JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire Volume 5.
No 1.
April 2022
SISTEM DETEKSI MODEL MENGGUNAKAN METODE BACKGROUND
SUBTRACTION
Ketty Siti Salamah1.
Imelda Uli Vistalina2.
Muklas Iqbal Danifan3 123 Program Studi Teknik Elektro.
Universitas Mercu Buana.
Jakarta Jln.
Meruya Selatan No.
1 Kembangan.
Jakarta Barat 11650 1 kettysitisalamah@mercubuana.
id, 2 imelda.
simanjuntak@mercubuana.
3 muklasiqbaldanifan@gmail.
Abstract The supervision system or superveilance system can support productivity and as an identification tool and complement the product control system so that it is not mixed with other objects that are different in an industrial sector.
Most of the problems with object detection are the many disturbances due to the dynamic nature of the background which has disturbances such as changes in light intensity and the movement of small objects that should not be considered as objects.
This disturbance can affect the identification results so that a method is needed to be able to separate the background and the object to be detected correctly.
This problem can be solved by adding an object detection system using the background subtraction method by considering the pixel values of all frames sequentially.
The background subtraction method is able to distinguish between the observed object and the object background .
aster imag.
To support this system, a Raspberry Pi is needed as a minicomputer for processing and controlling the system to be built.
Raspberry Pi builds applications/programs using the Python programming language.
The results of this study are expected that the system can detect objects that will later be used to replace the role of humans in checking and setting system parameters manually, reducing the potential for setting errors so as to improve quality and reduce model mismatches due to errors in a process.
Keywords : Superveilance.
Background Subtraction.
Minicomputer.
Raspberry Pi.
Python Abstrak Sistem pengawasan atau superveilance system dapat menunjang produktifitas dan sebagai alat identifikasi serta pelengkap sistem pengawasan produk agar tidak tercampur dengan objek lain yang berbeda pada suatu sektor industri.
Sebagian besar permasalahan pada pendeteksian objek adalah banyaknya gangguan karena sifat dinamis latar yang memiliki gangguan seperti perubahan intensitas cahaya dan pergerakan benda kecil yang tidak boleh dianggap sebagai objek.
Gangguan ini dapat mempengaruhi hasil identifikasi sehingga diperlukan suatu metode untuk dapat memisahkan background dan objek yang akan dideteksi dengan benar.
Permasalahan tersebut dapat diatasi dengan menambahkan sistem pendeteksi objek dengan menggunakan metode background subtraction dengan mempertimbangkan nilai piksel dari semua bingkai secara berurutan.
Metode background subtraction mampu membedakan antara objek yang diamati dengan background objek .
aster imag.
secara jelas.
Dalam menunjang sistem ini dibutuhkan Raspberry Pi sebagai minicomputer untuk pengolahan dan pengendalian sistem yang akan dibangun.
Raspberry Pi membangun aplikasi/program menggunakan bahasa pemograman Python.
Hasil dari penelitian ini diharapkan sistem dapat mendeteksi objek yang nantinya akan digunakan untuk menggantikan peran manusia dalam melakukan pengecekan serta setting parameter sistem secara manual, mengurangi potensi kesalahan setting sehingga dapat meningkatkan kualitas dan mengurangi ketidaksesuaian model karena kesalahan di dalam suatu proses.
Kata kunci : Superveilance.
Background Subtraction.
Minicomputer.
Raspberry Pi.
Python ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire PENDAHULUAN Kebutuhan superveilance system mengalami peningkatan dengan pesat di berbagai sektor salah satunya sektor perindustrian.
Dalam suatu industri sistem pengawasan dapat menunjang produktifitas dan sebagai alat identifikasi serta pelengkap sistem pengawasan produk agar tidak tercampur dengan objek lain yang berbeda.
Sebagian besar identifikasi dilakukan dengan cara mengamati pergerakan objek yang terekam oleh kamera CCTV (Closed Circuit Televisio.
Sistem keamanan tersebut kurang efektif karena CCTV menganalisis objek.
Permasalahan pada pendeteksian objek adalah banyaknya gangguan karena sifat dinamis latar yang memiliki gangguan seperti perubahan intensitas cahaya dan pergerakan benda kecil yang tidak boleh dianggap sebagai objek.
Gangguan ini dapat mempengaruhi hasil identifikasi sehingga diperlukan suatu metode untuk dapat memisahkan background dan objek yang akan dideteksi dengan benar.
Permasalahan tersebut dapat diatasi dengan menambahkan sistem pendeteksi objek dengan menggunakan mempertimbangkan nilai piksel dari semua bingkai secara berurutan .
Metode background subtraction mampu membedakan antara objek yang diamati dengan background objek .
aster imag.
secara jelas.
Background Subtraction pemrosesan yang banyak digunakan dibanyak aplikasi pemantauan visual karena memfasilitasi deteksi objek.
Terdapat dua kondisi yang mengharuskan dilakukannya pengawasan atau analisa yang terjadi pada objek yang diawasi yaitu pada saat terjadinya perbedaan model dari suatu sistem atau dilakukan pengawasaan secara real time dan proses identifikasi model yang akan disuplai ke suatu sistem dengan membutuhkan waktu identifikasi dalam pengamatan mata, guna memastikan model yang disuplai benar.
Sistem ini akan digunakan untuk menggantikan peran manusia dalam melakukan visualisasi atau pengecekan serta setting parameter sistem secara manual, menghilangkan potensi kesalahan setting sehingga dapat meningkatkan kualitas dan mengurangi ketidaksesuaian model karena kesalahan di dalam suatu proses.
Volume 5.
No 1.
April 2022
TINJAUAN PUSTAKA DAN TEORI
Literature Review Literature review menguraikan secara singkat berbagai teori yang berkaitan dengan dengan variabel yang akan diteliti.
Literature review ini dapat diperoleh dari berbagai sumber Tujuan dari adanya literature review ini adalah agar peneliti memahami definisi dan karakteristik dan variabel yang akan di teliti.
Hal ini dapat menjadi acuan dasar bagi peneliti untuk Berikut literature review yang dapat menjadi acuan dasar Sebelumnya, background subtraction ini sudah banyak Perbedaan penelitian ini dengan penelitian yang diusulkan adalah dalam penelitian ini, objek yang akan di deteksi adalah produk O ring.
Peneliti mencoba membuat sistem dari penggabungan beberapa penelitian yang bisa menunjang untuk perancangan sistem ini.
Sehingga hasil dari perancangan ini bisa sama atau lebih baik dari penelitian-penelitian Pada penelitian yang dilakukan oleh Hiroki Mukojima, dengan menggunakan metode background subtraction yang dapat diterapkan pada kamera bergerak.
Metode tersebut frame-by-frame antara urutan gambar saat ini dan referensi .
Kemudian, hambatan dideteksi dengan menerapkan pengurangan gambar ke bingkai yang sesuai.
Hasilnya menunjukkan bahwa metode yang diusulkan dapat mendeteksi berbagai kendala secara akurat dan efektif .
Penelitian menggunakan metode background subtraction dengan pendekatan analisis gambar multispectral menggunakan kamera inframerah dan empat panjang gelombang yang berbeda untuk LED.
Penelitian membandingkan variasi estimasi area sampel Sebuah eksperimental menunjukkan, bahwa kinerja terbaik background subtraction menggunakan penerangan LED inframerah dengan panjang gelombang utama 940nm menggunakan semua metode yang dipilih untuk perbandingan .
Background Subtraction Background Subtraction, yang juga dikenal sebagai Foreground Detection, adalah salah satu teknik pada bidang pengolahan citra dan ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire computer vision yang bertujuan untuk mendeteksi/mengambil background untuk diproses lebih lanjut .
eperti pada proses object recognition dl.
Umumnya foreground yang diinginkan adalah berupa objek manusia, mobil, teks, dll.
Background subtraction merupakan metode yang umumnya digunakan untuk mendeteksi objek bergerak pada video dari kamera statis .
tationary camer.
Proses deteksi objek bergerak dengan metode background subtraction didasarkan pada perbedaan antara background referensi dengan frame .
Volume 5.
No 1.
April 2022 yang diinstalkan ke kartu SD atau MicroSD .
Processor yang digunakan pada Raspberry Pi adalah Broadcom BCM2835 System-on-chip (SOC), yang berarti bahwa berbagai komponen dalam platform ini disatukan dalam sebuah chip yang terintegrasi dengan Random Access Memory (RAM) dan menggunakan arsitektur ARM.
Teknologi inilah yang membuat Raspberry Pi dapat bekerja hanya dengan pasokan tegangan sebesar 5 volt dan arus sebesar 1 ampere .
Computer Vision Computer vision adalah transformasi dari data gambar atau video menjadi sebuah keputusan atau dapat berupa gambar baru.
Tujuan dari Computer vision adalah membuat keputusan yang berguna mengenai atau tentang benda fisik yang asli berdasarkan dari image yang Secara umum.
Computer vision adalah ilmu dan teknologi mesin yang melihat, di mana mesin mampu mengekstrak informasi dari gambar yang diperlukan untuk menyelesaikan tugas tertentu.
Sebagai suatu disiplin ilmu, computer vision berkaitan dengan teori di balik sistem buatan bahwa ekstrak informasi dari Data gambar dapat mengambil banyak bentuk, seperti urutan video, pandangan dari beberapa kamera, atau data multi-dimensi dari scanner medis.
Sedangkan sebagai disiplin teknologi, computer vision berusaha untuk pembangunan sistem computer vision .
Gambar 1.
Rasberry Pi .
METODOLOGI PENELITIAN Skema Alur Penelitian Berikut adalah diagram alir yang akan dilaksanakan pada penelitian ini.
OpenCV OpenCV (Open Source Computer visio.
adalah sebuah API (Application Programming Interfac.
library yang sudah sangat familiar pada pengolahan citra dinamis secara real-time, yang dibuat oleh Intel .
Raspberry Pi Raspberry Pi adalah sebuah komputer mini yang dikembangkan di Inggris oleh Raspberry Pi Foundation dengan ukuran sebesar kartu kredit dan memiliki harga yang sangat murah, sudah diproduksi lebih dari sepuluh juta unit dan teknologinya sudah diperbaharui sebanyak tiga Platform ini merupakan platform yang siap pakai dengan ketersediaan konektor USB, konektor HDMI, konektor Ethernet, slot SD atau MicroSD, pasokan listrik melalui konektor Micro USB dan menggunakan sistem operasi Raspbian ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
Gambar 2.
Diagram Alir Penelitian JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire Berikut adalah langkah kerja yang akan dilaksanakan pada penelitian ini.
C Tahap studi literatur dilakukan terhadap jurnal-jurnal internasional, dan disertasi nasional dan multinasional.
Peneliti melakukan analisis dan pemahaman dari literatur yang didapatkan.
C Tahap identifikasi dan perumusan masalah dilakukan dengan beberapa parameter apa saja yang akan diuji nantinya pada sistem saat pengolahan data.
C Tahap perancangan dan pembuatan perangkat keras dan program yang dikerjakan dengan metode pengembangan Dalam menunjang prototype ini Raspberry minicomputer untuk pengolahan dan pengendalian sistem yang akan dibangun.
Raspberry Pi membangun aplikasi/program menggunakan bahasa pemograman Python.
Yang dimana aplikasi Python tersebut yang komponen-komponen yang terhubung ke Raspberry Pi melaui I/O Port yang tersedia.
Untuk mendukung semua sistem ini dibutuhkan beberapa perangkat lainya seperti modul Pi Kamera yang berfungsi untuk mengambil citra dari sistem yang akan dibuat.
C Tahap setelah perancangan maka dilakukan pengujian terhadap prototype yang sudah dirancang untuk dilakukan evaluasi akhir.
C Tahap pembuatan laporan dan menganalisis yang dilakukan terhadap hasil pengujian yang didapatkan.
Analisis bertujuan memberikan gambaran kondisi prototype Setelah dilakukan analisis selanjutnya ditarik kesimpulan atas hasil data dan analisa yang Volume 5.
No 1.
April 2022 Gambar 3.
Diagram Sistem Kontrol
HASIL DAN PEMBAHASAN
Penerapan sistem membahas hasil dari penerapan teori yang telah berhasil diaplikasikan dan menjadi sebuah sistem yang cukup stabil dan dapat berjalan dengan sebagaimana mestinya.
Untuk mengetahui apakah tujuan-tujuan dari perancangan sistem ini telah terlaksana dengan baik atau tidak, maka perlu dilakukan pengujian dan analisa terhadap sistem yang dirancang, pengujian dilakukan secara bertahap mulai dari pengujian alat dan pengujian sistem yang akan dijelaskan secara lebih rinci sebagai berikut.
TABEL 1.
PERALATAN PERCOBAAN
Dalam perancangan dan pembuatan alat, langkah pertama yang peneliti rancang adalah diagram sistem:
ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire Volume 5.
No 1.
April 2022 Area deteksi pada gambar 5 menunjukan bahwa sistem dapat mengambil citra gambar pada area pengecekan dengan sedikit bayangan, sehingga tidak menyebabkan missjudgement saat mengidentifikasi produk yang dicek.
TABEL 2.
DIMENSI AKTUAL BARANG
BERBANDING LURUS DENGAN JUMLAH PIXEL
YANG TERDETEKSI OLEH KAMERA
Gambar 4.
Setup System Camera Check Proses pengujian dilakukan bertahap mulai dari pengujian pendeteksian perbedaan model pada sistem yang telah dibuat dengan beberapa variasi diameter dan posisi, pengujian waktu yang dibutuhkan untuk sistem dapat mendeteksi produk sampai dengan pengujian pengiriman data hasil deteksi dari sistem ke aplikasi Docs.
Google.
com (Exce.
sesuai akun google.
Deteksi Pixel Value Background Subtraction Dimensi Aktual produk Pixel Perbandingan Rata-Rata Aktual : Pixel Perbandingan Diameter 41 143 Pixel 1 : 3.
Diameter 33 120 Pixel 1 : 3.
1 : 3.
Diameter 27 94 Pixel 1 : 3.
Diameter 23 79 Pixel 1 : 3.
Percobaan pengambilan gambar dan comparing nilai capturing image (Pixe.
dengan nilai actual dimensi produk.
Gambar 5.
Area Deteksi Produk TABEL 3.
DATA PERCOBAAN PENGAMBILAN
GAMBAR YANG TERDETEKSI OLEH SISTEM
PIXEL KAMERA
Pasang alat sesuai dangan ilustrasi berdasarkan dimensi yang sudah diatur mencakup area pengecekan yang optimal.
Gambar 6.
Produk Yang Terdeteksi ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire Volume 5.
No 1.
April 2022 Gambar 6.
Chart Data Transfering Sinyal Ke Google Doc.
Dari diagram diatas didapatkan hasil untuk komunikasi transfer data ke server google document dengan menggunakan koneksi yang stabil bisa mencapai maksimum waktu 1.
3 detik.
Untuk rata-rata waktu yang dibutuhkan untuk transfer data sebanyak 100 data menggunakan rumus sebagai berikut.
Jadi, sistem dapat mengirim sinyal kordinat motor servo dengan waktu rata-rata 0.
57 detik.
Berikut ini gambar perubahan posisi servo saat sistem bekerja melakukan pengecekan perbedaan model produk.
Dari total 4 model produk yang berbeda, penulis melakukan percobaan dengan merubah posisi servo kearah kanan, kiri, atas, dan bawah sesuai model yang dideteksi sistem kamera cek.
TABEL 4.
POSISI SERVO MOTOR (VISUALISASI
PERUBAHAN DENGAN POSISI LASER KEARAH
KERTAS VISUALISASI)
Trial Model Diameter Gambar Aktual Posisi Servo Posisi Laser Posisi None None Home Position Kanan Kiri Atas Bawah Jadi, sistem dapat mengirim sinyal data ke google document dengan waktu rata-rata 1.
yo41 yo33 yo27 yo23 Gambar 7.
Chart Data Transfering Sinyal Ke Motor Servo.
Dari diagram diatas didapatkan hasil untuk transfer sinyal ke motor servo bisa mencapai maksimum waktu 0.
7 detik.
Untuk rata-rata waktu yang dibutuhkan untuk transfer data sebanyak 100 data menggunakan rumus sebagai ISSN.
2620-6900 (Onlin.
2620-6897 (Ceta.
Dari analisa yang sudah dilakukan, dapat disimpulkan untuk hasil kualitas yang didapat dari penggunaan sistem kamera cek ini Berikut ini data No Good sebelum dan sesudah menggunakan sistem kamera cek ini.
JIRE (Jurnal Informatika & Rekayasa Elektronik.
http://e-journal.
id/index.
php/jire Gambar 8.
Grafik Operation Ratio Sebelum Dan Sesudah Menggunakan Aplikasi Kamera Cek.
Dari gambar diatas disimpulkan bahwa NG ratio menurun sebesar 10 % dan kualitas produksi meningkat untuk menambahkan kepercayaan customer dan mengurangi barang terbuang karena produk NG, sehingga bisa cost Volume 5.
No 1.
April 2022 kamera dari sistem ke motor servo rata-rata 0.
Range dimensi untuk mempermudah sistem mendeteksi masing-masing model 4 mm.
Pengembangan sistem lebih lanjut penulis menyarankan untuk menambahkan algoritma pengenalan diameter model agar sistem dapat mendeteksi lebih banyak model yang dideteksi sesuai produk yang sedang berjalan dan sistem akan mengirimkan data pemberitahuan ke supervisor / pengguna untuk traceability dan juga monitoring jumlah masing - masing perbedaan model yang sudah berjalan di line Mengganti kamera dengan model night vision camera agar sistem dapat melakukan pendeteksian pada ruangan yang gelap / minim Meskipun pencahayaan kurang / redup, diharapkan dengan menggunakan kamera night vision dapat mengantisipasi masalah missjudgement karena lingkungan kurang terang.
UCAPAN TERIMA KASIH
Ucapan terima kasih kepada Universitas Mercu Buana serta ucapan terima kasih terhadap pihak - pihak yang membantu terselesaikannya penelitian ini.
Daftar Pustaka: