PERANCANGAN PABRIK PEMBUATAN KERTAS

LAPORAN UNTUK MATA KULIAH:

VE190726 Machine Vision
SEMESTER GASAL 2020/2021

Disusun Oleh:

Haidar Fahmi Abdillah (10311710000044)

DEPARTEMEN TEKNIK ELEKTRO OTOMASI

FAKULTAS VOKASI
INSTITUT TEKNOLOGI SEPULUH NOPEMBER

JANUARI 2021
 LEMBAR PENGESAHAN
PERANCANGAN PABRIK PEMBUATAN KERTAS

Oleh:
Haidar fahmi Abdillah (10311710000044)

Laporan Project-Based Learning ini digunakan sebagai salah satu persyaratan untuk lulus
pada mata kuliah Machine Vision pada Semester VII Tahun Ajaran 2020/2021.

Disetujui oleh,

Dosen Pembimbing Utama, Dosen Mata Kuliah,

Ciptian W. P., S.ST., M.T. Fivitria Istiqomah, S.ST.,

NPP. 1990201711060 M. Sc
NPP. 1992201912085

Mengetahui,
Kepala Departemen,

Imam Arifin, S.T., M.T.

NIP. 197302222002121001
 KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas limpahan rahmat dan karunia-Nya, sehingga penulis
dapat menyelesaikan laporan kegiatan Project Based Learning 2020/2021 tepat pada waktunya.
Adapun tujuan dari penulisan laporan ini adalah untuk memenuhi laporan kegiatan Project Based
Learning dengan mata kuliah Machine Vision selama mengerjakan proyek yang berlangsung.
Laporan Project Based Learning ini dimaksudkan untuk memantapkan, menunjang serta
mengetahui ilmu, pengetahuan mata kuliah Machine Vision. Keberhasilan dari pelaksanaan
kegiatan Project Based Learning hingga penyusunan laporan ini dapat terselesaikan dengan tepat
waktu karena adanya dukungan dari berbagai pihak, oleh sebab itu pada kesempatan ini penulis
menyampaikan ucapan terima kasih kepada:
1) Tuhan Yang Maha Esa, karena atas segala rahmat dan hidayah-Nya penulis dapat
menyelesaikan laporan Project Based Learning dengan tepat waktu.
2) Orang tua yang selalu memberikan dukungan berupa restu, Do’a, motivasi, dan juga
materi.
3) Bapak Imam Arifin, S.T., M.T. selaku Kepala Departemen Teknik Elektro Otomasi Institut
Teknologi Sepuluh Nopember Surabaya.
4) Bapak Ciptian W. P., S.ST., M.T. selaku Dosen Pembimbing Utama Project Based
Learning
5) Ibu Fivitria Istiqomah, S.ST., M.Sc selaku Dosen Pengampu mata kuliah Machine
Vision.
6) Bapak/Ibu Dosen Departemen Teknik Elektro Otomasi yang telah memberikan
pembekalan meteri mata kuliah terkait dengan pelaksanaan Project Based Learning.
7) Serta rekan-rekan yang tidak bisa saya disebutkan namanya satu per-satu yang telah
memberikan saran dan motivasi kepada penulis.
Penulis menyadari sepenuhnya bahwa buku ini masih banyak kekurangan dan jauh dari kata
sempurna. Oleh karena itu, saran dan kritik yang bersifat membangun sangat di harapkan demi
kesempurnaan laporan ini. Semoga buku ini dapat bermanfaat bagi penulis dan pembaca pada
umumnya.

Surabaya, 18 Januari 2021

Penyusun

i
ii
 DAFTAR ISI

KATA PENGANTAR.......................................................................................................................i
DAFTAR ISI.....................................................................................................................................ii
DAFTAR TABEL............................................................................................................................iii
DAFTAR GAMBAR.......................................................................................................................iv
BAB 1 PENDAHULUAN.................................................................................................................1
1.1. Latar Belakang..................................................................................................................1
1.2. Rumusan Masalah.............................................................................................................1
1.3. Tujuan Dan Manfaat..........................................................................................................1
BAB II CAKUPAN MATERI MATA KULIAH..............................................................................2
2.1 Pengenalan Machine Vision..............................................................................................2
2.2 Penggunaan Machine Vision di Industri............................................................................2
2.3 Citra dan Data Dua dimensi...............................................................................................2
2.4 Penguatan Citra.................................................................................................................3
2.5 Pemisahan Citra.................................................................................................................3
2.6 Deteksi Citra......................................................................................................................3
2.7 Rekognisi Citra..................................................................................................................3
BAB III CAPAIAN MATERI MATA KULIAH DALAM PROYEK..............................................5
BAB IV KORELASI DENGAN DUNIA KERJA/INDUSTRI.........................................................7
4.1. Aplikasi Machine Vision untuk Smart Inspection Process di industri makanan................7
4.2. Aplikasi Machine Vision untuk Industri Robot..................................................................8
BAB V CAPAIAN KOMPETENSI..................................................................................................9
5.1. Capaian kompetensi mata kuliah yang berdampak pada peningkatan hardskill.................9
5.2. Capaian kompetensi mata kuliah yang berdampak pada peningkatan softskill..................9
BAB VI MATERI MATA KULIAH YANG MASIH PERLU PENDALAMAN...........................10
BAB VII PENUTUP.......................................................................................................................11
7.1 Kesimpulan......................................................................................................................11
7.2 Saran................................................................................................................................11
DAFTAR PUSTAKA......................................................................................................................12
LAMPIRAN....................................................................................................................................13

iii
DAFTAR TABEL

iv
 DAFTAR GAMBAR

Gambar 3. 1 Pemasangan Kamera Machine Vision.........................................................................5

Gambar 3. 2 Kualitas Pemotongan Yang Diizinkan.........................................................................5
Gambar 3. 3 Kualitas Pemotongan Yang Tidak Diizinkan..............................................................6
Gambar 4. 1 Konveyor Sortir dengan Inspeksi Machine Vison.......................................................7
Gambar 4. 2 Robot Palletizer dengan Machine Vision....................................................................8

v
 BAB 1
PENDAHULUAN

1.1. Latar Belakang

Kita semua tentu tahu pada zaman modern seperti sekarang meskipun dengan adanya
internet dan semua serba online, bahkan sekarang ada sekolah online. Hampir semua dilakukan
tanpa perlu menulis. Akan tetapi, kebutuhan penggunaan kertas tetap tinggi di berbagai bidang.
Kertas yang sering kita gunakan itu biasanya terbuat dari kayu yang diolah dengan teknologi
modern sehingga sampai ke tangan kita. Adanya kertas merupakan revolusi baru dalam dunia tulis
menulis yang menyumbangkan arti besar dalam peradaban dunia. Sebelum ditemukan kertas,
bangsa-bangsa dahulu menggunakan lempengan dari tanah liat yang dibakar. Definisi dari kertas
adalah bahan yang tipis dan rata, yang dihasilkan dengan kompresi serat berasal dari pulp. Serat
yang akan digunakan biasanya adalah alami, dan mengandung selulosa dan hemiselulosa. Kertas
yang dikenal sebagai media utama untuk menulis, mencetak serta melukis dan banyak kegunaan
lain yang dapat dilakukan dengan kertas misalnya kertas pembersih tisu yang digunakan untuk
hidangan, kebersihan atau toilet[1].

1.2. Rumusan Masalah

Perumusan masalah dari proyek ini adalah sistem produksi kertas berbasis teknologi otomasi
industri untuk memenuhi kebutuhan kertas dalam masyarakat yang dengan cara efisien dan
penggunaan anggaran biaya produksi secara minimum namun dapat menghasilkan kualitas dengan
maksimal.

1.3. Tujuan Dan Manfaat

Berdasarkan rumusan masalah, tujuan dari pembuatan project ini adalah untuk memenuhi
capaian dari kerjasama dengan PT. MIA SC membuat sebuah project Rancangan Manufaktur
Pabrik Pembuatan Kertas dengan hasil yang maksimal.

1
 BAB II
CAKUPAN MATERI MATA KULIAH

Pada bagian ini terdapat penjabaran silabus atau materi-materi mata kuliah terkait yang
diperoleh dari dosen pengampu mata kuliah.

2.1 Pengenalan Machine Vision

Machine Vision adalah cabang ilmu komputer yang telah benar-benar tumbuh selama 20
tahun terakhir untuk menjadi fitur penting manufaktur. Saat ini sistem visi mesin memberikan
fleksibilitas yang lebih besar dan opsi otomatisasi lebih lanjut untuk produsen, membantu
menemukan cacat, mengurutkan produk dan menyelesaikan sejumlah tugas lebih cepat dan lebih
efisien daripada manusia saja. Pada tahun 1950, Pencitraan dua dimensi untuk pengenalan pola
statistik dikembangkan: Gibson memperkenalkan aliran optik dan berdasarkan model matematika
teorinya untuk komputasi aliran optik berdasarkan piksel demi piksel dikembangkan. Pada tahun
1960, Roberts mulai mempelajari visi mesin 3D: Larry Roberts menulis tesis PhD-nya di MIT
tentang kemungkinan mengekstraksi informasi geometris 3D dari pandangan 2D pada tahun 1960.
Hal ini menyebabkan banyak penelitian di laboratorium kecerdasan buatan MIT dan lembaga
penelitian lainnya melihat visi komputer dalam konteks blok dan objek sederhana. Lab Kecerdasan
Buatan MIT tahun 1970-an membuka kursus "Visi Mesin" - Para peneliti mulai menangani objek
"dunia nyata" dan tugas visi "tingkat rendah" (yaitu deteksi dan segmentasi tepi: Pada tahun 1978
terobosan dibuat oleh David Marr (di laboratorium MIT AI) yang menciptakan pendekatan bottom
up untuk pemahaman adegan melalui visi komputer. Pendekatan ini dimulai dengan sketsa 2D yang
dibangun di atas oleh komputer untuk mendapatkan gambar 3D akhir. Pada tahun 1980, Visi mesin
mulai lepas landas di dunia penelitian, dengan teori dan konsep baru yang muncul: Sistem
pengenalan karakter optik (OCR) pada awalnya digunakan dalam berbagai aplikasi industri untuk
membaca dan memverifikasi huruf, simbol, dan angka. Kamera pintar dikembangkan pada akhir
1980, yang mengarah ke penggunaan spread yang lebih luas dan lebih banyak aplikasi. Pada tahun
1990, Visi mesin mulai menjadi lebih umum di lingkungan manufaktur yang mengarah pada
penciptaan industri visi mesin: lebih dari 100 perusahaan mulai menjual sistem visi mesin. Lampu
LED untuk industri visi mesin dikembangkan, dan kemajuan dibuat dalam fungsi sensor dan
arsitektur kontrol, semakin memajukan kemampuan sistem visi mesin. Biaya sistem penglihatan
mesin mulai menurun. Kecerdasan Buatan / Artificial Intelligence (AI) merupakan bidang ilmu
komputer yang sangat penting di era kini dan masa akan datang untuk mewujudkan sistem
komputer yang cerdas. Bidang ini telah berkembang sangat pesat di 20 tahun terakhir seiring
dengan kebutuhan perangkat cerdas pada industri dan rumah tangga. Salah satu bidang di AI yang
mengakuisisi, mengolah, memahami dan untuk mengambil informasi/keputusan dikenal sebagai
Computer Vision. [2]

2.2 Penggunaan Machine Vision di Industri

Proses produk industri menggunakan sistem Machine Vision untuk mengevaluasi produk
pada berbagai tahap dalam proses. Bahkan produsen makanan dan minuman menerapkan sistem
vision alat berat untuk memantau kualitas. Di bidang medis, sistem Machine Vision digunakan
dalam pencitraan medis dan prosedur pemeriksaan.

2.3 Citra dan Data Dua dimensi

 Data Dua Dimensi

2
 Array dua dimensi sering digambarkan sebagai sebuah matriks. Merupakan perluasan dari
sebuah array satu dimensi. Jika pada array satu dimensi hanya terdiri dari sebuah baris dengan
beberapa kolom elemen, maka pada array dua dimensi terdiri dari beberapa baris dan beberapa
kolom yang bertipe sama. [3]
 Operasi Data Dua Dimensi
Array 2 dimensi sering disebut matriks. Karena itu, operasi pada array 2 dimensi pada
umumnya adalah operasi matriks, seperti menjumlahkan, mengurangkan, dan mengkalikan dua
matriks, inverse matriks, transpose matriks dan sebagainya. [4]

2.4 Penguatan Citra

 Dimensi Warna
Warna didefinisikan sebagai sensasi yang dapat diterima oleh mata manusia dari
gelombang elektro magnetik pada panjang gelombang tertentu (380nm ~ 780nm) dan menempati
ruangan 3 dimensi (abstraksi: bola), yaitu: Jenis Warna (hue), adalah sensasi yang diterima oleh
jaringan syaraf manusia berupa nuansa, seperti merah, kuning, hijau. Kejenuhan Warna (chroma,
saturation), adalah sensasi kuat lemahnya warna. Putih, abu-abu dan hitam adalah warna dengan
Kejenuhan Warna mendekati 0. Kecerahan atau Kekeruhan Warna (value, lightness, brightness),
adalah sensasi keruh-jernihnya warna. [5]
 Contrast Equalization
Merupakan tahapan pre-processing yang umumnya dilakukan sebelum tahapan segmentasi.
Dalam materi ini dibahas dua jenis perbaikan kualitas citra yaitu contrast stretching dan histogram
equalization. [6]
 Histogram Equalization
Merupakan metode perbaikan kualitas citra yang bertujuan untuk meratakan persebaran
nilai intensitas piksel suatu citra.

2.5 Pemisahan Citra

 Thresholding
Merupakan salah satu metode segmentasi citra yang memisahkan antara objek dengan
background dalam suatu citra berdasarkan pada perbedaan tingkat kecerahannya atau gelap terang
nya.  [7]
 Fitur Pada Citra
Merupakan suatu pengambilan ciri (feature) dari suatu bentuk yang nantinya nilai yang
didapatkan akan dianalisis untuk proses selanjutnya. Ekstraksi fitur (Feature Extraction) bertujuan
untuk mencari daerah fitur yang signifikan pada gambar tergantung pada karakteristik intrinsik dan
aplikasinya. Wilayah tersebut dapat didefinisikan dalam lingkungan global atau lokal dan
dibedakan oleh bentuk, tekstur, ukuran, intensitas, sifat statistik, dan sebagainya. [8]

2.6 Deteksi Citra

 Matching
Template matching adalah salah satu teknik dalam pengolahan citra digital yang berfungsi
untuk mencocokkan tiap – tiap bagian dari suatu citra dengan citra yang menjadi template (acuan).
Metode template matching sering digunakan untuk mengidentifikasi citra karakter huruf, angka,
sidik jari dan aplikasi – aplikasi pencocokan citra lainnya. [9]
2.7 Rekognisi Citra
Deteksi Obyek
Deteksi objek dalam digital image processing adalah suatu proses yang digunakan untuk
menetukan keberadaan objek tertentu di dalam suatu citra digital. Proses deteksi tersebut dapat

3
dilakukan dengan berbagai macam metode yang umumnya melakukan pembacaan fitur-fitur dari
seluruh objek pada citra input. [10]
 Pengenalan Obyek
Merupakan pengenalan objek pada citra banyak dimanfaatkan pada berbagai bidang.
Permasalahan dalam pengenalan objek pada citra yaitu bagaimana mengenali antara citra yang satu
dengan citra lainnya yang memiliki objek yang sama. Karakteristik objek-objek pada citra dapat
diwakili oleh karakteristik hasil deteksi tepi dari objek tersebut. [11]

4
 BAB III
CAPAIAN MATERI MATA KULIAH DALAM PROYEK

Pencapaian target saya dan tim proyek dalam mengimplementasikan penggunaan Machine
Vision tercapai sebatas pada proses inspeksi visual yang mendekteksi adanya kecacatan
pemotongan kertas pada mesin pemotong (cutting paper machine). Kamera machine vision dalam
mesin cutting ini seharusnya dapat terpasang paralel, baik pada bagian awal maupun akhir proses
pemotongan kertas. Pola pemotongan kertas dibagain awal yaitu memotong secara vertikal,
sedangkan pola pemotongan kedua, mesin memotong kertas secara horizontal. Pada kondisi real
untuk pemasangan sensor-sensor yang ada dalam mesin ini, penggunaan sensor photoelectric
sebenarnya telah mencukupi kebutuhan inspeksi visual untuk menemukan adanya objek-objek lain
dalam lembaran kertas. Namun tidak cukup hanya itu, kebutuhan untuk memastikan kualitas hasil
pemotongan kertas yang presisi dan aman dari cacat pemotongan sangat diperlukan, sebab
terkadang faktor kegagalan dari proses pemotongan bisa saja terjadi seperti halnya (regangan
gulungan roller yang terlalu kuat, ukuran ketebalan kertas yang tipis, tidak sinrkronnya unwinder
dengan roller knife dsb).

Gambar 3. 1 Pemasangan Kamera Machine Vision

Berikut ini adalah hasil pengujian simulasi machine vision pada proses pemotongan kertas
yang digunakan untuk mendeteksi kualitas kertas yang lolos kriteria pola pemotongan yang bagus
dan yang mengalami cacat pemotongan.

Gambar 3. 2 Kualitas Pemotongan Yang Diizinkan 5

 Gambar 3. 3 Kualitas Pemotongan Yang Tidak Diizinkan

Keterangan :

Original : Objek atau image asli dari visualisasi

Thresehold : Merupakan method segmenetasi memisahkan area image suatu obyek

dengan area lainnya dengan cara variasi intensitas (dengan membuat
image orisinal menjadi gray) diantara piksel obyek tersebut dengan
piksel background dengan nilai ambang (threshold) tertentu.

Adaptive Thresehold : Merupakan metode bantu saat pencarian nilai batas ambang (thereshold)
pada image ketika memiliki kondisi pencahayaan yang berbeda di area
yang berbeda pula.

Conture : Merupakan keadaan yang ditimbulkan oleh perubahan intensitas pada

pixel-pixel yang lainnya. Karena adanya intensitas inilah, maka tepi-tepi
(edge) objek pada citra dapat dideteksi.

6
7
 BAB IV
KORELASI DENGAN DUNIA KERJA/INDUSTRI

Hubungan mata kuliah Machine Vision dalam implemtasinya saat ini tidak hanya sebatas
pada keperluan militer namun juga pada sektor industri, dimana perangkat-perangkat produksi telah
mengadopsi berbagai teknologi seperti halnya kecerdasan buatan (Aritificial Intellegent) yang jika
dikombinasikan dengan Machine Vision , maka perangkat akan dapat dengan mudah dan lebih
smart untuk mengenali objek yang menjadi target memanipulasi benda kerjanya. Berikut ini
beberapa contoh korelasi dari penggunaan Machine Vision dalam dunia Industri:

4.1. Aplikasi Machine Vision untuk Smart Inspection Process di industri makanan
Dalam sistem proses pengontrolan di Industri yang berbasis pengolahan citra atau gambar
untuk dapat memutuskan kelayakan benda atau obejek yang dikenali, agar lolos secara inspeksi
visual maka salah satu contoh dari implementasi Machine Vision tepatnya misal pada Industri
pengolahan bahan pangan. Dengan pemasangan kamera pada konveyor pensortir. Ambil saja
contohnya adalah pabrik pembuatan saus dan kecap yang salah satu bahan baku mentahnya adalah
buah tomat dengan kriteria warna kulit tomat yang idealnya akan mempengaruhi rasa dan nilai gizi.
Maka sistem pensortiran bahan baku berupa pemilahan buah tomat akan tersortir dengan optimal,
sehingga kualitas dari hasil produksi saus dan kecap akan tetap terjaga dengan baik[12].

Gambar 4. 1 Konveyor Sortir dengan Inspeksi Machine Vison

4.2. Aplikasi Machine Vision untuk Industri Robot

Pada industri pembuatan robot, tentu saja banyak sekali klasifikasi robot yang dirancang
untuk berbagai kebutuhan, misalnya saja pada robot AGV (Automated Guided Vehicle) dimana
robot berupa suatu kendaraan otomatis yang memungkinkan untuk bergerak dan berpindah tempat
secara flexible untuk membawa benda sebagai beban kerjanya menuju ke titik lokasi yang telah
ditentukan. Maka agar robot mampu melakukan beberapa fungsi dan tugas seperti yang biasa
dilakukan oleh manusia tersebut, tentu robot perlu dilengkapi dengan sensor visual dan sensor
pengindera. Robot yang mempunyai sensor penglihatan termasuk dalam intelligent (sensory) robot,
sedangkan kemampuan penglihatan robot berdasarkan pengolahan citra atau gambar yang dikenali
itu sendiri disebut sebagai Machine Vision. Contoh yakni robot palletizer yang memiliki
kemampuan memindahkan benda-benda hasil produksi menuju ke tempat tatanan pallet secara

8
otomatis dan kontinyu dengan mengadopsi Machine Vision. Sehingga proses logistik dari pabrik
akan lebih hemat biaya dan tenaga[3].

Gambar 4. 2 Robot Palletizer dengan Machine Vision

9
 BAB V
CAPAIAN KOMPETENSI

5.1. Capaian kompetensi mata kuliah yang berdampak pada peningkatan hardskill
Pada pelaksanaan Project Based Learning yang berkaitan dengan mata kuliah Machine
Vision, dimana penulis dan anggota tim lainnya sebelumnya belum memiliki pengetahuan sama
sekali tentang Machine Vision dan juga penerapannya. Setelah melakukan pengerjaan proyek
Perancangan Pabrik Pembuatan Kertas dapat mempelajari bagimana penggunaan machine vision
pada proyek yang telah dikerjakan yaitu mengontrol proses cutting dimana kertas dengan potongan
tidak sempurna atau cacat akan disingkirkan. Sehingga dalam hal ini penulis dan anggota tim
lainnya dapat mengetahui apa itu Machine Vision dan bagaimana cara kerjanya saat digunakan
untuk mengenali kriteria kertas yang bagus dan jelek atau kusam berdasarkan pengolahan citra
dasar.
5.2. Capaian kompetensi mata kuliah yang berdampak pada peningkatan softskill.
Selain adanya peningkatan kompetensi secara hardskill ada pula peningkatan kopetensi secara
softskill, setidaknya penulis dan anggota tim lainnya mendapatkan kopetensi softskill berupa
pentingnya kerjasama, komunikasi, serta memanajemen waktu yang baik dalam tim sehingga
proyek Parancangan Pabrik Pembuatan Kertas ini dapat diselesaikan.

10
 BAB VI
MATERI MATA KULIAH YANG MASIH PERLU PENDALAMAN

Berdasarkan Pengerjaan Project Based Learning yang berkaitan dengan topik proyek yang
telah dikerjakan yakni Perancangan Pabrik Pembuatan Kertas, Apabila dalam bentuk pengerjaan
dan realisasi yang sesungguhnya tentu teknologi Machine Vision sangatlah berperan penting dalam
dunia industri. Sebagaimana pengunaan Machine Vision untuk melakukan pendeteksi kecacatan
pada kertas yang dihasilkan pada saat proses pemotongan kertas.

11
 BAB VII
PENUTUP

7.1 Kesimpulan
7.2 Saran

12
 DAFTAR PUSTAKA

[1] Raihan, raudhatul. 2018. Makalah Kertas. Aceh . Universitas Malikussaleh Lhokseumawe.
http://myteknikkimiablogaddress.blogspot.com/ (diakses pada 7 Januari 2021 )

[2] Budiharto,Widodo. (2015). Machine Vision,Prinsip dan penerapan.MTI BINUS

University.http://widodo.com/lecturer/Bab%201_7%20Pengantar%20Machine%20Visiondan
%20FeatureDetection2.pdf
[3] Bahri,Khaerul. (2016, 12 juni). Pengertian Array Serta Jawaban Tugas Pendahuluan dan
Akhir.https://www.levatra.com/2016/06/pengertian-array-jawaban-tugas-pendahuluan-dan-
akhir.html
[4] Andre. (2018, 22 Februari). Tutorial Belajar C Part 19: Pengertian Array 2 Dimensi.
https://www.duniailkom.com/tutorial-belajar-c-pengertian-array-2-dimensi/
[5] R. D. Kusumanto, Tomponu, Alan Novi, dan Pambudi, Wahyu Setyo. “Klasifikasi
Warna Menggunakan Pengolahan Model Warna HSV”, Palembang, 2011.

[6] Pamungkas,Adi. (2017, 12 Oktober). Contrast Stretching dan Histogram

Equalization.https://pemrogramanmatlab.com/2017/10/12/contrast-stretching-dan-histogram-
equalization/.
[7] Setiawan,Ismail.,Dewanta,Wika.,Nugroho, Hanung Adi.,Supriyono, Heru. (2019).
Pengolah Citra Dengan Metode Thresholding Dengan Matlab R2014A. Jurnal Media Infotama
volume 15 nomor 2. ISSN 1858 - 2680.
[8] Yatim,Moh. La Andi Rais Imran.,Sari,Jayanti Yusmah.,Ningrum,Ika Purwanti. (2019).
Deteksi Area Wajah Manusia Pada Citra Berwarna Berbasis Segmentasi Warna YCbCr dan
Operasi Morfologi Citra. ULTIMATICS, Vol. XI, No. 1. ISSN 2085-4552.
[9] Wardhana,Adhitya Wishnu.,Prayudi,Yudi. (2008). PENGGUNAAN METODE
TEMPLETE MATCHING UNTUK IDENTIFIKASI KECACATAN PADA PCB.Seminar
Nasional Aplikasi Teknologi Informasi 2008 (SNATI 2008).ISSN: 1907-5022.
[10] Prabowo,Dedy Agung.,Abdullah,Dedy.,Manik,Ari. (2018). DETEKSI DAN
PERHITUNGAN OBJEK BERDASARKAN WARNA MENGGUNAKAN COLOR OBJECT
TRACKING. Jurnal Pseudocode, Volume V Nomor 2.ISSN 2355-5920.
[11] Indarti,Dina. (2015). PENGENALAN OBJEK PADA CITRA BERDASARKAN
SIMILARITAS KARAKTERISTIK KURVA SEDERHANA. JURNAL ILMIAH
INFORMATIKA KOMPUTER Vol 20 No 2.
https://ejournal.gunadarma.ac.id/index.php/infokom/article/view/1748.
[12] Omid Omidi ARJENAKI, Parviz Ahmadi MOGHADDAM, Asad Moddares MOTLAGH,
Online tomato sorting based on shape, maturity, size, and surface defects using machine
vision, Turkish Journal of Agriculture and Forestry.2013

13
14
LAMPIRAN

15