IDENTIFIKASI KECACATAN PADA PCB

MENGGUNAKAN METODE TEMPLATE MATCHING

Valiant Shan Firdaus1, Dwi Heristiyadi2
Pendidikan Teknologi Informasi, Jurusan Teknik Informatika, Fakultas Teknik
Universitas Negeri Surabaya
Email: valiant.17050974012@mhs.unesa.ac.id, 2dwi.17050974014@mhs.unesa.ac.id,
1

ABSTRAK
Template matching adalah metode mencocokkan citra digital dari gambar baru
terhadap gambar template atau acuan. Metode ini merupakan salah satu kecanggihan
teknologi komputer yang sangat membantu dalam banyak pekerjaan. Manfaat dari metode
ini sangat beragam, salah satu diantaranya adalah sebagai produksi percetakan PCB. Sudah
umum jika metode ini banyak digunakan di perusahaan percetakan untuk mencetak suatu
produk dalam jumlah banyak. Dalam percetakan PCB ini menggunakan cara AOI
(Automated Optical Inspection). Cara ini menggunakan multikamera dan pencahayaan
yang baik. Salah satu metode yang dapat digunakan itu adalah template matching. Dalam
percetakan akan mendeteksi setiap PCB yang baru akan diidentifikasi dengan
membandingkan PCB acuan untuk mengetahui kecacatannya. Dengan begitu akan lebih
mudah diketahui hasil cetak PCB mana yang memiliki kecacatan.

A. PENDAHULUAN
Dalam dunia industri, pasti menggunakan mesin untuk menunjang perusahaan dengan
memproduksi produk. Mesin digunakan untuk mencetak produk dalam jumlah banyak. Dalam
artikel ini akan membahas tentang produksi PCB. PCB (Printed Circuit Board) adalah sebuah
papan yang penuh dengan sirkuit logam yang menghubungkan komponen elektronik yang sama
atau berbeda jenis satu sama lain tanpa kabel. Papan sirkuit ini biasanya diproduksi secara
massal dengan cara pencetakan untuk keperluan elektronika dan yang ada hubungannya dengan
kelistrikan. PCB pertama kali ditemukan pada tahun 1936 oleh Paul, ilmuwan yang berasal dari
Austria yang memasukkan sebuah papan sirkuit ini ke dalam radio. Kemudian pada tahun-tahun
berikutnya berkembang dan banyak digunakan oleh Amerika Serikat untuk radio militer mereka.
Pada tahun 1950, PCB telah dicetak dan dapat digunakan secara massal di dalam industri
elektronik.
Dalam produksi massal PCB, bisa terjadi ada beberapa produk yang tidak sesuai dengan
standart. Bisa memungkinkan ada kecacatan dalam produk tersebut. Oleh karena itu di dalam
mesin harus disediakan pengecekan kembali. Untuk proses pengecekan cetak produk ini
menggunakan template matching. Metode ini berfungsi untuk mengidentifikasi cetakan PCB
yang tidak sesuai dengan standartnya. Dalam produksi PCB, biasanya banyak industri yang
menggunakan metode AOI (Automated Optical Inspection). Metode tersebut menggunakan
teknik multikamera dan pencahayaan yang bagus. Salah satu teknik yang dapat digunakan untuk
metode AOI adalah template matching. Dengan metode template matching, setiap PCB yang
dicetak akan diidentifikasi dengan mencari titik dari bagian PCB apakah sama dengan standart
yang sudah ditentukan. Jika produk yang dihasilkan sama sesuai dengan standart yang
ditentukan, maka produk tercetak dengan sempurna dan dapat digunakan. Namun jika produk
yang keluar tidak sama dengan standart yang ditentukan, maka proses cetak tidak berjalan baik
sehingga menyebabkan kecacatan pada produk tersebut dan akhirnya tidak dapat digunakan
dengan baik. Oleh karena itu, template matching memiliki tugas yang akan melihat dan
mengecek setiap cetakan PCB mana yang berhasil dicetak dengan sempurna dan mana yang
tidak sempurna atau mengalami kecacatan. Dikarenakan kecacatan pada bagian PCB ini sangat
kecil dan tidak mungkin bisa dilihat oleh penglihatan manusia, maka dibutuhkan alat yang
menggunakan metode template matching ini. Kecacatan di PCB diantaranya yaitu putusnya
tembaga, bergesernya salah satu bagiannya, atau cacat yang lain.

B. METODE PENELITIAN
Design Thinking adalah sebuah proses untuk memahami pengguna, menantang asumsi,
dan mendefinisikan kembali sebuah masalah dalam upaya mengidentifikasi strategi dan solusi
alternatif. Pada saat yang sama, Design Thinking menggunakan pendekatan berbasis solusi untuk
menyelesaikan masalah.
Design Thinking sering muncul secara mendalam dengan mengembangkan pemahaman
dari orang-orang menjadi tujuan perancangan produk atau layanan. Hal ini dapat membantu
untuk mengamati dan mengembangkan empati dengan target pengguna. Design Thinking
membantu kita dalam proses bertanya: mempertanyakan masalah, mempertanyakan asumsi, dan
mempertanyakan keterkaitannya.

3.1. Empathise
Tahap pertama ialah untuk mendapatkan pemahaman empatik dari masalah yang ingin
dipecahkan. Tahapan dimana kita mengamati apa yang dilakukan produsen untuk mencetak
PCB dalam jumlah yang banyak. Muncul masalah saat produksi PCB yakni beberapa produk
yang tidak tercetak dengan sempurna. Jika jumlah produk yang tidak tercetak dengan baik
ada dalam jumlah yang tidak sedikit, maka proses produksi akan mengalami kerugian.
Bagaimana cara untuk mengatasi kerugian dengan meminimalisir produk yang tidak dicetak
dengan baik tersebut akan dipecahkan masalahnya melalui artikel ini.
3.2. Define
Pada tahap ini kita menentukan permasalahan yang berfokus pada proses produksi. Di
dalam proses produksi akan menghasilkan produk PCB yang sempurna dan bisa
memungkinkan untuk menghasilkan produk yang tidak sempurna. Sebelum dicetak, PCB
yang ingin dicetak akan didesain terlebih dahulu. Dari desain PCB tersebut kemudian akan
dicetak dalam jumlah yang banyak. Produk yang dihasilkan harusnya sama dengan PCB
 yang sudah didesain yang menjadi standar acuan untuk proses cetak. Jika terjadi kecatatan
pada produk yang dihasilkan, maka ada masalah dalam mesin produksi yang menyebabkan
produk tidak dapat dicetak dengan baik.
3.3. Ideate
Mengeluarkan ide atau pendapat yang dapat digunakan menjadi solusi terhadap
permasalahan. Di dalam mesin produksi dapat menghasilkan produk yang sesuai standar
atau memungkinkan untuk mencetak produk yang tidak sesuai standar (rusak). Untuk
mengatasi masalah ini, perlu menggunakan teknologi template matching. Teknik ini
merupakan teknik untuk mencocokkan citra suatu gambar antara gambar acuan dengan
gambar baru.
3.4. Prototype
Mengaplikasikan ide-ide yang sudah dikumpulkan kemudian dilakukan penerapan teknik
template matching pada proses produksi. Teknik ini akan mengidentifikasi citra desain PCB
yang akan menjadi standar. Kemudian saat proses produksi, proses cetak PCB akan
disesuaikan dengan PCB yang manjadi standar menggunakan teknik template matching ini.
Produk PCB yang baru dicetak akan dicocokkan dengan partikel citra dari desain PCB
standar. Dengan ini hasil yang dihasilkan akan sama.
3.5. Test
Dilakukannya pengujian dan evaluasi terhadap produk hasil cetak PCB. Dengan
menggunakan teknologi template matching ini membuat proses cetak berjalan baik. Dengan
teknik yang mencocokkan partikel citra antara cetakan PCB yang baru dengan desain PCB
standar membuat hasil cetak menjadi sama. Diharapkan dengan ini proses produksi akan
meminimalisir kesalahan dalam proses cetak sehingga mengurangi produk yang rusak dan
menghasilkan banyak produk yang tercetak dengan baik.

C. HASIL DAN PEMBAHASAN

Prinsip metode template matching ini adalah membandingkan antara citra input dengan
citra template sebagai acuan. Pengenalan image input dilakukan dengan melihat tingkat
kemiripan dan nilai citra dengan image template. Apabila tidak banyak ada kemiripan, maka
image input tersebut disebut objek yang tidak dikenal atau memiliki kecacatan. Untuk
melakukan teknik template matching, dilakukan beberapa operasi pengolahan citra digital
sebagai berikut :
a. Pelapisan Citra (Filtering)
Proses ini dilakukan apabila citra yang akan dianalisis memiliki derau sehingga harus
dihaluskan dengan tapis citra. Proses penghalusan dimulai dengan memanipulasi citra di
sekitarnya menjadi lebih halus. Pada proses perekaman citra digital dapat terjadi
 gangguan. Gangguan yang terjadi disebabkan oleh garis-garis kerusakan pada sebagian
sektor sensor.
b. Pengambangan (Tresholding)
Proses dibutuhkan untuk mengubah citra menjadi keabuan dan memiliki format citra
biner yang mempunyai dua nilai. Dengan ini beberapa titik gambar menjadi warna
keabuan dari hitam sampai putih.
Penelitian ini bertujuan untuk mendeteksi kecacatan PCB. Untuk mendeteksi ini
membutuhkan dua model PCB, yaitu PCB input dan PCB acuan. Dengan menggunakan teknik
template matching ini, aplikasi ini akan mendeteksi kecacatan pada PCB. Setiap PCB masing-
masing diubah dalam bentuk citra berkarakter bitmap. Sebelum dijadikan PCB acuan, gambar
akan diubah ke model grayscale.

Selanjutnya setelah menjadi grayscale, gambar PCB akan siap diidentifikasi. Identifikasi
gambar PCB acuan dengan PCB input dilakukan dengan template matching.
 Setelah dua citra dari PCB dibandingkan dan diidentifikasi dengan template matching,
maka akan terlihat hasil identifikasinya yang menunjukkan di beberapa titik citra yang tidak
cocok. Ketidaksesuaian citra di beberapa titik tersebut menunjukkan terdapat kecacatan. Titik-
titik yang tidak sama dengan citra acuan akan ditandai dengan blok berwarna merah.

Dalam hasil akhir menunjukkan ketika PCB input dan PCB acuan diidentifikasi, jika
terjadi ketidakcocokan di beberapa titik maka akan ditandai dengan blok merah. Sebelum proses
identifikasi, kedua PCB tersebut harus diubah menjadi bentuk bitmap. Dengan itu, proses
identifikasi PCB input terhadap PCB acuan akan mendapatkan hasil yang akurat.
KESIMPULAN
Dalam penelitian ini sangat membantu bisnis percetakan untuk perusahaan kecil maupun
besar. Karena usaha percetakan pastinya memproduksi suatu produk dalam jumlah yang banyak.
Untuk menghasilkan setiap produk yang sempurna dan mengurangi kegagalan produksi, maka
digunakanlah teknik template matching. Teknik ini mendeteksi setiap produk yang dicetak dan
dihasilkan. Dengan membandingkan antara model acuan dan hasil cetakan, teknik template
matching akan mengidentifikasi citra gambar. Dengan teknik ini akan mendeteksi apakah hasil
produk yang dicetak memiliki bagian cetakan yang sama dengan gambar template. Jika terdapat
beberapa titik yang tidak cocok, maka produk tersebut terdapat kerusakan.
Bibliography
A. Foden, D. C. (2019). Indexing electron backscatter diffraction patterns with a refined template
matching approach. Ultramicroscopy, 207 , 1-13.
Anssari Moin D, V. J. (2017). Accuracy of computer-assisted template-guided
autotransplantation of teeth with custom 3D designed/printed surgical tooling. A
cadaveric study. Journal of Oral and Maxillofacial Surgery , 1-26.
Antonia Mihaylova, V. G. (2018). Spleen segmentation in MRI sequence images using template
matching and active contours. Procedia Computer Science, 131 , 15-22.
Bo Li, L. L. (2019). Group-housed pig detection in video surveillance of overhead views using
multi-feature template matching. Biosystems Engineering, 181 , 28-39.
Cheryl, N. (2020). Design Thinking for Inovation: Composition, Consequence, and Contingency.
Journal of Business Research, 118 , 117-128.
Dewei Zou, Q. C. (2019). An Improved Method for Model-Based Training, Detection and Pose
Estimation of Texture-Less 3D Objects in Occlusion Scenes. Procedia CIRP, 83 , 541-
546.
Hua Yang, C. H. (2019). Large-scale and rotation-invariant template matching using adaptive
radial ring code histograms. attern Recognition, 91 , 345-356.
Joao Otavio Bandeira Diniz, P. H. (2019). Spinal cord detection in planning CT for radiotherapy
through adaptive template matching, IMSLIC and convolutional neural networks.
Computer Methods and Programs in Biomedicine, 170 , 53-67.
N. Sasikala, P. K. (2020). Train bogie part recognition with multi-object multi-template
matching. Journal of King Saud University – Computer and Information Sciences, 32 ,
608-617.
Poonam Poonia, P. K. (2020). Palmprint Recognition using Robust Template Matching.
Procedia Computer Science, 167 , 727-736.
Setya Chendra Wibawa, A. B. (2018). False Color Photography Effect using Hoya UV&IR Cut
Filters Feature White Balance. MATEC Web of Conferences , 15008.
Spratling, M. (2020). Explaining away results in accurate and tolerant template matching.
Pattern Recognition, 104 , 1-13.
Telaumbauna, M. (2019, February 24). 5 Tahap Design Thinking menurut Stanford (d.school).
Retrieved from https://medium.com/@murnitelaumbanua98/5-tahap-design-thinking-
menurut-stanford-d-school-e06f871c45c9
Wei Ding, J. G. (2016). Semantic recognition of workpiece using computer vision for shape
feature extraction and classification based on learning databases. Optik - International
Journal for Light and Electron Optics , 1-17.