See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/321527382

Algoritma Inspeksi dan Penghitung Kabel Listrik Otomatis Menggunakan

Metode Image Processing

Article  in  Computer Graphics and Image Processing · December 2017

CITATIONS READS

0 587

2 authors, including:

Achmad Syarif Hidayat

Institut Teknologi Sepuluh Nopember
5 PUBLICATIONS   0 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Image Processing View project

All content following this page was uploaded by Achmad Syarif Hidayat on 05 December 2017.

The user has requested enhancement of the downloaded file.

 Algoritma Inspeksi dan Penghitung Kabel Listrik Otomatis
Menggunakan Metode Image Processing
Achmad Syarif Hidayat1, Apriani Kusumawardhani2
1
Institut Teknologi Sepuluh Nopember, Gunung Sari Indah Residence, Blok CC-29 Surabaya
2
Institut Teknologi Sepuluh Nopember, Perumahan Dosen ITS Blok – F nomor 9, Surabaya

ABSTRAK
Dalam penelitian ini dilakukan sebuah perancangan algoritma identifikasi kabel menggunakan
metode image processing . Perancangan algoritma dilakukan menggunakan software Matlab dan
akusisi citra menggunakan bantuak software Microsoft Office 2010 . Kontribusi yang dilakukan dalam
penelitian ini adalah merancang algoritma perhitungan kabel dan penunjukan bagian kesalahan yang
terjadi pada susunan kabel dalam citra. Untuk mengetahui performa dari algoritma yang dibuat
dilakukan uji coba pada 10 gambar yang telah dibuat. Didapatkan juga waktu pemrosesan rata rata
untuk dijadikan parameter ketika di aplikasikan lebih lanjut. Algoritma dapat berjalan dengan baik
dimana memiliki presentasi akurasi rata – rata sebesar 96.7 % dan waktu pemrosesan rata – rata
sebesar 1.8079 sekon. Citra dengan jumlah kabel sebanyak 22 buah di dalamnya memiliki tingkat
akurasi tertinggi dibandingkan dengan jumlah kabel lainnya.
Kata Kunci : Inspeksi, Penghitung, Kabel listrik, Image Processing

1. PENDAHULUAN NYM. Salah satu proses dalam produksi kabel di

Perkembangan dunia perindustrian saat ini
berkembang sangat pesat, dimana hal ini
mengharuskan segala proses yang ada dalam
industri dilakukan dengan cepat dan akurat.
Sesuai dengan Rencana Induk Pembangunan
Industri Nasional pada tahun 2025 Indonesia
ditargetkan menjadi Negara Industri Tangguh
dimana dalam salah satu cirinya adalah
menggunakan teknologi dalam proses
pengembangan produk dan penciptaan pasar [1].
Contohnya pada bidang transportasi, telah
banyak penelitian yang memberikan upaya
pengembangan produk menggunakan teknologi
seperti perancangan sistem pengenalan plat
nomor kendaraan menggunakan kamera [10].
Selain itu, salah satu perundistrian yang
berkembang pesat seiring dengan proyek
pembangunan pada sektor swasta untuk hunian,
gedung, dan kelistrikan adalah industri kabel
tembaga maupun kabel serat optik. Diperkirakan
pada tahun 2017 permintaan kabel nasional naik
mencapai 10% dari tahun sebelumnya [2] dan
akan terus meningkat setiap tahunnya. Salah
satunya adalah jenis kabel NYY, NYA, dan
industri adalah proses inspeksi secara visual
dimana untuk mengetahui kualitas dari kabel
yang diproduksi meliputi jumlah, ukuran, hingga
urutan kabel yang akan di lindungi menjadi satu
dalam sheathing atau sleeve.
Dalam proses inspeksi diperlukan sebuah
metode yang cepat dan akurat dalam
mendeterminasi kualitas produk. Karena
keterbatasan kemampuan manusia untuk
melakukan seperti kelelahan, ketiadaan motivasi ,
ingatan, kemahiran. Maka diperlukan sebuah
sistem monitoring dengan bantuan komputer
atau teknologi computer vision [3]. Hingga saat
ini inspeksi visual menggunakan computer vison
sangat banyak dikembangkan dalam 10 dekade
terakhir ini. [4] mulai dari aplikasinya,
pengembangan algoritma pemrograman, hingga
kecepatan pemrosesan yang akurat.
Terdapat beberapa penelitian maupun
pembuatan rancang bangun sistem untuk
melakukan inspeksi kabel listrik berwarna secara
otomatis, salah satunya yang telah dilakukan
oleh Stefano Ghidoni [5]. Dalam penelitian yang
dilakukan oleh Stefano terdapat beberapa
kontribusi yang dilakukan meliputi self-learning
system, robust segementation, dan color
recognition [5]. Sehingga belum adanya
kemampuan untuk menghitung secara real-time
dan menentukan bagian kabel mana yang terjadi
dislokasi urutan.
Untuk meningkatkan pengaplikasian inspeksi
kabel tersebut, dalam penelitian ini dirancang
sebuah algoritma untuk melakukan proses
inspeksi kabel menggunakan software Matlab
sehingga didapatkan informasi mengenai
banyaknya jumlah kabel dan terjadinya
kesalahan urutan pada kabel yang diproduksi.
Tiruan citra kabel yang digunakan dibuat
menggunakan bantuan software Microsoft Office
dengan tools rectangular shape yang memiliki
warna hijau, kuning, dan biru sesuai dengan
sistem warna RGB. Dengan menggunakan
software tersebut diasumsikan bahwa sumber
cahaya bersifat homogen pada setiap titiknya.
2. LITERATURE REVIEW
2.1 Kabel Listrik
Kabel listrik merupakan sebuah media untuk
menghantarkan sebuah energi (arus listrik).
Besarnya energi tersebut dapat memberikan
artian terkait hal apa yang dihantarkan. Ketika
energi yang dihantarkan memiliki orde mili
(miliampere, berkisar antara 4 – 25 mA, 3.3 – 24
volt DC/AC) maka energi yang dihantarkan
berisikan sebuah informasi. Aplikasi ini
biasanya digunakan pada signaling untuk
komunikasi. Ketika energi yang dihantarkan
memiliki orde lebih dari 25 mA maka energi
yang dihantarkan untuk mengaktivasi sebuah
sistem atau mengfungsikannya. Jika ditinjau dari
jumlah penghantar di dalamnya, kabel dapat
diklasifikasikan kedalam empat jenis [6]
meliputi;
a.) Penghantar Simplex
Kabel ini dapat berfungsi untuk satu macam
penghantar saja meliputi kabel NYA 1,5
mm²; NYAF 2,5 mm² dan sebagainya.
b.) Penghantar Duplex
Kabel ini dapat berfungsi untuk
menghantarkan dua aliran yang berbeda.
Penghantar diberi isolator dan keduanya
disatukan dengan sleeve meliputi NYM
2x2,5 mm² dan, NYY 2x2,5mm².
c.) Penghantar Triplex
Kabel ini dapat berfungsi untuk
menghantarkan aliran tiga fasa (fasa, netral,
dan arde) meliputi NYM 3x2,5
mm² dan NYY 3x2,5 mm²
d.) Penghantar Quadruplex
Kabel ini dapat berfungsi untuk
menghantarkan arus listrik tiga fasa beserta
netral. Bentuk kabel tembaga yang
menyusun kabel ini berbentuk pejal, berlilit,
dan serabut meliputi NYM 4x2,5 mm²,
NYMHY4x2,5mm².
2.2 Standar Warna Kabel
Sesuai dengan Peraturan Umum Instalasi
Listrik Tahun 2011 Amandemen tahun 2013
adapun standar warna kabel listrik yang
digunakan sesuai pada Gambar 1. Berikut [7]
Gambar 1. Standar warna kabel
(Sumber : PUIL, 2013)
Kabel fasa pada dasarnya dibungkus dengan
sleeve untuk mengantisipasi adanya kontak
penghantar dengan manusia. Warna sleeve yang
berbeda menunjukkan perbedaan bentuk energi
yang dihantarkan. Dimana ketiga penghantar
tersebut di balut kembali dengan isolator untuk
meringkas susunan kabel.
2.3 Image Processing
Image Processing merupakan sebuah teknik
manipulasi dan modifikasi citra digital
menggunakan komputer untuk keperluan
tertentu seperti pemetaan, fotografi, robotika,
dan monitoring. Secara umum, istilah
pengolahan citra digital menyatakan pemrosesan
gambar berdimensi dua melalui komputer digital
[8].
Adapun terdapat beberapa tahapan yang
dianjurkan sebelum melakukan pemrosesan
yaitu tahap pre-processing. Tahapan ini meliputi
proses smoothing, sarphening,dan noise removal.
Teknik ini dapat menghasilkan citra yang lebih
tajam, kontras, dan terhindar dari noise. [9]
2.4 Segmentasi Citra
Merupakan sebuah teknik yang digunakan
untuk membagi citra ke dalam beberapa area
dimana setiap area memiliki kemiripan atribut.
Sehingga, segmentasi citra merupakan proses
yang ditujukan untuk mendapatkan objek-objek
yang terkandung di dalam citra. Contoh
ditunjukkan pada Gambar 2.. Contoh penerapan
segmentasi adalah fasilitas “Magic Wand” yang
biasa terdapat pada perangkat pengedit foto [8].
Gambar 3. Segmentasi citra
3. METODE
Adapun prosedur eksperimen yang dilakukan
dalam penelitian ini adalah sebagai berikut pada
Gambar 4.
Figure 4. Flow Diagram
Dalam penelitian ini digunakan komputer
dengan spesifikasi processor Intel® Core™ i3-
2310M CPU @ 2.10GHz, RAM 4.00GB
operating system type Windows 7 Ultimate 64-
Bit. Adapun software Matlab yang digunakan
adalah Matlab R2014b V8.4.
3.1 Image Acquisition
Dalam tahap ini dilakukan pembentukan citra
menggunakan bantuan Software Microsoft Word
2010 (Ms. Word 2010) dengan membuat
beberapa persegi dengan tools insert > Shape >
Rectangle. Citra dibuat sedemikian rupa sesuai
dengan kondisi ideal sebenarnya yaitu diberi
efek gradasi linier karena persebaran cahaya
yang bervariasi, dan efek shadow offset diagonal
top right pada Ms. Word 2010. Setelah semua
rectangle telah dibuat, rectangle diberi warna
hijau, kuning, dan biru dengan pemilihan sistem
warna RGB. Setiap warna memiliki nilai RGB
sesuai pada Tabel 1. Berikut
Tabel 1. Nilai RGB setiap komponen warna
Nilai digital
Warna
R G B
Biru 58 107 165
Kuning 230 230 0
Hijau 0 158 65
Setelah format shape dilakukan, shape yang
telah dibuat di crop menggunakan bantuan
software Snippping Tool pada Windows
Sehingga didapatkan citra digital tiruan sesuai
pada Gambar 5. Berikut
Gambar 5. Citra digital kabel refrensi
Sebagai citra penguji dibuat 10 jenis citra
kabel dengan metode yang sama. Citra tersebut
memiliki susunan warna yang tidak sesuai
dengan Gambar 5. Dengan jumlah kabel yang
berbeda. Adapun gambaran dari citra tersebut
terdapat pada Gambar 6. Berikut
 dibentuk oleh gabungan empat titik sehingga
membentuk bidang persegi berukuran 76 x 660
pixel. Nilai batas batas bidang yang menjadi
ROI dalam penelitian ini disebutkan pada Tabel
3.
Tabel 3. Nilai X dan Y batas batas dari ROI
Koordinat
X1 Y1 X2 Y2
0 15 Panjang 75
citra
Nilai dari X2 pada Tabel 3. Disesuaikan
dengan panjang citra yang telah di akusisi.

3.4 Wire Identification

Gambar 6. Citra tiruan yang ingin diidentifikasi
Dalam tahap ini dilakukan pembentukan
3.2 Background Learning
komponen treshold dari proses segmentasi dan
Dalam tahap ini dilakukan identifikasi latar
perbaikan citra hasil segmentasi menggunakan
belakang termasuk mengidentifikasi bayangan
metode morfologi closing dengan elemen
yang ada dalam citra. Identifikasi dilakukan
penstruktur disk dengan diameter satu piksel
menggunakan bantuan software Matlab sehingga
guna mengurangi noise yang tidak diinginkan.
didapatkan rentang nilai RGB dari latar belakang
Nilai diameter disk diubah ubah dan didapatkan
yang ingin dihilangkan. Nilai RGB dari
citra yang paling baik adalah diameter disk satu.
background didapatkan sesuai pada Tabel 2.
Berikut pada Gambar 7. didapatkan hasil
berikut
komponen treshold
Tabel 2. Range nilai RGB setiap komponen
warna background
Nilai digital
R G B
127 - 255 127 - 255 127 - 255 Gambar 7. Komponen treshold hasil segmentasi
Nilai ini digunakan untuk melakukan
segementasi pada citra. Segmentasi dilakukan Bagian putih merupakan bagian kabel,
dalam bentuk biner. sedangkan yang bagian hitam adalah
background dari citra tersebut. Komponen
3.3 Color Equalization treshold ini akan dioperasikan (perkalian antar
Setelah citra dapat diidentifikasi, tahap komponen) dengan citra asli. Sehingga
selanjutnya adalah proses peningkatan didapatkan citra kabel yang teridentifikasi
ketajaman dan penghalusan citra. Metode seperti pada Gambar 7. Berikut
penajaman citra menggunakan fungsi
Imsharpen(Figure). Citra yang dihasilkan
memiliki kontras atau perubahan warna antara
bagiannya lebih jauh. Selain itu dalam proses ini
juga ditentukan Region of Interface (ROI) dari
Gambar 8. Hasil citra kabel teridentifikasi
citra yang telah diakusisi. Hal ini dilakukan agar
3.5 Color measurement and counting
proses identifikasi menjadi lebih cepat karena
Pada tahap ini dilakukan pengukuran warna
hanya terfokuskan pada ROI. Jika X adalah
dan proses perhitungan jumlah kabel. Dalam
sumbu horizontal dan Y adalah sumbu vertikal
penelitian ini untuk melakukan perhitungan
maka ROI ditentukan dengan luasan yang
jumlah kabel digunakan komponen citra
treshold. Diambil satu baris matriks 1 x 660
pada posisi Y = 36 dalam komponen treshold
(citra biner) untuk dijadikan sebagai indikator
perubahan warna. Dengan menggunakan fungsi
count yang dimana nilainya bertambah ketika
terjadi perubahan dan nilai dari piksel tersebut
bernilai “satu” (“satu” berarti terindikasi bagian
tersebut adalah kabel). Ketika nilai count
bertambah, dilakukan pengukuran warna pada
posisi X+5 dan Y yang sama (X adalah posisi
ketika terjadi perubahan dari “nol” ke “satu”
pada matriks) pada citra pada Gambar 8.. Hal
ini dilakukan agar pengukuran warna dilakukan
pada bagian tengah dari kabel. Nilai count
ditampilkan pada Gambar 8. Seperti
ditunjukkan pada Gambar 9. berikut
Gambar 9. Hasil identifikasi kabel, angka “9”
menunjukkan jumlah kabel yang teridentifikasi
Selain itu dari Gambar 8. Didapatkan hasil
pengukuran komponen warna RGB dalam
matriks sebagai berikut
toleransi ± 15 (range) terhadap nilai refrensi
yang didapatkan pada matriks R, G, B di tahap
color measurement. Ketika nilai piksel diluar
dari range maka garis merah akan tergambarkan
pada Gambar 9. yang dimana mengindikasikan
kesalahan urutan warna kabel terjadi pada posisi
tersebut. Dengan menggunakan citra “False1”
adapun hasil dari tahap ini adalah sebagai
berikut pada Gambar 10.
Gambar 10. Hasil citra teridentifikasi adanya
kesalahan urutan kabel
4. HASIL DAN PEMBAHASAN
Setelah keseluruhan program dapat berjalan
dengan baik, selanjutnya dalam penelitian ini
dilakukan proses uji coba pada 10 sampel citra
sesuai pada Gambar 6.. Dari proses uji coba
tersebut maka didapatkan performa dari
algoritma yang telah dibuat serta waktu
pemrosesan yang diperlukan. Performa tersebut
di rumuskan sebagai akurasi (ACC).
. . . . (1)

Dimana TP adalah True Positive yang

mengindikasikan jumlah kabel yang
teridentifikasi dengan benar. Sedangkan FP
adalah False Positive yang mengindikasikan
jumlah kabel yang salah teridentifikasi. Apaun
hasil uji coba ditunjukkan pada Tabel 4. Berikut

Tabel 4. Hasil uji coba menggunakan citra

Nilai dalam matriks R,G,B ini selanjutnya tiruan
dijadikan refrensi dalam identifikasi urutan kabel Citra TP FP ACC Processing
berdasarkan warna. teridentifikasi Time (s)
False1 23 0 1 1.941
3.6 Wire Color Sequencing False2 24 0 1 1.780
Dalam tahap ini dilakukan identifikasi urutan False3 23 0 1 1.812
warna kabel sesuai dengan refrensi pada False4 21 2 0.913 1.797
Gambar 8.. Mula-mula ditentukan range dari False5 22 1 0.956 1.810
warna yang diidentifikasi untuk mengantisipasi False6 22 0 1 1.766
bias nilai piksel warna yang terjadi pada citra False7 20 1 0.952 1.783
yang ingin diidentifikasi dengan memberikan False8 20 1 0.952 1.799
 False9 22 0 1 1.753
False10 19 2 0.904 1.838
Rata - Rata 0.967 1.8079
Dari Tabel 4. Didapatkan bahwa akurasi
tertinggi dan waktu proses tercepat terjadi pada
citra yang memiliki jumlah kabel sebanyak 22
buah. Semakin banyak atau sedikit jumlah kabel
yang diidentifikasi, kemungkinan terjadinya
kesalahan pembacaan menjadi lebih besar. Hal
ini dikarenakan beberapa faktor, seperti
terjadinya kesalahan identifikasi warna, posisi
kabel yang terlalu berhimpit, atau persebaran
pencahayaan (gradasi warna kabel) yang tidak
merata.
KESIMPULAN
Dalam penelitian ini, telah dilakukan
perancangan algoritma pengidentifikasian warna
dan jumlah kabel listrik. Algoritma dapat
berjalan dengan baik dimana memiliki presentasi
akurasi rata – rata sebesar 96.7 % dan waktu
pemrosesan rata – rata sebesar 1.8079 sekon.
Citra dengan jumlah kabel sebanyak 22 buah di
dalamnya memiliki tingkat akurasi tertinggi
dibandingkan dengan jumlah kabel lainnya.
Dalam aplikasinya diperlukan pengondisian
penchayaan yang baik dan homogen pada setiap
kabelnya. Sehingga terjadinya kesalahan
pembacaan warna dapat diminimalisir dengan
baik dan meningkatkan akurasi pembacaan.
of fruits and vegetables. Brazilian Journal of
Food Technology : Campina
[4] E. Malamas, E. Petrakis, M. Zervakis, L.
Petit, and J.-D. Legat, “A survey on
industrial vision systems, applications and
tools,” Image Vision Comput., vol. 21, no. 2,
pp. 171–188, 2003.
[5] Stefano. 2015. Automatic Color Inspection
for Colored Wires in Electric Cables. IEEE
[6] Muhaimin. 1995. Instalasi Listrik I.
Bandung : Pusat Pengembangan Pendidikan
Politeknik Negeri Bandung
[7] Bartien, dkk. 2014. Persyaratan Umum
Instalasi Listrik 2011. Jakarta : Kementrian
Energi dan Sumber Daya Mineral
[8] Kadir, A., & Susanto, A. (2013). Teori dan
Aplikasi Pengolahan Citra. Yogyakarta:
Andi.
[9] Rahmah, F., Kusumawardhani, A., Setijono,
H., Hatta, A. M., & Irwansyah. (2015).
Radial Line Method for Rear-View Mirror
Distortion Detection. SPIE.
[10] Yulida, Selpha. (2013). Perancangan Sistem
Pengenalan Plat Nomor Kendaraan
Menggunakan Metode Principal Component
Analysis. Surabaya : Jurnal Teknik
POMITS

REFERENCE
[1] Soerjono. 2016. Laporan Kinerja
Kementrian Perindustrian Tahun 2015. Biro
Perencanaan Kementrian Perindustrian
Republik Indonesia : Jakarta
[2] Ichwan, 2017. Permintaan Kabel Dalam
Negeri Tumbuh 10%. TribunNews : Jakarta.
Diakses melalui
http://wartakota.tribunnews.com/2017/04/11
/permintaan-kabel-dalam-negeri-tumbuh-
10-persen pada 25/11/2017 pukul 13.31
WIB
[3] Erick. 2013. Review: computer vision
applied to the inspection and quality control

View publication stats