Proposal Tugas Akhir Allahuakbar By Rizki Ramadhan.docx

PROTOTIPE KONVEYOR PENYELEKSI BARANG BERDASARKAN KODE IDENTITAS DAN POLA BENTUK MENGGUNAKAN KAMERA WEBCAM C270 BERBASIS MIKROKONTROLLER

PROPOSAL TUGAS AKHIR Disusun Sebagai Salah Satu Syarat Untuk Melaksanakan Penelitian Tugas Akhir pada Program Studi Teknik Elektro Universitas Singaperbangsa Karaawang

Oleh: Rizki Ramadhan 15106311601012

PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS SINGAPERBANGSA KARAWANG 2018

LEMBAR PENGESAHAN Proposal Tugas Akhir dengan judul “Prototipe Konveyor Penyeleksi Barang Berdasarkan Kode Identitas Dan Pola Bentuk Menggunakan Kamera Webcam C270 Berbasis

Mikrokontroller”

yang

diajukan

oleh

Rizki

Ramadhan,

NPM.

1510631160102 ini telah dipertahankan di hadapan Tim Pembimbing/Penguji Seminar Proposal Tugas Akhir Program Studi Teknik Elekro, Fakultas Teknik Universitas Singaperbangsa Karawang pada hari …… Tanggal ……. Bulan …… Tahun 2018 dan dinyatakan LAYAK untuk dilanjutkan ke tahap penelitian Tugas Akhir pada Program Studi Teknik Elektro. Menyetujui: Pembimbing I

Pembimbing II

Ulinuha Latifa S,T.,M.T.

-

NIP. 199109112018032001

NIDN -

Mengetahui Ketua Program Studi Teknik Elekto

Arnissa Stefanie S.T.,M.T. NIDN

BAB I PENDAHULUAN

1.1.Latar Belakang Masalah Perkembangan terknologi khususnya di bidang industri saat ini berkembang dengan pesat dan menjadi satu bagian penting dari dunia secara keseluruhan. Perkembangan dunia industri sudah banyak memberikasn kemudahan dan keuntungan tersendiri kepada perusahaan. Untuk mempercepat proses produksi di industri memerlukan suatu sistem yang dapat bekerja secara cepat dan efisien serta dapat memonitoring hasil produksinya, proses produksi di industri khususnya proses sorting, diperlukan optimasi baik kinerja dan hasil produksinya, sehingga diperoleh efisiensi kerja yang maksimal. (Sujarwo, 2016) Konveyor penyortiran barang merupakan salah satu alat yang sering dijumpai di dunia industri. Teknik penyortiran barang pun dapat beragam digunakan, untuk memudahkan dalam proses penyortiran maka akan dirancang sebuah konveyor yang dapat menyortir sebuah barang dimana barang yang akan disortir dikenali terlebih dahulu polanya. Proses pengenalan pola tesebut menggunakan kamera, disini kamera akan difungsikan sebagai pengganti sensor yang biasanya dipasangkan pada mesin conveyor. Penggunaan sensor kamera sebagai pengindraan dan hasilnya akan diproses dengan teknik pengenalan pola yang merupakan salah satu bagian dari teknik pengolahan citra. (RH Hutabarat, 2013) Pada penelitian ini menggunakan kamera webcam sebagai sensor pada proses penyeleksian barang. Dalam proses pengenalan pola menggunakan metode optical character recognition (OCR) menggunakan bantuan mikrokontroller Arduino Uno dan software OpenCV sehingga memudahkan komunikasi antara kamera Webcam dengan conveyor sortir barang. Sebagai pemecahan dari permasalahan diatas maka dibuat alat penyeleksi barang yang dikhususkan untuk membedakan kode identitas dan pola bentuk dari

1

2

suatu barang. Sebagai syarat dalam menyelesaikan program studi di Fakultas Teknik Universitas Singaperbangsa Karawang berupa pembuatan “Prototipe Conveyor Penyeleksi Barang Berdasarkan Kode Identitas dan Pola Bentuk Menggunakan Kamera Webcam” perancangan ini dapat di implementasikan untuk mempercepar proses produksi dalam sebuah industri yang dapat menyeleksi barang yang berjalan melalui conveyor sesuai dengan kode identiras dan pola bentuknya, alat ini juga bekerja secara otomatis tanpa pengendalian manual dari manusia.

1.2.Rumusan masalah Berdeasarkan pemaparan pada latar belakang, permasalahan yang muncul ada sebagai berikut: 1) Bagaimana mengenali pola bentuk suatu objek mengguanakan kamera webcam pada konveyor penyeleksi barang? 2) Bagaimana mengidentifikasi suatu barang berdasarkan kode identitas tertentu dengan menggunakan metode Optical Character Recognition pada konveyor penyeleksi barang? 3) Berapa persentase keberhasilan indentifikasi kode identitas dan pola bentuk tersebut?

1.3.Batasan Masalah Dalam penelitian ini terdapat batasan-batasan sebagai berikut: 1) Software yang digunakan adalah OpenCV 3.3. 2) Menggunakan kamera tipe Webcam C270 yang digunakan sebagai input sensor. 3) Menggunakan metode pengolahan citra Optical Character Recognition dan pengenalan pola bentuk. 4) Barang yang dapat diidentifikasi adalah tiga barang dengan pola dan kode identitas berbeda.

3

5) Sistem pengelompokan barang sesuai dengan informasi yang didapatkan dari pengolahan gambar yang ditangkap kamera webcam melalu aplikasi matlab pada komputer. 6) Pengelompokan barang sesuai dengan pola bentuk dan kode indentitas yang telah ditentukan sebelumnya.

1.4.Tujuan Penelitian Adapun tujuan dari tugas akhir ini adalah: 1) Mengidentifikasi jenis barang berdasarkan pola dan kode barang yang terekam oleh kamera. 2) Mengelompokan barang sesuai jenisnya mengunakan belt conveyor yang dilengkapi motor servo sebagai switcher.

1.5.Manfaat Penelitian Manfaat yang diharapkan pada penulisan tugas akhir ini antara lain adalah: 1) Perancangan ini dapat menambah pengetahuan tentang penggunaan mikrokontroller dan Kamera sebagai media sensor. 2) Mengetahui implementasi pengolahan citra digital pada dunia industri. 3) Mempermudah penyeleksian barang pada bidang industri

BAB II LANDASAN TEORI

2.1. Konveyor Konveyor adalah suatu sistem mekanik yang menggunakan motor DC dalam menjalankannya yang mempunyai fungsi memindahkan barang dari satu tempat ke tempat yang lain. Banyak industri yang memakai konveyor untuk memindahkan barang yang jumlahnya sangat banyak dan berkelanjutan. Dalam kondisi tertentu, konveyor banyak dipakai karena mempunyai nilai ekonomis. Jenis konveyor membuat penanganan alat berat atau produk lebih mudah dan lebih efektif. Konveyor dapat memobilisasi barang dalam jumlah banyak dan continue dari satu tempat ke tempat lain. Perpindahan tempat tersebut harus mempunyai lokasi yang tetap agar sistem konveyor mempunyai nilai ekonomis. Kelemahan sistem ini adalah tidak mempunyai fleksibilitas saat lokasi barang tidak tetap dan jumlah barang yang masuk tidak continue. (Yudha, 2011)

2.2.Image Prosessing Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Tujuan utama pengolahan citra adalah agar citra yang mengalami gangguan mudah diinterpretasi oleh manusia maupun mesin (komputer). Teknik pengolahan citra digital adalah mentransformasikan citra dua dimensi menjadi citra lain dengan mengunakan kompter. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Jadi masukannya berupa citra dan keluarannya juga berbentuk citra, dengan kualitas yang lebih baik dari citra masukan. Beberapa contoh operasi pengolahan citra adalah pengubahan kontras citra, penghilangan derau (noise) dengan operasi penapisan (filtering), penajaman (sharpening), pemberian warna semu (pseudocoloring), dan sebagainya. Operasi-operasi tersebut akan diterapkan

4

5

pada pengolahan citra apabila: 1. Digunakan untuk meningkatkan kualitas penampakan atau menonjolkan beberapa aspek informasi yang terkandung dalam citra dengan perbaikan atau modifikasi citra. 2. Perlu pengelompokkan, pencocokan atau pengukuran elemen pada citra. 3. Perlu penggabungan sebagian citra dengan bagian citra lainnya.

2.2.1. Pengenalan pola (pattern recognition/image interpretation). Pengenalan pola mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh komputer. Tujuan pengelompokan ini adalah untuk mengenali suatu objek dalam citra. Manusia bisa mengenali objek yang dilhatnya karena otak manusia telah belajar mengklasifikasikan objek-objek di alam sehingga mampu membedakan suatu objek dengan objek lainya. Kemampuan visual manusia inilah yang dicoba ditiru oleh mesin atau dalam hal ini adalah komputer. Komputer menerima masukkan berupa citra objek yang akan diidentifikasi, memproses citra tersebut dan memberikan keluaran berupa deskripsi objek didalam citra. Gambar 2.1 menunjukkan diagram kotak sederhana dari proses pengenalan pola.

Citra

Pengenalan Pola

Deskripsi Objek

Gambar 2.1 Diagram blok proses pengenalan pola

a. Sistem Pengenalan Pola dengan Pendekatan Statistik Pengenalan pola bertujuan untuk menentukan kelompok atau kategori pola berdasarkan ciri-ciri yang dimiliki oleh pola tersebut. Dengan kata lain, pengenalan pola membedakan suatu objek dengan objek lain. Sistem pengenalan pola dengan pendekatan statistik menggunakan teori-teori ilmu

6

peluang. Ciriciri yang dimiliki oleh suatu pola ditentukan distribusi statistiknya, dimana pola yang berbeda memiliki distribusi yang berbeda pula. Dengan menggunakan teori keputusan di dalam statistik, kita menggunakan distribusi ciri untuk mengklasifikasikan pola. Adapun diagram kotaknya dapat dilihat pada Gambar 2.2

Pola

Prapengolahan

Prapengolahan

Prapengolahan

Prapengolahan

Prapengolahan

Pengenalan (Recognition) Pelatihan (Training) Pola Cupikan

Gambar 2.2 Sistem Pengenalan Pola dengan Pendekatan Statistik

Ada dua fase dalam sistem pengenal pola, yaitu fase pelatihan dan fase pengenalan. Pada fase pelatihan, beberapa contoh citra dipelajari untuk dapat menentukan ciri yang akan digunakan dalam proses pengenalan serta prosedur klasifikasinya. Pada fase pengenalan, citra diambil cirinya, kemudian ditentukan kelas kelompoknya. Adapun penjelasan dari diagram kotak pada Gambar 2.2 adalah: 1. Prapengolahan Proses awal yang dilakukan untuk memperbaiki kualitas citra (image enhancement) dengan menggunakan teknik-teknik yang ada. 2. Ekstraksi Ciri Proses mengambil ciri-ciri yang terdapat pada objek di dalam citra. Pada proses ini objek di dalam citra perlu dideteksi seluruh tepinya, lalu menghitung properti-properti objek yang berkaitan sebagai ciri.

7

3. Klasifikasi Proses pengelompokan objek ke dalam kelas yang sesuai. 4. Pemilihan Ciri Proses memilih ciri pada suatu objek agar diperoleh ciri yang optimum, yaitu ciri yang dapat membedakan suatu objek dengan objek lainnya 5. Pembelajaran Proses belajar membuat aturan klasifikasi sehingga jumlah kelas yang tumpang tindih dibuat sekecil mungkin

2.2.2. Optical Character Recognition Character Recognition bertugas untuk mengenali tulisan didalam mengenali karakter tulisan dalam gambar dan merubahnya kedalam American Standad Code for Information Interchange (ASCII) atau bahasa mesin lainnya yang setara dan dapat diedit. Terdapat dua macam Character Recognition, antara lain: Offline dan Online Character Recognition (Rao, Sasrty, Chakracarthy, & Kalyanchakravarthi, 2016)

Gambar 2.3 (a) Offline Character Recognition (b) Online Character Recognition

Character recognition juga diklasifikasikan kedalam dua tipe berdasarkan metode tulisannya, antara lain: Optical Character Recognition (OCR) dan Handwritten Character Recognition (HCR). Dimana akurasi pada HCR biasanya masih lebih rendah dikarnakan besarnya perbedaan bentuk dan tipe tulisan. Perbedaan karakter dalam Bahasa juga berpengaruh besar, contohnya:

8

tulisan kanji mandarin, jepang, dan lainnya (Rao, Sasrty, Chakracarthy, & Kalyanchakravarthi, 2016).

Dalam proses OCR berikut ini gambaran sistem yang akan dilakukan (Mohammad, Anarase, Shingote, & Ghanwat, 2014):

Gambar 2.4 System Block Diagram

Grayscale pada gambar bermaksud untuk memastikan intensitas setiap pixel, untuk meningkatkan akurasi data yang diinput. Dalam prosesnya grayscale merubah warna dasar yang sebelumnya merupakan RGB model, menjadi model grayscale menggunakan fungsi berikut (Mohammad, Anarase, Shingote, & Ghanwat, 2014) 𝑌 = 0.2126𝑅 + 0.7152𝐺 + 0.0722𝐵

Gambar 2.5 Hasil Proyeksi Black-White dan Greyscale

9

Feature Extraction adalah proses untuk mendapatkan informasi terhadap object ataupun kelompok object untuk memfasilitasi proses klasifikasi. Diantaranya yang dilakukan adalah: memotong data gambar per-karakter yang ditemukan, menormalisasi ukuran pixel, menerjemahkan data pixel kedalam binary (Mohammad, Anarase, Shingote, & Ghanwat, 2014). Pattern Recognition dilakukan berdasarkan format data binary yang ada, kemudian membagi binary kedalam 5 track, dimana setiap track dibagi lagi menjadi 8 sector. Keterkaitan matrix track dan sector berguna untuk mendeteksi sekelompok pixel di setiap bagian (Mohammad, Anarase, Shingote, & Ghanwat, 2014). Pada masing-masing bagian, jumlah angka 1 dihitung kemudian output recognition dapat dilakukan dengan menggunakan metode klasifikasi tertentu, misalnya ANN atau SVM

Gambar 2.6 Pembagian Kedalam Track dan Sektor

 Offline dan Online Character Recognition Offline character recognition system men-generate dokumen terlebih dahulu, melakukan digitalisasi, dan menyimpannya kedalam computer, sebelum memprosesnya. Dimana untuk online character recognition system, character langsung di proses selama dalam pembuatan. Faktor

10

eksternal seperti kecepatan menulis berpengaruh pada kasus offline system. Offline ataupun Online system dapat diterapkan untuk optical maupun handwritten characters recognition (Rao, Sasrty, Chakracarthy, & Kalyanchakravarthi, 2016).  Template Matching Template matching dalam OCR adalah paten yang dimiliki oleh HinLeong Tan (Tan, 1991). Dalam template matching, pixel masing-masing gambar dicocokkan dengan template yang sudah disediakan, karakter yang memiliki kecocokkan tertinggi dianggap sebagai karakternya.

Gambar 2.7 Simulasi template matching

11

 Zoning Zoning adalah teknik dimana gambar suatu karakter dibagi dalam beberapa area, kemudian dihitung densitasnya dengan cara jumlah pixel hitam dibagi dengan total keseluruhan pixel di zona tersebut. Dari teknik zoning ini, dihasilkan fitur dengan ukuran sebesar area yang telah ditentukan (M.O, Chacko, & Dhanya, 2015).

𝑑(𝑖) =

𝑁𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑓𝑜𝑟𝑒𝑔𝑟𝑜𝑢𝑛𝑑 𝑝𝑖𝑥𝑒𝑙 𝑖𝑛 𝑧𝑜𝑛𝑒 𝑖 𝑇𝑜𝑡𝑎𝑙 𝑛𝑢𝑏𝑒𝑟 𝑜𝑓 𝑝𝑖𝑥𝑒𝑙 𝑖𝑛 𝑧𝑜𝑛𝑒 𝑖

Gambar 2.8 Simulasi zoning dengan ukuran 4 x 4

 Projection Profile Projection profile adalah menambahkan jumlah pixel hitam per baris dan per kolom (M.O, Chacko, & Dhanya, 2015). Sehingga bila ukuran gambar adalah 256 x 256, dihasilkan 512 buah fitur. Karena jumlah fitur bisa sangat banyak tergantung dari ukuran gambar, disarankan agar dimensi hasil projection profile diperkecil misalnya dengan menggunakan teknik PCA.

12

Gambar 2.9 Contoh hasil projection profile dalam bentuk histogram

 Chain Code Feature Chain code adalah suatu cara untuk mendapatkan kontur dari suatu objek (M.O, Chacko, & Dhanya, 2015).

Gambar 2.10 Kode arah chain code dalam metode Freeman

Algoritma chain code dilakukan dengan cara memulai dari titik (pixel hitam) tertentu dalam gambar, kemudian titik dipindahkan ke tetangganya dan dicatat arah geraknya berdasarkan kode arahnya. Titik terus dipindahkan sampai titik akhir dari kontur.

13

Gambar 2.11 Contoh implementasi chain code

Gambar 2.12 Contoh hasil chain code yang dibuat dalam bentuk histogram

 Histogram of Oriented Gradient (HOG) Dalam HOG, gambar dibagi dalam beberapa bagian, kemudian dari masing-masing bagian, ditentukan arah gradientnya yang didapatkan dari normalisasi masing-masing gradient pixel dalam bagian gambar.

Gambar 2.13 Contoh hasil HOG

14

2.3. Kamera Webcam C270 Web camera atau yang biasa dikenal dengan webcam, adalah kamera yang gambarnya bisa di akses menggunakan world wide web (www), program instant messaging, atau aplikasi komunikasi dengan tampilan video pada PC. Webcam juga digambarkan sebagai kamera video digital yang sengaja didesain sebagai kamera dengan resolusi rendah. webcam dapat digunakan untuk sistem keamanan. Pada beberapa webcam, ada yang di lengkapi dengan software yang mampu mendeteksi pergerakan dan suara. Dengan software tersebut, memungkinkan PC yang terhubung ke kamera untuk mengamati pergerakan dan suara, serta merekamnya ketika terdeteksi. Hasil rekaman ini bisa disimpan pada komputer email atau diupload ke internet (Wibowo, 2010) Spesifikasi HD Webcam C270H: 

Panggilan Video HD (1280 x 720 pixel) dengasn sistem yang di rekomendasikan



Perekaman video hingga 1280 x 720 Pixel



Foto 3.0 Megapiksel



Mikrofon bawaan dengan teknologi Logitech RightSoundTM



Bersertifikat Hi-Speed USB 2.0



Klip universal cocok dengan laptop, monitor LCD atau CRT

2.4. Arduino Uno Arduino adalah pengendali mikro singleboard yang bersifat open-source, diturunkan dari wiring platform, dirancang untuk memudahkan penggunaan elektronik dalam berbagai bidang. Hardware-nya memiliki prosesor Atmel AVR dan software-nya memiliki bahasa pemrograman sendiri. Saat ini Arduino sangat populer di seluruh dunia sehingga banyak pemula yang belajar mengenal robotika dan elektronika menggunakan Arduino karena mudah dipelajari. Tapi tidak hanya

15

pemula, para pengguna yang profesional pun ikut senang mengembangkan aplikasi elektronik menggunakan Arduino. (Munir, 2004) Arduino Uno adalah papan microcontroller berbasis ATmega 328 yang memiliki 14 pin digital input/output (di mana 6 pin dapat digunakan sebagai output PWM), 6 input analog, clock speed 16 MHz, koneksi USB, jack listrik, header ICSP, dan tombol reset. Board ini menggunakan daya yang terhubung ke komputer dengan USB atau daya eksternal dengan adaptor AC - DC atau baterai. Spesifikasi Board Arduini Uno 

Mikrokontroller

: ATmega328



Tegangan Operasi

: 5V



Tegangan Input (disarankan)

: 7-12V



Batas Tegangan Input

: 6-20V



Pin Digital I/O

: 14 (tersedia 6 output PWM)



Pin Analog Input

:6



Arus DC per I/O Pin

: 40 mA



Arus DC untuk pin 3.3V

: 50 mA



Flash Memory

: 32 KB (ATmega 328), dimana 0.5 KB digunakan oleh boatloader



SRAM

: 2 KB (ATmega328)



EEPROM

: 1 KB (ATmega328)



Clock

: 16 MHz

 Pemrograman Pemrograman Board Arduino Uno dilakukan dengan menggunakan software Arduino IDE. Chip ATmega328 yang terdapat pada arduino Uno telah diisi program awal yang sering disebut boatloader. Boatloader tersebut yang bertugas untuk memudahkan melakukan pemrograman lebih sederhana

16

menggunakan software aeduino Software, tanpa harus menggunakna tambahan hardware lain. Cukup hubungkan arduino dengan kabel USB ke PC atau Mac/ linux, jalankan software Arduino IDE dan langsung sudah bisa mulai memprogram chip ATmega328.  Proteksi Development board Arduino Uno telah dilengkapi dengan polyfuse yang dapat direset untuk melindungi port USB komputer/laptop dari short atau arus berlebih. Meskipun kebanyakan komputer telah memiliki perlindungan port tersebut di dalamnya namun sikring pelindung pada Arduino Uno memberikan lapisan perlindungan tambahan saat arduino terhubung dengan komputer. Jika lebih dari 500mA ditarik pada port USB tersebut, sirkuit proteksi akan secara otomatis memutuskan hubungan, dan akan menyambung kembali ketika batasan aman telah kembali.  Power Supply Arduino dapat diaktifkan melalui koneksi USB atau dengan catu daya eksternal. Sumber daya dipilih secara otomatis. Sumber daya Eksternal (non USB) dapat berasal dari adapter AC-ke-DC atau baterai. Adaptor ini dapat dihubungkan dengan menancapkan Power Jack, dapat juga dihubungkan pada power pin (Gnd dan Vin). Board Arduino Uno dapat beroperasi pada pasokan eksternal dari 6 sampai 20 volt. Jika disuplai kurang dari 7 V. Meskipun, pin 5V dapat disuplai kurang dari lima volt, board mungkin tidak stabil. Jika menggunakan tegangan lebih dari 12V, regulator tegangan bisa panas dan merusak board. Adapun pin power suplai pada Arduino Uno adalah: 

VIN. Tegangan input board Arduino ketika menggunakan sumber daya (5 volt dari sambungan USB atau dari sumber regulator lain). Anda dapat

17

mensuplai tegangan pada pin ini, jika suplai tegangan lewat power jack, dapat mengakses melalui pin ini. 

5V. Keluaran Pin ini telah diatur sebesar 5V dari regulator pada board. Board dapat disuplai melalui DC jack power (7-12V), konektor USB (5V), atau pin VIN (7-12V). Menyuplai tegangan melalui pin 5V atau 3,3V bypasses regulator, dapat merusak board.



3v3. Suplai 3,3 volt dihasilkan oleh regulator pada board. Menarik arus maksimum 50 mA.



GND. Pin Ground.

 Memori ATMEGA328 mempunyai memori 32 KB (dengan 0,5 KB digunakan untuk bootloader), juga mempunyai 2 KB SRAM dan 1 KB EEPROM (yang mana dapat dibaca tulis dengan library EEPROM)  Input dan Output Setiap Pin digital pada board Arduino Uno dapat digunakan sebagai input ataupun output. Dengan menggunakan fungsi pinMode(), digitalWrite(), dan digitalRead(). Pin-pin ini beroperasi pada tegangan 5 volt. Setiap pin mampu memberikan atau menerima arus maksimum dan memiliki resistor pull-up internal (secara default tidak terhubung) dari 20-50 kOhms. Selain itu, beberapa pin memiliki fungsi khusus: 

Serial: 0 (RX) dan 1 (TX). Digunakan untuk menerima (RX) dan mengirimkan (TX) data serial TTL. Pin ini terhubung ke pin yang sesuai dari chip ATmega8U2 USB-to-TTL Serial.



Interupsi Eksternal: 2 dan 3. Pin ini dapat dikonfigurasikan untuk memicu interrupt pada nilai yang rendah, tepi naik atau turun, atau perubahan nilai.

18



PWM: 3,5,6,9,10, dan 11. Menyediakan 8-bit output PWM dengan fungsi analogWrite ().



SPI: 10 (SS), 11 (MOSI), 12 (MISO), 13 (SCK). Pin ini mendukung komunikasi SPI menggunakan library SPI.



LED: 13. Terdapat LED pin digital 13 pada board. Ketika pin bernilai tinggi (HIGH), LED menyala (ON), ketika pin bernilai rendah (LOW), LED akan mati (OFF).



Arduino Uno memiliki 6 input analog, berlabel A0 sampai A5, yang masing-masing menyediakan 10 bit resolusi (yaitu 1024 nilai yang berbeda). Secara default, 5 volt dari Ground.

 Komunikasi Arduino Uno memiliki sejumlah fasilitas untuk berkomunikasi dengan komputer,

Arduino

lain,

atau

mikrokontroller

lainnya.

ATmega328

menyediakan UART TTL (5V) komunikasi serial, yang tersedia di pin digital 0 (RX) dan 1 (TX).

2.5. Motor Servo Perkembangan dari DC motor dan sudah memiliki gear, tapi bedanya motor servo busa diatur kecepatannya. Di dalamnya terdapat pitensio meter dan driver motor, sehingga bisa diatur dengan derajat. Motor servo bisa digunakan untuk membuat robot berkaki, robot lengan dan lain-lain. Batas maksimal pergerakan putar knan hingga 180 derajat dan putar kiri hingga 180 derajat. Motor servo adalah sebuah komponen atau aktuator putar (motor) yang dirancang dengan sistem kontrol umpan balik loop tertutup (servo), sehingga dapat di set-up atau di atur untuk menentukan dan mamastikan posisi sudut dari poros output motor. Motor servo merupakan perangkat yang terdiri dari motor DC, serangkaian gear, rangkaian kontrol potensiometer. Serangkaian gear yang melekat

19

pada poros motor DC akan memperlambat putaran poros dan meningkatkan torsinya saat motor berputar berfungsi sebagai penentu batas putaran poros motor servo (Trikueni Dermanto, 2014) Motor servo dikendalikan dengan memberikan sinyal modulasi lebar pulsa (Pulse Wide Modulation/ PWM) melalui kabel kontrol. Lebar pulsa sinyal kontrol yang diberikan akan menentukan posisi sudut putaran dari poros motor servo. Ketika lebar pulsa kendali telah diberikan, maka poros motor servo akan bergerak atau berputar ke posisi yang telah diperintahkam, dan berhenti pada posisi tersebutdan akan tetap bertahan pada posisi tersebut. Jika ada kekuatan eksternal yang mencoba memutar atau merubah posisi tersebut, maka motor servo akan mencoba menahan datau melawan dengan besarnya torsi yang dimilikinya. Namun motor servo tidak akan mempertahankan posisinya untuk selamanya, sinyal lebar pulsa kendali harus diulang setiap 20 ms (mili detik) untuk menginstruksikan agar posisi posro motor servo tetap bertahan pada posisinya (Trikueni Dermanto, 2014)

2.6. OpenCV OpenCV (Open Computer Vision) adalah sebuah API (Application Programming Interface) library yang sudah sangat familiar pada pengolahan citra computer vision.Computer vision itu sendiri adalah salah satu cabang dari bidang ilmu pengolahan citra (Image Processing) yang memungkinkan komputer dapat melihat seperti manusia.Dengan computer vision tersebut komputer dapat mengambil keputusan, melakukan aksi, dan mengenali terhadap suatu objek. Beberapa pengimplementasian dari computer vision adalah face recognition, face detection, face/pbject tracking, road tracking, dll. OpenCV adalah library open source untuk computer vision untuk C/C++, OpenCV didesain untuk aplikasi realtime, memiliki fungsi-fungsi akuisisi yang baik untuk image/video. OpenCV juga menyediakan interface ke Integrated Performance Primitives (IPP) Intel sehingga jika anda bisa mengoptimasi aplikasi computer vision anda jika menggunakan prosesor Intel (Syafi’i, 2011)

20

Fitur yang dimiliki OpenCV antara lain : 1. Manipulasi data citra (alocation, copying, setting, convert). 2. Citra dan video I/O (file dan kamera based input, image/video file output). 3. Manipulasi Matriks dan Vektor beserta rutin-rutin aljabar linear (products, solvers, eigenvalues, SVD). 4. Data struktur dinamis (lists, queues, sets, trees, graphs). 5. Pemroses citra fundamental (filtering, edge detection, corner detection, sampling and interpolation, color conversion, morphological operations, histograms, image pyramids). 6. Analisis struktur(connected components, contour processing, distance Transform, various moments, template matching, Hough Transform, polygonal approximation, line fitting, ellipse fitting, Delaunay triangulation). 7. Kalibrasi kamera (calibration patterns, estimasi fundamental matrix, estimasi homography, stereo correspondence). 8. Analisis gerakan (optical flow, segmentation, tracking). 9. Pengenalan obyek (eigen-methods, HMM). 10. Graphical User Interface (display image/video, penanganan keyboard dan mouse handling, scroll-bars).

OpenCV terdiri dari 3 library, yaitu: 1. CV : Untuk algoritma Image Processing dan Vision 2. Highgui : Untuk GUI, Image dan Video I/O 3. CXCORE : Untuk struktur data, support XML dan fungsi-fungsi grafis.

BAB III METODOLOGI PENELITIAN 3.1. Alat dan bahan Alat dan bahan yang digunakan dalam pembuatan prototipe ini terdieia atas hardware dan software adalah: 1. Hardware a. Arduino Uno b. Power Supply c. Konveyor d. Kamera Webcam Logitech C270 e. Motor Servo f. Akrilik 2. Sofware a. Arduino IDE b. Proteus c. OpenCV 3. Bahan a. Kabel b. Timah c. Solder d. Bor e. Lem f. Tang g. Mur h. Baut

21

22

3.2.Perancangan dan Pembuatan Alat Dalam gambar 3.1 menjelaskan tentang bagian – bagian dari rangkaian yang tersusun menjadi satu sistem alat dengan sebuah sistem minimum mikrokontroler Arduino yang menjadi pengendali dari segala masukan dan keluaran.

Conveyor

Camera

Switcher er

Serial Com

Computer

Arduino

Motor Stepper

Gambar 3.1 Diagram Blok Perancangan Alat

Bagian masukan dari blok diagram diatas hanya dari kamrea Webcam. Kamera Webcam akan diatur kondisi keluarannya melalui laptop. Kamera Webcam akan mengidentifikasi benda kemudian hasil keluaran dari kamera akan dikendalikan langsung oleh arduino, kemudian arduino akan memberikan perintah untuk menggerakan 3 motor servo untuk mengarahkan benda sesuai dengan spesifikasinya yang telah ditentukan sebelumnya. Untuk catu daya dari semua sistem menggunakan power supply yang berfungsi untuk mensupplai Arduino dan tiap servo, jadi servo tidak mendapat tegangan dari arduino.

23

3.3.Flowchart

START

Kamera Webcam Mengambil Gambar

Kode Identitas dan Pola Bentuk Barang diproses

Kode Identitas dan Pola Bentuk Sudah Cocok

Tidak

Ya Mortor Servo Bergerak

END

Gambar 3.2. Flowchart

Pada gambar 3.2 diatas menunjukan proses jalannya alat secara keseluruhan, saat stert maka proses awal yang dilakukan yaitu menginisialisasi kamera dengan mendeteksi barang yang melawati dihadapan kamera. Jika

24

kamera mendeteksi adanya barang maka kamera akan membaca kode identitas dan pola bentuk tersebut jika proses identifikasi tersebut sesuai maka motor servo akan bbergerak menggarahkan bbarang pada tempat yang sudah disediakan dan proses akan selesai. 3.4. Desain Perancangan Prototipe

Gambar 3.3 Desain Perancangan Alat

BAB IV JADWAL DAN TEMPAT PENELITIAN Pelaksanaan penellitian akan dilaksanakan selama lima bulan sesuai dengan tabel 4.1. lokasi penelitian dilakukan di kediamnan penulis dan Kampus Fakultas Teknik Universitas Singaperbangsa Karawang Tabel 4.1 Jadwal Pelaksanaan Tugas Akhir

NO

Bulan

Kegiatan

1

Studi Pustaka

2

Perancangan Hardware

3

Perancangan Software

4

Uji Coba dan Evaluasi

5

Laporan Tugas Akhir

12

25

1

2

3

5

6

DAFTAR PUSTAKA Fajar. R.W., Angga.W. & Prasetya. D.W. 2018. Perancangan Dan Implementasi Alat Penyortir Barang Pada Konveyor Dengan Pengolahan Citra. Fakultas Teknik Elektro. Universitas Telkom

Kurnia, Mirza. 2017. Rancang Bangun Lengan Robot Penyeleksi dan Pemindah Barang Berdasarkan Warna dan Ketinggian. Skripsi. Jurusan Teknik Elektro Universitas Jember

Arif Aquri. S, R.Rumani M & Casi Setianingsih. 2017. Perancangan dan Implementasi Alat Untuk Penyortiran Buah Tomat (Lycopersium Esculentum) Menggunakan Mikrokomputer. Jurusan Sistem Komputer. Universitas Telkom.

Sujarwo. 2016. Proses Sortir Karet Menggunakan Konveyor Berbasis Mikrokontroller. Skripsi. Jurusan Teknik Elektro. Universitas Jember

Hutabarat, R.H. 2013. Rancang Bangun Konveyor Penyortiran Barang Dengan Pengenalan Pola Bentuk dan Warna Menggunakan Webcam. Jurusan Teknik Elektro. Universitas Lampung

Ferry. A.G., Andi. D., & Triyogatama. W.W. 2012. Implementasi DuinOs Pada Purwarup Sisrem Penyortiran Barang Berbasis Arduino Uno. Jurusan Ilmu Komputer dan Elektronika. FMIPA. Universitas Gajah Mada

Kharisma, A.D., Hidayantno, A. & Ismanto R.R.. 2011. Identifikasi Objek Berdasarkan Bentuk dan Ukuran. Universitas Diponegoro

Triyadi, D dan Adler, J. 2011. Sistem Otomatisasi Gerbang Dengan Pengolahan Citra Membaca Nomor Plat Kendaraan. Universitas Komputer Indonesia

Yudha, Oktaviano N, Dr. Ir Djoko Purwanto M, Dr. Tri Arief Sardjono. ST. MT. Aplikasi Komputer Vision Untuk Identifikasi Kematangan Jeruk Nipis” Jurusan Teknik Elektro FTI . ITS

M.O, A. M., Chacko, & Dhanya, P. (2015). A Comparative Study of Different Feature Extraction Techniques for Offline Malayalam Character Recognition.

Mohammad, F., Anarase, J., Shingote, M., & Ghanwat, P. (2014). Optical Character Recognition Implementation Using Pattern Matching. International Journal of Computer Science and Information Technologies, 2088-2090.

Nadeem, D., & Rizvi, S. (n.d.). Character Recognition using Template Matching.

Rao, V., Sasrty, A., Chakracarthy, A., & Kalyanchakravarthi, P. (2016). Optical Character Recognition Technique Algorithms. Journal of Theoretical and Applied Information Technology, 83(2), 275-282.

Tan, H.-L. (1991). Hybrid feature-based and template matching optical character recognition system.

DAFTAR GAMBAR

No

Judul

Hal

Gambar 2.1

Diagram blok proses pengenalan pola

5

Gambar 2.2

Sistem Pengenalan Pola dengan Pendekatan Statistik

6

Gambar 2.3 Gambar 2.4

(a) Offline Character Recognition (b) Online Character 7 Recognition System Block Diagram 8

Gambar 2.5

Hasil Proyeksi Black-White dan Greyscale

8

Gambar 2.6

Pembagian Kedalam Track dan Sektor

9

Gambar 2.7

Simulasi template matching

10

Gambar 2.8

Simulasi zoning dengan ukuran 4 x 4

11

Gambar 2.9

Contoh hasil projection profile dalam bentuk histogram

12

Gambar 2.10

Kode arah chain code dalam metode Freeman

12

Gambar 2.11

Contoh implementasi chain code

13

Gambar 2.12

Contoh hasil chain code yang dibuat dalam bentuk histogram 13

Gambar 2.13

Contoh hasil HOG

13

Gambar 3.1

Diagram Blok Perancangan Alat

22

Gambar 3.2

Flowchart

23

Gambar 3.3

Desain Perancangan Alat

24

DAFTAR TABEL

No

Judul

Tabel 4.1

Jadwal Pelaksanaan Tugas Akhir

Hal 25