Deteksi Label Menggunakan Pengolahan Citra Dengan Metode Principal Component Analysis (PCA) Pada Rejector Botol Kemasan

Pratama, Angga Setiawan (2018) Deteksi Label Menggunakan Pengolahan Citra Dengan Metode Principal Component Analysis (PCA) Pada Rejector Botol Kemasan. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0914040060 - Angga Setiawan Pratama - Deteksi Label Menggunakan Pengolahan Citra Dengan Metode Principal Component Analysis (PCA) Pada Rejector Botol Kemasan.pdf Restricted to Repository staff only Download (3MB)

Abstract

Dalam dunia industri, teknologi otomatisasi sangat dibutuhkan dalam penerapannya untuk proses pengembangan teknologi itu sendiri maupun untuk memaksimalkan produk yang dihasilkan oleh perusahaan. Teknologi pengemasan terus berkembang seiring berjalannya waktu, dari mulai proses yang sederhana atau tradisional sampai teknologi modern seperti saat ini. Dalam Permenkes 180/Menkes/Per/IV/1985 Pasal 1 Point b juga menjelaskan bahwasannya label adalah tanda berupa tulisan, gambar, atau bentuk pernyataan lain yang disertakan dalam wadah atau pembungkus makanan sebagai keterangan atau penjelasan. Sistem rejektor otomatis pada produk yang gagal perlu diterapkan sebelum masuk ke mesin pengemasan. Sistem rejektor ini menggunakan kamera sebagai sensor utama yang berfungsi memproses kelayakan produk dan akan diolah melalui sebuah PC (Personal Computer). Kemudian produk tersebut akan dideteksi menggunakan metode Principal Component Analysis untuk mengetahui kecocokan produk yang layak. Jika produk tidak sesuai standar maka akan direjek oleh sebuah tuas yang digerakkan oleh motor servo ke bagian lain agar terhindar dari tabrakan dengan produk lainnya dan akan dihitung sebagai produk yang cacat. Sedangkan produk yang sempurna juga akan dihitung sebagai produk yang layak jual dan siap untuk dipasarkan. Sehingga dalam Tugas Akhir ini dibuat suatu sistem untuk memilah produk dengan label normal dan label tidak normal dengan menggunakan sensor kamera. Hasil dari plant dan metode secara keseluruhan cukup baik mengingat tingkat keberhasilan pendeteksian untuk label normal sebesar 70% untuk pengujian pertama dan 60% untuk pengujian kedua, sedangkan untuk label tidak normal sebesar 100% untuk pengujian pertama dan 90% untuk pengujian kedua. Sehingga rata-rata tingkat keberhasilan mencapai 80%.

Actions (login required)

View Item