untuk proses pembelajaran serta uji coba yang tidak boleh dilakukan pada sistem sebenarnya dalam industri.
Pada Tugas Akhir ini, dirancang suatu model otomasi sistem sortir barang berdasarkan warna dan bentuknya. Dengan citra (bitmap) yang ditangkap
webcam saat barang yang masuk terdeteksi sensor proximity, program flowstone
dalam komputer akan mendeteksi warnanya dengan metoda thresholding dalam parameter HSV, kemudian mengenali bentuknya dengan metoda pengenalan pola yaitu dengan mengecek tiap pixel pada seluruh sisi/ tepi bentuk yang diinginkan serta mengecek panjang & lebar atau diameter objek dari citra yang didapat, dan selanjutnya mengirimkan sinyal kontrol ke mikrokontroler ATmega16 untuk mengendalikan aktuator motor servo sehingga barang tersebut dapat diarahkan ke tempat yang sesuai dengan hasil identifikasi.
Dari hasil realisasi alat dan pengamatan data, % error pendeteksian warna merah, hijau dan biru masing – masing adalah sebesar 8,33%, 4,17% dan 16,67%. Untuk barang berbentuk persegi panjang dapat dikenali dengan rentang panjang dari 7,9 cm sampai dengan 8,4 cm, sementara untuk barang berbentuk lingkaran dapat dikenali dengan rentang diameter dari 3 cm sampai dengan 3,4 cm. Bentuk jajar genjang, trapesium, dan segitiga dapat dikenali sebagai bentuk bukan persegi panjang dan lingkaran.
AUTOMATION MODEL OF OBJECTS SORTER SYSTEM
BASED ON THE COLOUR AND SHAPE
Composed by:
Bryan Alexander (0822085)
Departement of Electrical Engineering, Faculty of Engineering, Maranatha
Christian University,
Jl. Prof. Drg. Suria Sumantri, MPH no.65, Bandung, Indonesia,
Email: [email protected]
ABSTRACT
Industry is one of important sectors in every country, so it is necessary to improve systems that establish the overall production process in industries. Certainly, the process of learning and testing are need to be able to improve these systems. Unfortunately, occurs failurs or errors are difficult to avoid in that process. While in industrial production process, certainly occurs many failurs or errors that can be detrimental to the company is undesirable. Therefore, it is required a model that can represent the actual system, that can be used for process of learning and testing which not allowed to applied on actual system in the industry.
In this final project, designed an automation model of objects sorter system based on the colour and shape. With image data (bitmap) that captured by webcam when the incoming object detected by the proximity sensor, the Flowstone program in a computer will detect the colour using thresholding method in HSV parameter, then recognize the shape using patern recognition method by check every pixel on whole edge of the desire shape and check the object length & width or diameter of the image, and next, send control signal to ATmega16 microcontroller to control a servo motor actuator so the object can be directed to the appropriate place with the result of identification.
From the results of device realization and data observation, the percentage of error in detecting the red, green and blue colour each one is 8,33%, 4,17% dan 16,67%. For rectangular objects can be recognized with length in range of 7.9 cm to 8.4 cm, while for circular objects can be recognized with diameter in range of 3 cm to 3.4 cm. Parallelogram, trapezoid, and triangle can be recognized as a shape of not rectangular and not circular.
DAFTAR ISI
Halaman Judul... i
Lembar Pengesahan... ii
Pernyataan Orisinalitas Laporan Penelitian... iii
Pernyataan Publikasi Laporan Penelitian... iv
Kata Pengantar... v
Abstrak... vii
Abstract... viii
Daftar Isi... ix
Daftar Tabel... xi
Daftar Gambar... xiii
BAB I PENDAHULUAN 1.1 Latar Belakang... 1
1.2 Deskripsi Masalah... 1
1.3 Perumusan Masalah... 2
1.4 Tujuan... 2
1.5 Pembatasan Masalah... 2
1.6 Sistematika Penulisan... 3
BAB II LANDASAN TEORI 2.1 Pengantar Mikrokontroler AVR... 4
2.1.1 AVR ATmega 16... 5
2.1.2 Komunikasi Serial USART... 7
2.2 Webcam... 10
2.2.1 Cara Kerja Webcam... 11
2.2.2 Fitur dan Setting Webcam... 13
2.3 Sensor Proximity... 14
2.4 Motor Servo... 17
2.4.1 Spesifikasi Motor Servo... 19
2.5 Flowstone... 22
2.5.2 Metoda Thresholding... 28
BAB III PERANCANGAN DAN REALISASI 3.1 Perancangan & Realisasi Perangkat Keras... 30
3.1.1 Konveyor... 31
3.1.2 Kamera Web dan Sensor Proximity... 34
3.1.3 Aktuator Motor Servo... 36
3.1.4 Interfacing Sensor Proximity dan Aktuator Motor Servo... 37
3.2 Perancangan Perangkat Lunak... 38
3.2.1 Program Pendukung pada Mikrokontroler ATmega16... 38
3.2.2 Program Utama pada Flowstone... 43
BAB IV DATA PENGAMATAN DAN ANALISA DATA 4.1 Pengujian Warna... 52
4.2 Pengujian Bentuk... 56
4.3 Pengujian Konveyor dan Kamera Web... 60
4.4 Pengujian Performansi Sistem Sortir Barang... 61
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan... 63
5.2 Saran... 64
DAFTAR PUSTAKA... 65 LAMPIRAN A
LIST PROGRAM PENDUKUNG PADA ATMEGA16... A - 1
LAMPIRAN B
TAMPILAN PROGRAM UTAMA PADA FLOWSTONE... B - 1
LAMPIRAN C
GAMBAR ALAT SECARA KESELURUHAN DARI SISTEM
YANG DIBUAT... C - 1
LAMPIRAN D
DAFTAR TABEL
Tabel 2.1 Jenis Mikrokontroler AVR... 5
Tabel 2.2 Fungsi khusus Port B... 6
Tabel 2.3 Fungsi khusus Port C... 6
Tabel 2.4 Fungsi khusus Port D... 7
Tabel 2.5 Fungsi pin-pin DB-9... 10
Tabel 3.1 Parameter upper & lower threshold HSV dari warna merah, hijau, dan biru yang digunakan dalam perancangan... 44
Tabel 3.2 Data kalibrasi untuk pengecekan tiap pixel dari sisi persegi panjang dan lingkaran... 48
Tabel 3.3 Data kalibrasi untuk pengecekan panjang dan lebar dari bentuk persegi panjang dan lingkaran... 48
Tabel 4.1 (a) Data pengenalan warna merah terhadap perubahan Hue... 52
Tabel 4.1 (b) Data pengenalan warna merah terhadap perubahan Saturation... 52
Tabel 4.1 (c) Data pengenalan warna merah terhadap perubahan Value... 53
Tabel 4.1 (d) Data pengenalan warna merah terhadap perubahan standar Hue, Saturation, Value... 53
Tabel 4.2 (a) Data pengenalan warna hijau terhadap perubahan Hue... 53
Tabel 4.2 (b) Data pengenalan warna hijau terhadap perubahan Saturation. 54 Tabel 4.2 (c) Data pengenalan warna hijau terhadap perubahan Value... 54
Tabel 4.2 (d) Data pengenalan warna hijau terhadap perubahan standar Hue, Saturation, Value... 54
Tabel 4.3 (a) Data pengenalan warna biru terhadap perubahan Hue... 55
Tabel 4.3 (b) Data pengenalan warna biru terhadap perubahan Saturation.. 55
Tabel 4.3 (c) Data pengenalan warna biru terhadap perubahan Value... 55
Tabel 4.3 (d) Data pengenalan warna biru terhadap perubahan standar Hue, Saturation, Value... 55
Tabel 4.5 Data pengenalan bentuk persegi panjang terhadap perubahan
panjangnya... 57
Tabel 4.6 Data identifikasi bentuk (persegi panjang dan lingkaran)
terhadap sampel bentuk lain... 58
Tabel 4.7 Data identifikasi bentuk terhadap sampel bentuk persegi
panjang & lingkaran yang cacat... 59
Tabel 4.8 Data kualitas gambar yang tertangkap kamera web terhadap
perubahan kecepatan konveyor... 60
Tabel 4.9 Data performansi sistem sortir barang terhadap barang –
barang yang dimasukkan secara acak (warna dan
DAFTAR GAMBAR
Gambar 2.1 Konfigurasi kaki (pin) ATmega16... 5
Gambar 2.2 Kemasan data seri asinkron... 8
Gambar 2.3 Pin konektor DB9... 9
Gambar 2.4 Rangkaian Interface RS-232... 9
Gambar 2.5 Webcam... 12
Gambar 2.6 Fotodioda... 16
Gambar 2.7 Sistem mekanik motor servo... 17
Gambar 2.8 Beberapa jenis kabel motor servo untuk menentukan sinyal input... 18
Gambar 2.9 Nilai sinyal yang dikirim dan sudut yang dihasilkan... 18
Gambar 2.10 Motor servo Hitec HS-475HB... 20
Gambar 2.11 Modul motor VEX... 21
Gambar 2.12 Konfigurasi gear untuk menghasilkan kecepatan (a) dan power (b)... 22
Gambar 2.13 Beberapa simbol Connectors pada FlowStone... 23
Gambar 2.14 Input dan Output Connector... 23
Gambar 2.15 Link yang menghubungkan suatu komponen dengan komponen yang lain... 24
Gambar 2.16 Multiple Link pada Connector Input dan Ouput... 24
Gambar 2.17 Tampilan software FlowStone... 25
Gambar 2.18 Representasi penambahan ketiga komponen warna RGB... 26
Gambar 2.19 Representasi warna HSV... 26
Gambar 2.20 Konversi RGB ke HSV dalam Flostone... 27
Gambar 2.21 Contoh gambar asli (kiri) dan hasil thresholding (kanan)... 28
Gambar 2.22 Penggunaan komponen Colour Detect dalam Flowstone... 29
Gambar 3.1 Model Sistem dilihat dari atas... 30
Gambar 3.3 Konfigurasi gear yang memperkuat torsi motor (sebelah kiri)
dan motor servo continuous penggerak konveyor (sebelah
kanan)... 33
Gambar 3.4 Komponen – komponen pembangun konveyor... 33
Gambar 3.5 Konveyor tampak atas (a) dan tampak samping (b)... 34
Gambar 3.6 Rangkaian sensor proximity... 35
Gambar 3.7 Posisi kamera web (sebelah kiri), dan sensor proximity (sebelah kanan)... 36
Gambar 3.8 Aktuator motor servo uncontinuous dengan horn modifikasi... 37
Gambar 3.9 Kit mikrokontroler ATmega16... 38
Gambar 3.10 Flowchart program utama pada mikrokontroler ATmega16... 39
Gambar 3.11 Flowchart program Interrupt dari fotodioda... 39
Gambar 3.12 Flowchart program penerima data T_on motor servo dari flowstone... 41
Gambar 3.13 Flowchart program penggerak setiap motor servo (1, 2, 3 & 4)... 42
Gambar 3.14 Flowchart program utama pada flowstone... 43
Gambar 3.15 Contoh gambar asli (kiri) dan hasil thresholding (kanan)... 44
Gambar 3.16 Flowchart subprogram Identifikasi Warna... 45
Gambar 3.17 Arah pengecekan pixel dari bentuk persegi panjang pada tiap sisinya... 46
Gambar 3.18 Arah pengecekan pixel dari bentuk lingkaran pada seluruh sisinya... 47
Gambar 3.19 Flowchart subprogram Identifikasi Bentuk... 49
Gambar 3.20 Flowchart subprogram Kirim Data T_on... 51
BAB I PENDAHULUAN
Bab ini menjelaskan latar belakang pengerjaan Tugas Akhir, deskripsi
masalah yang akan diselesaikan dalam Tugas Akhir, tujuan dari topik yang
diangkat, perumusan masalah dalam Tugas Akhir, memberikan batasan masalah
yang akan diteliti, juga spesifikasi alat yang digunakan dalam Tugas Akhir, dan
menguraikan sistematika penulisan laporan Tugas Akhir.
1.1 Latar Belakang
Perindustrian merupakan salah satu sektor yang cukup berpengaruh dalam
perkembangan di banyak bidang yang lain dalam suatu negara, karena itu perlu
untuk mengembangkan sistem – sistem yang membangun keseluruhan proses
produksi dalam industri – industri. Tentu saja, proses pembelajaran serta uji coba
merupakan hal yang diperlukan untuk dapat mengembangkan sistem – sistem
tersebut. Sayangnya, kegagalan atau error yang terjadi adalah hal yang sulit
dihindari dalam proses tersebut. Sedangkan dalam proses produksi di industri,
tentunya tidak diinginkan terjadi banyak kegagalan atau error yang dapat
merugikan perusahaan. Maka dari itu diperlukan suatu model yang dapat
merepresentasikan suatu sistem yang sebenarnya, supaya dapat dipakai untuk
proses pembelajaran serta uji coba yang tidak boleh dilakukan pada sistem
sebenarnya dalam industri. Adapun salah satu dari banyak sistem di industri yang
dapat dibuat modelnya yaitu sistem sortir barang berdasarkan warna dan
bentuknya.
1.2 Deskripsi Masalah
Diperlukan sebuah model sistem otomasi untuk menyortir barang
berdasarkan warna dan bentuknya melalui program Flowstone, dengan menerima
citra dari Web-Cam dan kemudian secara otomatis menyortir barang
1.3 Perumusan Masalah
Bagaimana komputer dapat mengidentifikasi warna dan bentuk barang
dari citra yang tertangkap oleh Web-Cam, kemudian mengendalikan motor servo
untuk membelokkan barang sesuai dengan yang diinginkan?
1.4 Tujuan
Tujuan yang ingin dicapai dari Tugas Akhir ini adalah merancang serta
merealisasikan suatu model otomasi sistem sortir barang berdasarkan warna dan
bentuknya, sehingga dapat berguna untuk proses pembelajaran serta uji coba.
1.5 Pembatasan Masalah
Dalam Tugas Akhir ini, sistem yang akan dibuat dibatasi pada hal-hal
sebagai berikut :
a. Warna barang-barang yang disortir yaitu:
Merah: 330 < Hue < 360; 45 < Saturation < 255; 150 < Value < 255
Hijau: 83 < Hue < 157; 113 < Saturation < 255; 100 < Value < 255
Biru: 203 < Hue < 277; 130 < Saturation < 255; 120 < Value < 255 b. Bentuk barang-barang yang disortir yaitu:
Persegi panjang: 8 cm x 4 cm
Lingkaran: berdiameter 3,2 cm
c. Ketinggian Web-Cam dari permukaan penampang konveyor konstan
sebesar 12,5 cm, dan tinggi semua barang yang disortir sebesar 1 cm,
sehingga jarak permukaan identifikasi barang dari kamera sebesar 11,5
cm.
d. Percobaan dilakukan dalam ruangan dengan intensitas cahaya antara 95
sampai 180 Lux.
e. Jarak antara tiap barang yang dilewatkan pada konveyor minimal 26,5 cm
1.6 Sistematika Penulisan
Penyusunan laporan tugas akhir ini terdiri dari lima bab utama sebagai
berikut:
BAB I PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang penulisan laporan
Tugas Akhir, deskripsi masalah yang akan diselesaikan dalam Tugas
Akhir, perumusan masalah dalam Tugas Akhir, tujuan dari topik yang
diangkat, pembatasan masalah dalam Tugas Akhir, dan menguraikan
sistematika penulisan laporan Tugas Akhir.
BAB II LANDASAN TEORI
Pada bab ini akan dibahas teori-teori penunjang yang diperlukan dalam
perancangan Model Otomasi Sistem Sortir Barang berdasarkan Warna dan
Bentuknya meliputi Mikrokontroler AVR, Web-Cam, Fotodioda, Motor
Servo, program Flowstone serta pengantar image processing.
BAB III PERANCANGAN DAN REALISASI
Pada bab ini dijelaskan mengenai perancangan dan realisasi hardware
dan software, seperti perancangan dan realisasi konveyor, Web-Cam serta
rangkaian fotodioda, aktuator motor servo dan mikrokontroler ATmega16,
selanjutnya algoritma program pendukung pada mikrokontroler
ATmega16 dan program utama pada FlowStone.
BAB IV DATA PENGAMATAN DAN ANALISA
Pada bab ini berisi tentang hasil pengamatan dan analisa yang telah
dilakukan terhadap pengujian pengenalan warna dan bentuk barang hingga
performa proses penyortiran barang berdasarkan warna dan bentuknya.
BAB V KESIMPULAN DAN SARAN
Pada bab ini berisi kesimpulan dari Tugas Akhir dan saran yang dapat
BAB V
KESIMPULAN DAN SARAN
Bab ini merupakan bab penutup yang berisi kesimpulan dari hasil
penelitian dan analisis dari Tugas Akhir ini serta saran bagi pihak yang terkait
berkenaan dengan pembuatan “model otomasi sistem sortir barang berdasarkan
warna dan bentuknya”.
5.1 Kesimpulan
1. Pada Tugas Akhir ini, perancangan otomasi sistem sortir barang
berdasarkan warna dan bentuknya dapat direalisasikan dengan baik dan
berhasil, dengan pendeteksian warna menggunakan metoda thresholding
untuk parameter HSV pada setiap pixel yang terdapat pada citra yang
tertangkap oleh kamera web, dan selanjutnya untuk dapat mengenali
bentuk menggunakan metoda pengenalan pola dari bentuk yang
diinginkan, yaitu hasil pengecekan pixel setiap sisi persegi panjang dan
lingkaran serta spesifikasi panjang dan lebar atau diameternya harus sesuai
dengan bentuk yang diinginkan.
2. Dari hasil pengamatan Tabel 4.1, 4.2 dan 4.3, % error pendeteksian warna
merah, hijau dan biru masing – masing adalah sebesar 8.33%, 4.17% dan
16.67%, dengan error yang terjadi di sekitar/ mendekati batas ambang
threshold parameter HSV yang ditentukan (dapat dilihat pada Tabel 3.1).
3. Dari hasil pengamatan Tabel 4.4 dan 4.5, pengenalan bentuk lingkaran
berada pada rentang perubahan diameter dari 3 cm sampai 3,4 cm dengan
setting rentang diameter pada program flowstone antara 90 pixel sampai
115 pixel (berdasarkan Tabel 3.3), dan pengenalan bentuk persegi panjang
berada pada rentang perubahan panjang dari 7,9 cm sampai 8,4 cm dengan
setting rentang panjang pada program flowstone antara 255 pixel sampai
270 pixel (berdasarkan Tabel 3.3). Dari hasil pengamatan Tabel 4.6, proses
identifikasi bentuk berdasarkan pada pengenalan sisi persegi panjang dan
bawah persegi panjang dapat terdeteksi untuk tingkat kecacatan di atas
15% dengan setting pada program flowstone untuk pengecekan tiap pixel
sisi atas dan bawah masing – masing di atas 70% berwarna putih
(berdasarkan Tabel 3.2), dan kecacatan sisi kiri dan kanan persegi panjang
dapat terdeteksi untuk tingkat kecacatan di atas 20% dengan setting pada
program flowstone untuk pengecekan tiap pixel sisi kiri dan kanan masing
– masing di atas 60% berwarna putih (berdasarkan Tabel 3.2), sedangkan
kecacatan setiap sisi lingkaran dapat terdeteksi untuk tingkat kecacatan di
atas 12,5% dengan setting pada program flowstone untuk pengecekan tiap
pixel sisi lingkaran di atas 60% berwarna putih (berdasarkan Tabel 3.2).
5.2 Saran
1. Berdasarkan hasil percobaan dalam pendeteksian warna, setiap warna
cukup terpengaruh terhadap intensitas cahaya. Warna yang dapat dikenali
dalam suatu tingkat intensitas cahaya tertentu mungkin tidak dikenali lagi
dalam tingkat intensitas cahaya yang berbeda. Karena itu disarankan untuk
mengisolasi cahaya yang digunakan dalam pendeteksian warna terhadap
cahaya dari luar yang dapat berubah – ubah, kemudian menggunakan alat
penerang dengan intensitas cahaya yang konstan seperti LED atau alat
penerang lain untuk dapat memberikan intensitas cahaya yang diinginkan.
2. Dari perancangan yang dilakukan, dibutuhkan waktu beberapa detik bagi
motor servo sebagai aktuator untuk membelokkan barang, dan hal ini
merupakan salah satu faktor yang menentukan batasan jarak antara tiap
barang yang dilewatkan pada konveyor, dalam Tugas akhir ini jarak
minimal antar barang sebesar 26,5 cm. Maka dari itu disarankan untuk
menggunakan aktuator yang dapat membelokkan barang dengan lebih
cepat seperti aktuator pneumatik, supaya jarak antara tiap barang yang
dilewatkan dapat diperkecil, sehingga jumlah barang yang dilewatkan
DAFTAR PUSTAKA
1. Andrianto, Heri. “Pemrograman Mikrokontroler AVR ATMEGA16
Menggunakan Bahasa C (CodeVision AVR)”. Bandung: Informatika
Bandung, 2008. (ATMEGA16)
2. Haedar, Zulfigar. 2013. “Realisasi Robot Wireless Beroda Pemindah
Barang”. Tugas Akhir Program Sarjana Teknik Elektro, Universitas Kristen
Maranatha, Bandung. (WEBCAM)
3. Kusuma, Andri P. 2013. “Analisis Algoritma Transformasi Hough dalam
Mendeteksi Lingkaran dan Elips berbasis Pengolahan Citra Digital”. Tugas
Akhir Program Sarjana Fakultas Elektro dan Komunikasi, Institut Teknologi
Telkom, Bandung. (IMAGE PROCESSING)
4. Malc. FlowStone: “Component Reference” version 3.0.4, DSP Robotics,
2013. (FS)
5. Malc. FlowStone: “User Guide” version 3.0.1, DSP Robotics, 2012. (FS)
6. Website Amazon, “Logitech QuickCam Pro 4000“.
(http://www.amazon.com/Logitech-...-QuickCam-Pro-4000/..., diakses
tanggal 2 Desember 2013) (WEBCAM)
7. Website DSP Robotics, “Tutorial”. (FS)
(http://www.dsprobotics.com/tutorials.html, diakses tanggal 26 Maret 2013)
8. Website Elektronika Dasar, “Motor Servo”.
(http://elektronika-dasar.web.id/teori-elektronika/motor-servo, diakses
tanggal 2 Desember 2013) (SERVO)
9. Website Elektronika Dasar, “Sensor Photodioda”.
(http://elektronika-dasar.web.id/komponen/sensor-tranducer/sensor-photodioda, diakses tanggal 9 September 2013) (FOTODIODA)
10. Website Kitoma Indonesia, "Servo Motor & Drive".
(http://www.kitomaindonesia.com/kategori/4/servo-motor-drive, diakses
tanggal 2 Desember 2013) (SERVO)
11. Website Portalpha, “CCD - Charged Coupled Device”.
12. Website RapidTables, “RGB to HSV color conversion”
(http://www.rapidtables.com/convert/color/rgb-to-hsv.htm, diakses tanggal 20
Desember 2013) (IMAGE PROCESSING)
13. Website ServoDatabase, “Hitec HS-475HB - Deluxe Heavy Duty Servo”.
(http://www.servodatabase.com/servo/hitec/hs-475hb, diakses tanggal 2
Desember 2013) (SERVO)
14. Website Toko-Elektronika, “PC Interfacing”
(http://www.toko-elektronika.com/tutorial/pcinterfacing.htm, diakses tanggal
3 Juli 2013) (ATMEGA16)
15. Website VEX Robotics, “3-Wire Motor”.
(http://www.vexrobotics.com/wiki/3-Wire_Motor, diakses tanggal 2
