DETEKSI JALUR PCB YANG RUSAK MENGGUNAKAN METODE IMAGE DIFFERENCE

Transkripsi

1 TUGAS AKHIR DETEKSI JALUR PCB YANG RUSAK MENGGUNAKAN METODE IMAGE DIFFERENCE Diajukan untuk memenuhi salah satu syarat Memperoleh Gelar Sarjana Teknik Pada Program Studi Teknik Elektro Jurusan Teknik Elektro Fakultas Sains dan Teknologi Universitas Sanata Dharma Disusun oleh : EMILIANUS FARISCHO LUMA GESIRADJA NIM : JURUSAN TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI UNIERSITAS SANATA DHARMA YOGYAKARTA 2022

2 FINAL PROJECT DETECTION OF DAMAGED PCB PATHS USING IMAGE DIFFERENCE METHOD Presented as Partial fulfillment of the Requirements To Obtain the Bachelor of Engineering Degree in Electrical Engineering Study Program Faculty of Science and Technology Sanata Dharma University Written By: EMILIANUS FARISCHO LUMA GESIRADJA NIM : ELECTRICAL ENGINEERING STUDY PROGRAM FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIERSITY YOGYAKARTA 2022 ii

3 iii

4 iv

5 PERNYATAAN KEASLIAN KARYA Saya menyatakan dengan sesungguhnya bahwa tugas akhir yang saya tulis ini tidak memuat karya atau bagian dari karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah Yogyakarta, 23 Juli 2022 EMILIANUS FARISCHO LUMA GESIRADJA v

6 HALAMAN PERSEMBAHAN DAN MOTTO HIDUP MOTTO: PERCAYA TUHAN SELALU PEGANG KENDALI UNTUK SEGALA SESUATU YANG TIDAK KITA MENGERTI Skripsi ini saya persembahkan untuk: Tuhan Yesus Kristus, Bapak Fransiskus X.R Gesiradja, Ibu Aurelia Sonya, Kakak Hendrika Gili Gesiradja yang selalu setia mendampingi selama di Yogyakarta, Adik (Alm. Rikardus Rifaldo Solo Gesiradja), Maria Sesilia Gesiradja, Geraldia Aurelia Nira, Almamater Tercinta Teknik Elektro Universitas Sanata Dharma Yogyakarta vi

7 HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH KEPENTINGAN AKADEMIS Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma : Nama : EMILIANUS FARISCHO LUMA GESIRADJA Nomor Mahasiswa : Demi pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul : DETEKSI JALUR PCB YANG RUSAK MENGGUNAKAN METODE IMAGE DIFFERENCE Beserta perangkat yang diperlukan (bila ada). Dengan demikian, saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelplanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan mempublikasikännya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberi royalti kepada saya selama retap mencantumkan nama saya sebagai penulis. Demikian pernyataan ini saya buat dengan sebenarnya. Yogyakarta, 23 Juli 2022 EMILIANUS FARISCHO LUMA GESIRADJA vii

8 INTISARI Perkembangan ilmu pengetahuan dan teknologi sekarang ini banyak menghasilkan alat-alat yang dapat membantu manusia dalam menyelesaikan pekerjaannya secara otomatis. Salah satu bidang ilmu yang mendukung dalam mempermudah pekerjaan manusia tersebut adalah OpenC Phyton. Pada masa kini penerapan teknologi di bidang image processing masih belum diterapkan secara maksimal untuk membantu pekerjaan manusia. Pendeteksian letak jalur PCB yang rusak merupakan implementasi dari teknologi image processing yang dibuat untuk membantu pekerjaan manusia, sistem yang akan di buat hanya pendeteksian jalur PCB yang rusak (putus/sambung) dengan menggunakan metode image difference. Penelitian ini menggunakan software OpenC Phyton, hasil yang keluar berupa gambar dengan kotak kotak putih pada jalur PCB yang rusak dengan model warna RGB, dengan catatan intensitas cahaya sangat berpengaruh dalam pengujian dan posisi PCB harus konstan atau tetap. Kata kunci: PCB, OpenC Phyton, image processing, image difference viii

9 ABSTRACT The development of science and technology today produces many tools that can help humans in completing their work automatically. One of the fields of science that supports facilitating human work is OpenC Phyton. Currently, the application of technology in the field of image processing is still not applied optimally to help human work. Detection of the location of damaged PCB lines is an implementation of image processing technology made to help human work, a system that will be created only for detection of damaged PCB lines (break /connect) using the image difference method. This study used OpenC Phyton software, the results of which came out in the form of an image with a white box on the PCB path that was damaged with RGB color models, with a record of light intensity is very influential in testing and PCB position must be constant or fixed. Keywords: PCB, OpenC Phyton, image processing, image difference ix

10 KATA PENGANTAR Puji dan Syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala berkat dan rahmat-nya, sehingga penulis dapat menyelesaikan tugas akhir ini dengan baik. Penulis menyadari bahwa banyak pihak yang telah memberikan doa, dukungan, motivasi serta bantuan kepada penulis sehingga dapat menyelesaikan tugas akhir ini. Oleh karena itu, penulis mengucapkan terima kasih kepada : 1) Prof. Ir. Sudi Mungkasi, Ph.D. selaku Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta. 2) Ir. Tjendro M.Kom., selaku Ketua Program Studi Teknik Elektro Universitas Sanata Dharma Yogyakarta. 3) Ibu Ir. Wiwien Widyastuti, M.T., selaku dosen pembimbing akademik yang telah mendampingi dan membimbing penulis selama perkuliahan. 4) Dr. Ir. Linggo Sumarno selaku dosen pembimbing yang dengan penuh perhatian, kesabaran dan selalu meluangkan waktu untuk memberi bimbingan, kritik, saran serta motivasi dalam penulisan tugas akhir ini. 5) Bapak Ir. Damar Widjaja, Ph.D., dan Ibu Ir. Wiwien Widyastuti, M.T., selaku dosen penguji yang telah bersedia memberi kritik, saran dan bimbingan dalam memperbaiki tugas akhir ini. 6) Bapak/Ibu dosen yang telah mengajarkan banyak hal selama penulis menempuh pendidikan di Program Studi Teknik Elektro, Fakultas Sains dan Teknologi, Universitas Sanata Dharma Yogyakarta. 7) Kedua orangtua juga kakak Eka yang sangat saya sayangi dan banggakan, yang selalu mendukung, serta mendoakan yang terbaik sehingga penulis dapat menyelesaikan tugas akhir ini. 8) Geraldia Aurelia Nira partner suka maupun duka. 9) Teman-teman seperjuangan, Samuel Christi Sitorus dan Squad PLAT-R 69 atas segala usaha dan semangatnya dalam mengerjakan tugas akhir ini. 10) Semua teman-teman yang sudah memberikan dukungannya selama penulisan tugas akhir ini, khususnya untuk teman-teman teknik elektro 2018, dan teman-teman lainnya yang tidak bisa saya sebutkan satu per satu. 11) Seluruh staf dan karyawan Universitas Sanata Dharma yang telah memberikan pelayanan x

11 kepada mahasiswa 12) Seluruh pihak yang tidak dapat disebutkan satu persatu yang membantu dalam penulisan tugas akhir ini. Penulis menyadari bahwa penulisan tugas akhir ini masih terdapat banyak kekurangan. Oleh karena itu, penulis mengharapkan adanya kritik dan saran yang bersifat membangun dan menyempurnakan tugas akhir ini. Penulis berharap tugas akhir ini dapat bermanfaat untuk penelitian selanjutnya terkait dengan topik yang diambil oleh penulis. Terimakasih. Yogyakarta, 23 Juli 2022 EMILIANUS FARISCHO LUMA GESIRADJA xi

12 DAFTAR ISI LEMBAR PERSETUJUAN..iv PERNYATAAN KEASLIAN KARYA... v HALAMAN PERSEMBAHAN DAN MOTTO HIDUP... vi HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH KEPENTINGAN AKADEMIS... vii INTISARI... viii ABSTRACT... ix KATA PENGANTAR... x DAFTAR ISI... xii DAFTAR GAMBAR... xiv DAFTAR TABEL... xvi BAB I PENDAHULUAN Latar Belakang Tujuan dan Manfaat Penelitian Batasan Masalah Metode Penelitian... 3 BAB 2 DASAR TEORI PCB Pengolahan Citra Digital Definisi Pengolahan Citra Digital Ruang Warna RGB Citra Grayscale Citra Biner Threshold Webcam... 8 xii

13 2.5 Image Difference Median Filter Bounding Box Open C Phyton BAB III PERANCANGAN Perancangan Sistem Preprocessing Segmentasi Perancangan GUI BAB I HASIL DAN PEMBAHASAN Analisis Hasil Data Pengujian Pendeteksian Jalur PCB Implementasi Program Tombol Camera On Tombol Capture Tombol Proses Program Konversi RGB ke Biner Program Bounding Box Tombol End Pengujian Program Pendeteksian Jalur PCB Yang Rusak BAB Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN GAMBAR BLACKBOX DAN LAYOUT PCB... 1 xiii

14 DAFTAR GAMBAR Gambar 2.1 Lapisan PCB... 4 Gambar 2.2 Skema Ruang Warna RGB... 6 Gambar 2.3 Graysale Level... 6 Gambar 2.4 WebCam... 8 Gambar 2.5 citra acuan Gambar 2.6 citra uji Gambar 2.7 image difference (biner) Gambar 2.8 hasil noise filtering Gambar 2.9 hasil median filter Gambar 2.10 Bounding Box Gambar 3.1 Perancangan Sistem Gambar 3.2 Blok Diagram Sistem Gambar 3.3 Diagram Alir Sistem Utama Gambar 3.4 Flowchart preprocessing Gambar 3.5 Flowchart Segmentasi Gambar 3.6 Perancangan GUI Gambar 4.1 Hasil Pengujian PCB Database dan Data Uji menggunakan gambar yang sama Gambar 4.2 Hasil Pengujian PCB yang rusak ukuran 1mm Gambar 4.3 Hasil Pengujian PCB Jalur yang rusak ukuran 1.5, dan 2mm Gambar 4.4 Hasil Pengujian PCB yang rusak ukuran 1, 1.5, dan 2mm Gambar 4.5 Hasil Pengujian PCB yang Tidak Berhasil Gambar 4.6 Hasil Pengujian PCB yang Tidak Berhasil Gambar 4.7 Hasil Pengujian PCB yang Tidak Berhasil Gambar 4.8 Program Camera On Gambar 4.9 Program Tombol Capture Gambar 4.10 Program Konversi RGB ke Biner Gambar 4.11 Program Bounding Box Gambar 4.12 Program End Gambar 4.13 Tampilan GUI Pengujian PCB xiv

15 Gambar 4.14 Contoh Hasil Pengujian PCB xv

16 DAFTAR TABEL Tabel 3.1 perancangan Tabel 4.1 Pengujian PCB xvi

17 1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari tentunya kita sering berhubungan dengan peralatan elektronika seperti Televisi, Komputer dan yang tak asing lagi yaitu Radio. Di dalam peralatan tersebut terdapat banyak komponen-komponen elektronika seperti resistor, transistor, kapasitor dan lain sebagainya. Salah satu teknologi yang dapat dikembangkan adalah teknologi pengecekan jalur yang rusak pada PCB. Sudah ada penelitian mengenai deteksi jalur pada PCB, antara lain oleh Dody Gunawan, Sani Muhamad Isa, dan Fany Indriaty [1] yaitu Pembuatan Prototipe Sistem Pendeteksi Cacat Jalur pada Printed Circuit Board. Tujuan dari penelitian ini untuk mengecek cacat pada jalur PCB yang dilakukan secara visual dan otomatis,sehingga mendapatkan hasil yang relevan, penelitian mengunakan perangkat lunak Borland Delphi 7.0. Dua citra dibutuhkan dalam program aplikasi ini, yaitu citra referensi dan citra testing. Transformasi haar wavelet akan dilakukan pada citra referensi dan citra testing, transformasi ini dilakukan setelah gambar papan PCB pada kedua citra tersebut telah berada pada posisi yang sama. Hasil transformasi pada citra referensi disebut sebagai coarse reference image, sedangkan untuk citra testing disebut sebagai coarse test image. Tujuan dilakukannya transformasi haar wavelet ini adalah untuk memperkecil piksel kedua citra tersebut sehingga waktu proses perbandingan citra semakin singkat. Selanjutnya Paul L Rosin [2] yaitu Image difference threshold strategies and shadow detection. Pada penelitian ini, mengembangkan metode terkait dengan deteksi dan klasifikasi gerak dalam urutan gambar yang diperoleh dari kamera statis zaman. gerakan di deteksi dengan membedakan referensi dan arus bingkai gambar, karena itu gambar referensi yang sesuai dan pemilihan ambang deteksi yang sesuai. Peneliti akan melakukan pendeteksian letak jalur PCB yang rusak dengan menggunakan metode image difference secara real time. System yang akan di buat hanya pengecekan jalur yang rusak (putus atau sambung) pada PCB dengan menggunakan Webcam. Penelitian ini menggunakan software phyton, hasil yang keluar berupa gambar dengan kotak kotak putih pada jalur PCB yang rusak. 1

18 2 1.2 Tujuan dan Manfaat Penelitian Tujuan dari penulisan tugas akhir ini adalah membuat prototype sistem pendeteksian jalur yang rusak pada PCB. Manfaat penulisan tugas akhir ini sebagai penelitian awal dari pendeteksian letak jalur pada PCB yang rusak (putus atau sambung) pada peralatan elektronika. 1.3 Batasan Masalah Batasan masalah dalam penelitian ini adalah : 1. PCB yang rusak adalah PCB yang jalurnya putus atau sambung. 2. Pada citra PCB keluaran, ada penanda yang berupa kotak putih pada jalur yang putus atau sambung. 3. Jarak antara WebCam dan PCB 12cm. 4. Kotak berwarna hitam digunakan sebagai tempat untuk meletakkan PCB sehingga mendapatkan pencahayaan yang tetap. 5. PCB pada posisi yang tetap. 6. Pendektesian PCB hanya untuk satu PCB sekali pendektesian. 7. Software menggunakan Phyton

19 3 1.4 Metode Penelitian Langkah langkah dalam pengerjaan tugas akhir : a. Studi Pustaka Studi pustaka dilakukan dengan cara mengumpulkan dan mempelajari beberapa bahan- bahan referensi yaitu jurnal jurnal ilmiah yang berasal dari internet dan media lainnya, selain itu beberapa bahan referensi ini juga diambil dari beberapa buku yang terkait dengan judul ini. b. Perancangan Software dan Hardware Perancangan software berisi tentang pembuatan perangkat lunak secara keseluruhan menggunakan software phyton. Sistem aplikasi yang dibuat bertujuan untuk mendeteksi dan menangkap gambar pada PCB. Dalam perancangan hardware yang diperlukan ada 3 alat yaitu laptop,webcam, dan PCB. Data masukan yang berupa citra PCB diperoleh dari proses pengolahan citra menggunakan kamera (webcam). Kamera (webcam) dan laptop dirancang untuk mengambil (capture) PCB yang terintegrasi secara langsung di dalam sistem aplikasi. c. Pembuatan Software dan Hardware Tampilan pada frame 1 menampilkan tampilan PCB atau proses video yang dilakukan oleh kamera (webcam). Kemudian sistem bekerja ketika user menekan tombol Capture yang terdapat di dalam GUI. Lalu user dapat melanjutkan ke tahap preprocessing akan ditampilkan pada frame 2 dan post processing yang akan ditampilkan pada frame 3 dengan menekan tombol PROSES untuk memulai mengolah gambar yang telah di capture dengan menggunakan python dan hasil keluaran berupa gambar dengan kotak-kotak putih transparan pada jalur PCB yang rusak. d. Pengujian System Penelitian ini sudah menguji seberapa kecil jalur yang rusak 0,5mm (putus atau sambung). Pengujian sistem diuji secara real time dan non real time. e. Analisa dan Menyimpulkan hasil percobaan Analisa diperoleh dari data hasil pengujian yang dilakukan secara realtime dan non real time. Penyimpulan hasil percobaan dilakukan untuk mengetahui kinerja sistem pendeteksian jalur yang rusak pada PCB.

20 2 BAB 2 DASAR TEORI 2.1 PCB Dalam kehidupan ini tidak terlepas dari penggunaan barang elektronik seperti televisi, handphone, komputer, radio dan peralatan elektronik lainnya. Di dalam peralatan tersebut terdapat banyak komponen-komponen elektronika yang membentuk satu rangkaian sehingga menjadi sistem yang dibuat untuk tujuan tertentu. Komponenkomponen tersebut biasanya disusun dan dipasang pada papan rangkaian yang disebut PCB (Printed Circuit Board). Printed Circuit Board disingkat PCB adalah sebuah papan komponen-komponen elektronika yang tersusun membentuk rangkaian elektronik atau tempat rangkaian yang menghubungkan komponen elektronik yang satu dengan lainnya tanpa menngunakan kabel. Disebut papan sirkuit karena diproduksi secara massal dengan cara mencetak. PCB tidak hanya berbentuk papan elektronik yang sederhana, namun ada beberapa lapisanlapisan dari PCB yang diperlihatkan pada Gambar 2.1. Gambar 2.1 Lapisan PCB [7] Beberapa lapisan tersebut merupakan komponen penting dalam sebuah PCB. a. Silkscreen, pemberi tanda atau indikator pada komponen elektronika. b. Soldermask, lapisan tembaga yang berfungsi sebagai jalur konduktor. c. Tembaga, lapisan berbentuk pipih yang dilekatkan pada substrat. d. Substrat, lapisan standar atau lapisan pertama yang menjadi dasar dari PCB. 4

21 5 2.2 Pengolahan Citra Digital Definisi Pengolahan Citra Digital Pengolahan citra digital (Digital Image Processing) adalah sebuah disiplin ilmu yang mempelajari tentang teknik-teknik mengolah citra. Citra yang dimaksud disini adalah gambar diam (foto) maupun gambar bergerak (yang berasal dari webcam). Sedangkan digital disini mempunyai maksud bahwa pengolahan citra/gambar dilakukan secara digital menggunakan komputer Citra adalah kombinasi antara titik, garis, bidang, dan warna untuk menciptakan suatu imitasi dari suatu objek, biasanya objek fisik atau manusia. Menurut Abdul Kadir jenis citra di bagi menjadi tiga jenis yaitu citra biner (monokrom), citra berskala keabuan (grayscale), dan citra warna. Sebuah citra digital dapat mewakili oleh sebuah matriks dua dimensi f(x,y) yang terdiri dari M dan N baris, dimana perpotongan antara kolom dan baris disebut piksel (picture element) yang merupakan elemen terkecil dari sebuah citra. Sebuah citra digital dapat ditulis dalam bentuk matriks berikut : 𝑓(0,0) 𝑓(1,0) 𝑓(𝑥, 𝑦) = [ 𝑓(𝑁 1,0) 𝑓(0,1) 𝑓(1,1) 𝑓(𝑁 1,1) 𝑓(0, 𝑀 1) 𝑓(1, 𝑀 1) ] 𝑓(𝑁 1, 𝑀 1) (2.1) Ruang Warna RGB RGB ruang warna atau sistem warna RGB, membangun semua warna dari kombinasi dari R ed, G reen dan B warna lue. Merah, hijau dan biru masing-masing menggunakan 8 bit, yang memiliki nilai integer dari 0 hingga 255. Hal ini membuat 256 * 256 * 256 = kemungkinan warna. RGB Merah, Hijau, Biru Setiap piksel dalam monitor LED menampilkan warna dengan cara ini, dengan kombinasi LED merah, hijau dan biru (dioda pemancar cahaya). Jika piksel merah diatur ke 0, LED akan mati. Jika piksel merah diatur ke 255, LED menyala sepenuhnya. Skema ruang warna RGB yang diperlihatkan pada Gambar 2.2.

22 6 Gambar 2.2 Skema Ruang Warna RGB [8] Citra Grayscale Suatu citra grayscale adalah suatu citra yang hanya memiliki warna tingkat keabuan. Penggunaan citra grayscale dikarenakan membutuhkan sedikit informasi yang diberikan pada tiap piksel dibandingkan dengan citra berwarna. Warna abu-abu pada citra grayscale adalah warna R (Red), G (Green), B (Blue) yang memiliki intensitas yang sama. Sehingga dalam grayscale image hanya membutuhkan nilai intensitas tunggal dibandingkan dengan citra berwarna membutuhkan tiga intensitas untuk tiap pikselnya. Intensitas dari citra grayscale disimpan dalam 8 bit integer yang memberikan 256 kemungkinan yang mana dimulai dari level 0 sampai dengan 255 (0 untuk hitam dan 255 untuk putih dan nilai diantaranya adalah derajat keabuan). Tingkat keabuan atau Grayscale level yang diperlihatkan pada Gambar Gambar 2.3 Graysale Level [9]

23 Citra Biner Citra biner (disebut juga citra dwiwarna) adalah citra yang terdiri dari pikselpiksel yang berwarna salah satu dari dua warna yang ada, biasanya hitam dan putih. Citra ini menyimpan tiap piksel dalam bit tunggal, yaitu 0 atau 1. Istilah-istilah hitam dan putih dan monokrom sering dipakai untuk konsep ini, tetapi juga bisa dipakai untuk citra yang memiliki satu sampel per piksel, misalnya citra berderajat keabuan. Citra biner kerap muncul dalam pengolahan pengolahan citra digital sebagai masker atau pengambangan serta dalam pembauran galat. Beberapa perangkat masukan/keluaran seperti pencetak laser dan mesin faksimile, hanya mendukung citra dwiwarna. Sebuah citra biner dapat disimpan dalam memori sebagai bitmap, yaitu larik pada bit-bit. Suatu citra 640x480 membutuhkan 37,5 KB. Karena ukurannya yang kecil, mesin faks biasa menggunakan format ini. Kebanyakan citra biner juga dapat dikompres dengan baik. 2.3 Threshold Threshold bertujuan untuk membagi histogram citra keabuan kedalam dua daerah yang berbeda secara otomatis tanpa adanya bantuan dari pengguna untuk memasukkan nilai ambang. Pendekatan yang dilakukan oleh threshold yaitu dengan analisis diskriminan yang menentukan suatu variabel sehingga dapat membedakan antara dua atau lebih kelompok yang muncul secara alami. Untuk memisahkan objek dengan latar belakang analisis diskriminan akan memaksimumkan variabel tersebut. Untuk mendapatkan nilai threshold ada perhitungan yang digunakan untuk mengetahui jumlah piksel untuk setiap tingkat keabuan. Threshold dapat di formulasikan sebagai berikut : 𝑃𝑖=𝑛𝑖 𝑁 Keterangan: Pi = probabilitas piksel pada level i ni = jumlah piksel pada level i N= total jumlah piksel pada citra (2.2)

24 8 2.4 Webcam Webcam atau web camera adalah sebuah kamera video digital kecil yang dihubungkan ke komputer melalui port USB ataupun port COM. Webcam dapat dipasang pada bagian atas monitor komputer dan dapat menangkap video serta gambar, kemudian langsung menyimpannya dalam hard drive komputer. Sehingga banyak digunakan untuk mengolah image processing yang kemudian akan diolah dengan perangkat lunak untuk pemrosesan berbasis pixel, RGB dan lain- lain. Beberapa spesifikasi webcam Jete antara lain : Chipset : GP2135+GC2053. Physical pixels : 200W. Resolution Ratio : Full HD 1080DPI. Horizontal viewing Angle : 120 degree. Microphone : Built-in. Computer connection : Plug and Play. Gambar 2.4 WebCam

25 9 2.5 Image Difference Image Difference adalah teknik pengolahan citra yang digunakan untuk menentukan perubahan antar dua gambar dihitung dengan menemukan perbedaan antara setiap piksel di setiap gambar, dan menghasilkan gambar berdasarkan hasilnya. Analisis perbedaan gambar telah dengan cepat bergerak ke garis modern untuk membuat pendeteksian jalur PCB yang rusak menggunakan metode Image Difference atau perbandingan gambar. Metode ini mencoba mencocokan satu gambar ke yang lain dengan menurunkan kernel konvolusi yang menjelaskan perubahan dalam fungsi penyebaran titk antar gambar. Ketika diterapkan metode ini pada jalur PCB maka lebih mudah untuk melakukan sistem pendeteksian. Contoh perhitungan image difference menggunakan matriks sebagai berikut: 𝐴 =𝐵 𝐶 = [ 𝐴 = [ ] [ ] ] 1 1 𝐴=[ Keterangan : A = Image Difference B = Nilai Matriks Citra Acuan C = Nilai Matriks Citra Biner 1 1 ] 1 1

26 10 Dalam gambar mencari Image Difference sebagai berikut: Gambar 2.5 citra acuan Gambar 2.6 citra uji Gambar 2.7 image difference (biner) 2.6 Median Filter Filter yang paling dikenal adalah filter median. Filter median merupakan filter non linear yang dikembangkan oleh Tukey. Filter ini bekerja dengan menggantikan nilai tengah dari piksel yang dicakup oleh area filter dengan sebuah nilai tengah (median) setelah diurut yang

27 11 paling kecil hingga terbesar. Kelebihan dari filter median adalah untuk mengurangi noise dan menghaluskan citra. Operasi nonlinear dihitung dengan cara mengurutkan nilai intensitas sekelompok pixel, kemudian mengganti niliai pixel yang diproses dengan nilai tertentu. Selain digunakan untuk menghilangkan derau, filter-filter ini juga digunakan untuk menghaluskan citra digital. Dapat kita lihat pada gambar 2.8 dan 2.9 di bawah ini : Gambar 2.8 hasil noise filtering Gambar 2.9 hasil median filter 2.7 Bounding Box Bounding Box atau kotak pembatas adalah teknik anotasi gambar umum untuk menggunakan visi komputer untuk melatih model pembelajaran mesin berbasis AI. Sangat mudah untuk membuat sketsa dan membantu dalam membuat anotasi objek yang diinginkan pada gambar sehingga penglihatan mesin dapat mengenalinya. Ini digunakan untuk pengenalan target dalam berbagai aplikasi, termasuk kendaraan self-driving, helikopter, kamera pengintai, robot otonom, dan perangkat penglihatan mesin lainnya. Ini

28 12 berguna untuk menghitung jumlah penghalang dalam kerumunan yang berada pada level yang sama. Anotasi kotak pembatas adalah jenis persegi panjang yang ditumpangkan di atas gambar yang dimaksudkan untuk menyertakan semua fitur utama dari objek tertentu. Tujuan utama penerapan strategi anotasi ini adalah untuk mengurangi spectrum pencarian untuk atribut objek. sehingga menghemat sumber daya komputasi sekaligus membantu dalam penyelesaian masalah visi komputer. gambar bounding box bisa kita lihat pada gambar di bawah ini : Gambar 2.10 Bounding Box 2.8 Open C Phyton OpenC adalah sebuah library (perpustakaan) yang digunakan untuk mengolah gambar dan video. Kata Open pada OpenC dimaksudkan opensource yakni gratis, tidak berbayar, dan bisa di download oleh siapa saja. Sementara C adalah kependekan dari Computer ision, maksudnya dalah komputer yang digunakan untuk mengolah image (citra atau gambar) yang ditangkap oleh alat perekam (seperti kamera handphone atau webcam) yang dikonversi dari analog ke digital lalu diolah didalam komputer. Phyton adalah bahasa pemrograman yang banyak dipakai di dunia komputer. Kemampuan phyton untuk megolah citra sangatlah terbatas, untuk itu 7 phyton perlu import library dari OpenC. OpenC dan phyton dimanfaatkan untuk mengolah gambar dan video (tumpukan frame atau image) sesuai dengan tujuan masing-masing yang melibatkan kamera untuk menangkap gambar lalu diolah di komputer.

29 3 BAB III PERANCANGAN 3.1 Perancangan Sistem WebCam Lapto p Kotak Hitam PCB Gambar 3.1 Perancangan Sistem Gambaran sistem pada penelitian ditunjukkan pada gambar 3.1, PCB sebagai input yang diletakkan pada sebuah wadah supaya PCB dalam keaadan tetap dan dimasukkan kedalam sebuah box untuk pencahayaan yang lebih stabil, kemudian webcam berfungsi untuk mendekteksi dan menangkap citra PCB, dan laptop berfungsi untuk menjalankan program. Pada Gambar 3.2 menunjukan blok diagram sistem untuk proses pendeteksian jalur yang rusak pada PCB. Pemrosesan citra video akan diolah dengan bantuan Library OpenC, kemudian preprocessing & segmentasi, deteksi jalur yang rusak (putus atau sambung), dan ouput berupa kotak putih pada jalur yang rusak akan menggunakan software python sebagai komputasi. 13

30 14 Gambar 3.2 Blok Diagram Sistem Gambar 3.3 Diagram Alir Sistem Utama Pada gambar 3.3 menunjukkan diagram alir untuk proses pendeteksian jalur PCB yang rusak, pemrosesan citra video akan diolah dengan bantuan Library Open C, kemudian pada tahap preprocessing citra akan di konversi ke grayscale selanjutnya di konversi ke biner dan proses image filtering, outputnya berupa biner. Selanjutnya pada tahap segmentasi sistem

31 15 akan melakukan proses image difference atau perbandingan gambar dan setelah itu bounding box dan outputnya berupa kotak-kotak pada jalur yang rusak. 3.2 Preprocessing Sebelum melakukan konversi citra RGB ke citra biner terlebih dahulu melakukan tahapan preprocessing. Proses preprocessing ditunjukan pada gambar 3.4. Gambar 3.4 Flowchart preprocessing Pada tahap preprocessing input berupa citra RGB kemudian mengubah citra RGB yang terpilih ke citra grayscale, setelah itu mengkonversi citra grayscale ke biner dengan perintah COLOR_BGR2GRAY pada python. Proses image filtering berfungsi untuk menghilangkan noise pada citra biner sehingga citra akan terlihat lebih tajam atau lebih detail dan outputnya berupa citra biner.

32 Segmentasi Segmentasi adalah salah satu teknik pengolahan citra untuk memisahkan atau membagi ke dalam beberapa daerah berdasarkan atribut yang dimilikinya. Proses segmentasi di tunjukan pada gambar 3.5. Gambar 3.5 Flowchart Segmentasi Proses segmentasi pada penelitian ini untuk mendeteksi jalur PCB yang rusak. Input citra berupa biner setelah itu proses Image Difference atau perbandingan gambar antar database dan data uji, Bounding Box atau kotak pembatas membantu menentukan anotasi objek output atau keluaran pada jalur yang rusak (putus atau sambung). Untuk mengkonversi citra grayscale menjadi citra biner, pada OpenC menggunakan perintah THRESH_BINARY dan menambahkan perintah TRESHOLD

33 Perancangan GUI Perancangan tampilan pendeteksian jalur PCB yang rusak menggunakan GUI (Graphical User Interface) pada python. Tujuan dari perancangan tampilan GUI python untuk membantu dalam proses pendeteksian jalur PCB yang rusak. Proses dan keterangan perancangan digambarkan dalam gambar 3.6 dan tabel 3.1. Gambar 3.6 Perancangan GUI Tabel 3.1 perancangan Nama Bagian Keterangan Captured Citra Untuk menampilkan gambar dari Webcam Hasil Captured Untuk menampilkan hasil tangkapan gambar dari Webcam Citra Acuan Untuk menampilkan gambar acuan berupa Biner biner Tombol Capture Untuk mengambil gambar Tombol Proses Untuk memulai proses pendeteksian jalur PCB yang rusak Tombol End Untuk mengakhiri program

34 4 BAB I HASIL DAN PEMBAHASAN Bab ini membahas mengenai pengujian alat dan program yang dilakukan secara langsung dan tidak langsung, serta melakukan analisis terhadap hasil pengujian program. Analisis pada program diperlukan untuk mengetahui program yang dibuat berjalan dengan baik atau tidak, sehingga dapat digunakan untuk menarik kesimpulan dari penelitian ini. 4.1 Analisis Hasil Data Pengujian Pendeteksian Jalur PCB Pengujian pendeteksian jalur PCB yang rusak dilakukan dengan menggunakan 7 PCB diantaranya 1 acuan dan 6 lainya merupakan PCB rusak (putus atau sambung). Tujuan dari pengujian tidak langsung adalah untuk mengetahui apakah sistem berjalan dengan baik serta dapat mengetahui apakah sistem dapat memproses gambar dengan baik dan menentukan keluaran sesuai kondisi yang diuji. Adapun cara untuk melakukan pengujian yang pertama adalah memberi nama dan menyimpan semua gambar PCB yang sudah di capture, kemudian menekan tombol proses untuk mengetahui hasil dari pendeteksian jalur PCB yang rusak (putus atau sambung). Hasil akhir dari sistem ini akan menampilkan output berupa bounding box pada jalur yang rusak (putus atau sambung). Adapun hasil pengujian yang diperoleh dapat dilihat pada gambar 4.1., 4.2., 4.3, dan 4.4. Gambar 4.1 Hasil Pengujian PCB Database dan Data Uji menggunakan gambar yang sama 18

35 19 Berdasarkan gambar 4.1 program pengujian database dan data uji menggunakan gambar yang sama. Dalam pengujian ini dapat mendeteksi citra sesuai dengan hasil keluaran yang diinginkan. Berdasarkan pengamatan pada pengujian ini citra database dan citra data uji sama maka gambar hasil keluaran tidak terdeteksi jalur yang rusak (putus atau sambung) atau gambar outputnya hitam. Hal ini terjadi karena proses image difference pada posisi Benar, dapat diamati pada gambar 4.2 berjalan sesuai dengan yang diharapkan karena PCB dapat terdeteksi. Gambar 4.2 Hasil Pengujian PCB yang rusak ukuran 1mm Berdasarkan gambar 4.2 program ini memiliki 2 jalur yang putus berjalan sesuai dengan yang diharapkan. Dalam pengujian ini dapat mendeteksi citra sesuai dengan hasil keluaran yang diinginkan. Berdasarkan pengamatan pada pengujian jalur PCB yang rusak pada kondisi jalur yang rusak dengan ukuran 1mm dapat dideteksi Benar. Hal ini terjadi karena proses image difference pada posisi Benar, dapat diamati pada gambar 4.2 berjalan sesuai dengan yang diharapkan karena satu jalur yang rusak sudah bisa dideteksi, pengujian hanya dapat mendeteksi citra sesuai dengan citra yang dijadikan acuan. Berdasarkan pengamatan pada pengujian gambar 4.2 terlihat pada frame 3 gambar biner yang tidak begitu jelas diakibatkan karena pencahayaan yang tidak stabil.

36 20 Tabel 4.1 Hasil Pengujian PCB Lebar Jalur PCB Pengujian Yang Putus Hasil Deteksi 0.5 mm 1 X 0.5 mm 2 X 0.5 mm 3 X 0.5, 1.5 mm 4 X, 0.5, 1.5 mm 5 X, 0.5, 1.5, 2 mm 6 X,, 0.5, 1.5, 2 mm 7 X,, 1 mm 8 1 mm 9 1 mm 10 1 mm 11 1 mm 12 1 mm 13 1 mm 14 1 mm 15 1 mm 16 1,5 mm mm mm mm mm mm mm mm mm mm 26 2 mm 27 2 mm 28

37 21 Tabel 4.1 (Lanjutan) Hasil Pengujian PCB 2 mm 29 2 mm 30 2 mm 31 2 mm 32 2 mm 33 2 mm 34 2 mm 35 2 mm 36 1, 1.5 mm 37, 1, 1.5 mm 38, 1, 1.5 mm 39, 1, 1.5 mm 40, 1, 1.5 mm 41, 1, 1.5 mm 42, 1, 1.5 mm 43, 1.5, 2 mm 44, 1.5, 2 mm 45, 1.5, 2 mm 46, 1.5, 2 mm 47, 1.5, 2 mm 48, 1.5, 2 mm 49, 1.5, 2 mm 50, 1.5, 2 mm 51, 1, 1.5, 2 mm 52,, 1, 1.5, 2 mm 53,, 1, 1.5, 2 mm 54,, 1, 1.5, 2 mm 55,, 1, 1.5, 2 mm 56,,

38 22 Tabel 4.1 (Lanjutan) Hasil Pengujian PCB Keterangan Tabel: 1, 1.5, 2 mm 57,, 1, 1.5, 2 mm 58,, 1, 1.5, 2 mm 59,, 1, 1.5, 2 mm 60,, X= Tidak Terdeteksi = Terdeteksi Gambar 4.3 Hasil Pengujian PCB Jalur yang rusak ukuran 1.5, dan 2mm Berdasarkan gambar 4.3 program pengujian ini memiliki 2 jalur PCB yang rusak berjalan sesuai dengan yang diharapkan. Dalam pengujian ini dapat mendeteksi citra sesuai dengan hasil keluaran yang diinginkan. Berdasarkan pengamatan pada pengujian jalur yang rusak pada kondisi jalur yang tidak rusak dapat dideteksi Benar dan pada kondisi jalur rusak dapat dideteksi Salah. Hal ini terjadi karena proses image difference pada posisi Benar. Berdasarkan pengamatan pada pengujian gambar 4.3 terlihat pada frame 3 gambar biner yang tidak begitu jelas diakibatkan karena pencahayaan yang tidak stabil, pada pengujian ini semakin besar jalur yang rusak maka semakin mudah dideteksi, semakin kecil jalur yang rusak maka kemungkinan jalur itu sulit untuk dideteksi.

39 23 Gambar 4.4 Hasil Pengujian PCB yang rusak ukuran 1, 1.5, dan 2mm Berdasarkan gambar 4.4 program pengujian ini memiliki 3 jalur PCB yang rusak berjalan sesuai dengan yang diharapkan. Dalam pengujian ini dapat mendeteksi citra sesuai dengan hasil keluaran yang diinginkan. Berdasarkan pengamatan pada pengujian jalur yang rusak pada kondisi jalur yang tidak rusak dapat dideteksi Benar dan pada kondisi jalur rusak dapat dideteksi Salah. Hal ini terjadi karena proses image difference pada posisi Benar, dapat diamati pada gambar 4.4 belum berjalan sesuai yang diharapkan. Berdasarkan pengamatan pada pengujian gambar 4.4 terlihat bahwa semakin besar jalur yang rusak maka semakin mudah dideteksi, semakin kecil jalur ukuran PCB yang putus kurang dari 0.5 mm maka kemungkinan jalur itu sulit untuk dideteksi.

40 24 Gambar 4.5 Hasil Pengujian PCB yang Tidak Terdeteksi Berdasarkan gambar 4.5 program pengujian ini memiliki 2 jalur PCB yang putus belum berjalan sesuai dengan yang diharapkan. Berdasarkan pengamatan pada pengujian jalur yang rusak pada kondisi jalur yang tidak rusak dapat dideteksi Salah dan pada kondisi jalur rusak dapat dideteksi Benar. Hal ini terjadi karena PCB yang berbeda ketika pengambilan data antara database dan data uji sedangkan layout yang dipake sama dan ini berpengaruh saat proses image difference, sehingga outputnya mendeteksi salah dimana yang seharusnya jalur itu benar tetapi terdeteksi salah dan sebaliknya. Berdasarkan pengamatan pada pengujian gambar 4.5 terlihat pada frame 3 gambar biner yang tidak begitu jelas diakibatkan karena pencahayaan yang tidak stabil, cahaya sangat berpengaruh dalam proses pendeteksian.

41 25 Gambar 4.6 Hasil Pengujian PCB yang Tidak Terdeteksi Berdasarkan gambar 4.6 program pengujian ini memiliki 2 jalur PCB yang putus belum berjalan sesuai dengan yang diharapkan. Berdasarkan pengamatan pada pengujian jalur yang rusak pada kondisi jalur yang tidak rusak dapat dideteksi Salah dan pada kondisi jalur rusak dapat dideteksi Benar. Hal ini terjadi karena PCB yang berbeda ketika pengambilan data antara database dan data uji sedangkan layout yang dipake sama dan ini berpengaruh saat proses image difference, sehingga outputnya mendeteksi salah dimana yang seharusnya jalur itu benar tetapi terdeteksi salah dan sebaliknya. Berdasarkan pengamatan pada pengujian gambar 4.6 terlihat pada frame 3 gambar biner yang tidak begitu jelas diakibatkan karena pencahayaan yang tidak stabil, cahaya sangat berpengaruh dalam proses pendeteksian.

42 26 Gambar 4.7 Hasil Pengujian PCB yang Tidak Terdeteksi Berdasarkan gambar 4.7 program pengujian ini memiliki 2 jalur PCB yang sambung belum berjalan sesuai dengan yang diharapkan. Berdasarkan pengamatan pada pengujian jalur yang rusak pada kondisi jalur yang tidak rusak dapat dideteksi Salah dan pada kondisi jalur rusak dapat dideteksi Benar. Hal ini terjadi karena PCB yang berbeda ketika pengambilan data antara database dan data uji sedangkan layout yang dipake sama dan ini berpengaruh saat proses image difference, sehingga outputnya mendeteksi salah dimana yang seharusnya jalur itu benar tetapi terdeteksi salah dan sebaliknya. Berdasarkan pengamatan pada pengujian gambar 4.7 terlihat pada frame 3 gambar biner yang tidak begitu jelas diakibatkan karena pencahayaan yang tidak stabil, cahaya sangat berpengaruh dalam proses pendeteksian.

43 27 Dapat ditarik kesimpulan untuk memperoleh tingkat keberhasilan berdasarkan Tabel 4.1, 4.2, 4.3, dan 4.4 dari hasil pengujian dalam penelitian ini maka digunakan persamaan sebagai berikut: 𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝐾𝑒𝑏𝑒𝑟ℎ𝑎𝑠𝑖𝑙𝑎𝑛(%) = 𝑡𝑜𝑡𝑎𝑙 𝑘𝑒𝑏𝑒𝑟ℎ𝑎𝑠𝑖𝑙𝑎𝑛 𝑑𝑒𝑡𝑒𝑘𝑠𝑖 𝑗𝑎𝑙𝑢𝑟 𝑃𝐶𝐵 100% 𝑇𝑜𝑡𝑎𝑙 𝑃𝑒𝑛𝑔𝑢𝑗𝑖𝑎𝑛 𝑃𝐶𝐵 Sementara itu berdasarkan Tabel 4.1, 4.2, 4.3, dan 4.4 terlihat bahwa pada pengujian dengan variasi jalur PCB yang rusak terdapat masing-masing kondisi dengan hasil 60 kali pengujian dengan hasil pengecekan yang sesuai dengan harapan. Sehingga dapat diperoleh tingkat pengenalan untuk pengujian tidak langsung sebagai berikut: 𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝐾𝑒𝑏𝑒𝑟ℎ𝑎𝑠𝑖𝑙𝑎𝑛(%) = % = 88,33% 60

44 Implementasi Program Tombol Camera On Tombol Camera On berfungsi untuk menghidupkan webcam serta menghubungkan webcam dengan phyton serta menampilkan hasil tangkapan webcam pada frame 1. Pada gambar 4.8 menampilkan program Camera On. Dimana camera merupakan sebuah variabel yang berfungsi untuk mewakili hasil tangkapan webcam dalam format RGB berukuran 320x240 pixel. Program ini berfungsi untuk menampilkan informasi dari webcam, sehingga webcam dan phyton dapat saling berkomunikasi. import PySimpleGUI as sg import cv2 import numpy as np def nothing(x): pass #Fungsi Untuk Mengambil Gambar Dari Webcam cam = cv2.ideocapture(0) Gambar 4.8 Program Camera On

45 Tombol Capture Tombol Capture digunakan untuk mengambil gambar PCB yang digunakan untuk dilakukan pendeteksian serta sebagai masukan untuk proses selanjutnya. Adapun program tombol Capture dapat dilihat pada gambar 4.9. event, values = window.read(0.01) ret, frame = cam.read() frame = cv2.resize(frame, None, fx=0.498,fy=0.498) #Resolusi OpenC imgbytes=cv2.imencode('.png', frame)[1].tobytes() window['image0'].update(data=imgbytes) framecon = frame if event == 'Capture': frame1=frame cv2.imwrite('benarrgb.png',frame1) # untuk simpan gambar Gambar 4.9 Program Tombol Capture imgbytes=cv2.imencode('.png', frame1)[1].tobytes() Jika tombol Capture ditekan, GUI akan menampilkan citra yang sama dengan citra window['image1'].update(data=imgbytes) masukkan lalucitra tersebut akan disimpan dalam file dengan nama benarrgb Tombol Proses Tombol proses merupakan tombol yang fungsinya untuk menjalankan program proses (preprocessing) dalam Deteksi Jalur PCB Yang Rusak Menggunakan Metode Image Difference. Pada program preprocessing terdiri dari beberapa tahapan program yakni mengkonversi citra RGB ke greyscale, kemudian merubah citra graysclae ke Biner, dilanjutkan dengan proses image difference kemudian Bounding Box sebagai penentuan keluaran serta GUI Phyton yang fungsinya menampilkan hasil keluaran berupa kotak-kotak pada jalur PCB yang rusak.

46 Program Konversi RGB ke Biner Program konversi RGB ke biner bertujuan untuk mengubah citra RGB ke citra biner. Program konversi RGB ke biner dapat dilihat pada gambar frame3=cv2.cvtcolor(frame1, cv2.color_bgr2gray) #program pake kamera ret, mask1 = cv2.threshold(frame3, 153,255, cv2.thresh_binary_in) #BINER\ Gambar 4.10 Program Konversi RGB ke Biner Setelah melakukan proses capture data yang berupa gambar jalur PCB kemudian dipanggil menggunakan sintaks imread, lalu sintaks rgb2gray berfungsi mengubah citra RGB menjadi citra biner. Threshold bisa ditentukan sesuka kita ataupun bisa ditentukan dengan menggunakan fungsi threshbinary. Nilai intensitas citra yang lebih dari atau sama dengan nilai threshold akan diubah menjadi hitam sedangkan nilai intensitas citra yang kurang dari nilai threshold akan diubah menjadi putih.

47 Program Bounding Box Pada program ini menggunakan bounding box berupa kotak pada citra biner hasil proces. Program yang digunakan dapat dilihat pada gambar for k in cnt: x, y, w, h = cv2.boundingrect(k) cv2.rectangle(frame4, (x-pinggir, y-pinggir), (x+w+pinggir, y+h+pinggir), (0, 255,0), 2) imgbytes=cv2.imencode('.png', frame4)[1].tobytes() window['image3'].update(data=imgbytes) elif event == 'END': break Gambar 4.11 Program Bounding Box Tombol End Tombol End berfungsi untuk mengakhiri/keluar dari program tampilan GUI pendeteksian jalur PCB yang rusak. Program End dapat dilihat pada gambar cam.release() cv2.waitkey(0) cv2.destroyallwindows() window.close() Gambar 4.12 Program End

48 Pengujian Program Pendeteksian Jalur PCB Yang Rusak Pengujian ini bertujuan untuk memastikan bahwa program yang telah dirancang dapat berjalan dengan baik sesuai dengan yang diharapkan. Pengujian ini dilakukan dengan cara memasukan satu persatu citra yang telah di capture, diberi nama dan disimpan. Selanjutnya data tersebut akan diproses dan keluaran dari hasil data tersebut berupa teks kemudian ditampilkan di GUI Phyton. Adapun langkah yang dilakukan untuk melakukan pengujian ini adalah sebagai berikut : 1. Membuka software Phyton dengan mengeklik kiri pada ikon Spyder. 2. Setelah masuk pada tampilan utama Phyton, kemudian membuka program pendeteksian jalur PCB yang rusak pada folder program yang sudah disimpan sebelumnya. 3. Lalu tekan tombol F5 untuk memanggil program pengujian langsung pendeteksian jalur PCB yang rusak. Sebagai catatan semua program di RUN terlebih dahulu untuk memastikan semua program sudah siap untuk dijalankan. 4. Setelah menekan tombol F5 akan muncul tampilan GUI pada layar monitor seperti pada gambar Gambar 4.13 Tampilan GUI Pengujian PCB

49 33 Berikut adalah penjelasan tentang fungsi dari tombol GUI diatas : a. Tombol Capture saat ditekan akan menampilkan jenis gambar PCB yang ingin diuji. b. Tombol Proses saat ditekan akan menampilkan hasil dari preprocessing dan hasil keluaran bounding box atau kotak pada jalur yang rusak (putus atau sambung). c. Tombol End saat ditekan berfungsi untuk mengakhiri/keluar dari program tampilan GUI deteksi jalur PCB yang rusak. d. Berdasarkan gambar 4.14 untuk menjalankan program secara langsung, maka pengguna terlebih dahulu memasukan nama dari file citra yang telah di Capture sebelumnya yang berada pada mfile. Lalu citra akan ditampilkan pada frame 2, selanjutnya tombol Proses untuk menampilkan hasil bounding box atau kotak-kotak pada jalur yang rusak (putus atau sambung). Contoh hasil pengujian dapat dilihat pada gambar Gambar 4.14 Contoh Hasil Pengujian PCB

50 5 BAB KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil percobaan dan pengujian deteksi jalur PCB yang rusak menggunakan metode image difference dapat disimpulkan bahwa: 1. Implementasi dari sistem pendeteksian jalur PCB yang rusak (putus atau sambung) dapat bekerja sesuai dengan perancangan, namun pada pengujian secara langsung hasil yang didapatkan belum akurat. 2. Hasil pengujian sistem pendeteksian jalur PCB yang rusak dalam tugas akhir ini menunjukan tingkat presentase keberhasilan sebesar 83,3%. Ini menunjukan bahwa metode image difference bisa diterapkan dalam pendeteksian jalur PCB yang rusak (putus atau sambung). 3. Semakin kecil jalur yang rusak (putus atau sambung) yaitu dibawah 0,5 mm maka sistem tidak dapat mendeteksi jalur yang rusak. Posisi PCB database dengan PCB data uji harus sama dan pencahayaan harus konstan karena dapat mempengaruhi tingkat akurasi dari sistem pendeteksian jalur yang rusak. 5.2 Saran Sistem pendeteksian jalur yang rusak pada PCB masih banyak memiliki kekurangan. Adapun saran untuk dapat menyempurnakan sistem ini, yaitu: 1. Memperbanyak variasi database (variasi posisi yang berbeda) untuk meningkatkan akurasi deteksi jalur PCB yang rusak. 2. Mengembangkan sistem ini untuk pencahayaan yang lebih bervariasi. 34

51 35 DAFTAR PUSTAKA [1] Wardhana, A. W., & Prayudi, Y, 2008, Penggunaan metode templete matching Untuk identifikasi kecacatan pada pcb, Seminar Nasional Aplikasi Teknologi Informasi (SNATI), ol. 1, No. 1. [2] Hayati, N, 2020, Rancangan Bangun Deteksi Kecacatan PCB Berbasis Pengelolahan Citra, Thesis (Diploma), Jurusan Teknik Kelistrikan Kapal, Fakultas Sains dan Teknologi, Politeknik Perkapalan Negeri Surabaya. [3] Sonsank, M., Huda, Y., & Budayawan, K, 2015, Penerapan Metode Template Matching dalam Menganalisa Cacat pada keping PCB, Tugas Akhir, Jurusan Teknik Elektro, Fakultas Sains dan Teknologi, Universitas Diponegoro. [4] Wahyu Nugroho, 2010, Deteksi Kerusakan Jalur PCB (Printed Circuit Board) Menggunakan Metode Template Matching, Tugas Akhir, Jurusan Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Dian Nuswantoro Semarang. [5] Wirawan, Rinda Budi, 2015, The Prototype Checking the Quality of The Battery Box Screen Printing. Jurusan Teknik Elektro, Fakultas Sains dan Teknologi, Universitas Sanata Dharma. [6] Albertus Titan Ganeshafiro, 2017, Warna dan Kode Angka. Tugas Akhir Pencacah Benda Berdasarkan Ukuran, Tugas Akhir, Jurusan Teknik Elektro, Fakultas Sains dan Teknologi, Universitas Sanata Dharma. [7] Kelas PLC, 2021, Pengertian PCB Dan Fungsinya Beserta Jenis-Jenisnya, Kelas PLC, jenisnya/, diakses 13 Oktober [8] Decker, P., 2015, Color Formats RGB, Streamline Print, diakses 17 Oktober 2021

52 36 [9] -, 2021, What is The Grayscale of LED Display, cale%20is%20the,the%20number%20of%20digital-toanalog%20conversions%20of%20the%20system, diakses 8 November 2021

53 LAMPIRAN GAMBAR BLACKBOX DAN LAYOUT PCB A. Gambar dan ukuran Blackbox L-1

54 L-2 B. Gambar Layout PCB