Sortir Asphalt Drum Pada PT. Pertamina – BPG dengan Ekstraksi Fitur Menggunakan Gray Level Co-occurrence Matrix (GLCM)

Erce, Pradika Mauliana Sortir Asphalt Drum Pada PT. Pertamina – BPG dengan Ekstraksi Fitur Menggunakan Gray Level Co-occurrence Matrix (GLCM). [Tugas Akhir]

[img] Text
0914040008 - Erce Pradika Mauliana - Sortir Asphalt Drum Pada PT. Pertamina – BPG dengan Ekstraksi Fitur Menggunakan Gray Level Co-occurrence Matrix (GLCM).pdf - Other
Restricted to Registered users only

Download (2MB)

Abstract

Proses distribusi aspal drum pada PT. Pertamina – Bitumen Plant Gresik (BPG) sangatlah bergantung pada pembuatan drum. Sistem yang sudah ada masih menggunakan SDM, tentunya akan sangat berpengaruh terhadap kinerja manusia. Kualitas drum menjadi masalah pokok karena untuk menuju proses distribusi yang bertaraf internasional perlu sebuah inovasi packaging yang berkualitas. Sistem pengecekan kualitas drum pada BPG masih manual menggunakan SDM dengan demikian kinerja manusia sangatlah berpengaruh terhadap error terhadap pengecekan drum. Untuk memperbaiki sistem tersebut maka penulis membuat inovasi desain sistem klasifikasi sekaligus pemantauan mengenai kualitas produksi asphalt drum dengan ekstraksi fitur asphalt drum menggunakan Gray Level Co-occurren Matrix (GLCM), fitur yang dihasilkan setelah pengolahan GLCM adalah correlation, kontras, entropi, energi dan homogenitas dsb. Pada penelitian ini fitur yang digunakan adalah korelasi, kontras, energi dan homogenitas yang kemudian diklasifikasi menggunakan Neural Network (NN) untuk menentukan kualitas drum. Setelah itu ditransmisikan fungsinya pada mikrokontroler dan selanjutnya dilakukan tindakan yang tepat guna proses sortir untuk mendeteksi kualitas drum yang layak ataupun tidak layak masuk dalam proses selanjutnya. Semua informasi ditampilkan dalam aplikasi visual GUI Matlab. Hasil dari ekstraksi fitur menggunakan GLCM bekerja dengan cukup akurat dalam klasifikasi kualitas drum menggunakan NN. Pengujian dilakukan dengan menggunakan prototype system sortir drum dan dimonitoring menggunakan GUI Matlab. Tingkat keberhasilan mencapai 84% yang di dapatkan dengan 16 hidden neuron dengan best validation performance mencapai nilai 0.01081 pada iterasi ke 384.

Item Type: Tugas Akhir
Additional Information: No. Inventaris : 4705/TO-14/2018_Lokasi TA : 244
Uncontrolled Keywords: Kamera, Arduino Uno, Neural Network (NN), Gray Level Cooccurrence Matrix (GLCM)
Subjects: T Technology > T Technology (General)
Divisions: Jurusan Teknik Kelistrikan Kapal > Teknik Otomasi
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 18 Jun 2019 03:17
Last Modified: 18 Jun 2019 03:17
URI: http://repository.ppns.ac.id/id/eprint/1562

Actions (login required)

View Item View Item