Seminar Nasional Teknologi dan Rekayasa (SENTRA) 2018

ISSN (Cetak) 2527-6042

eISSN (Online) 2527-6050

INSPEKSI CACAT PERMUKAAN REL KERETA API

MENGGUNAKAN PARALLEL LINES LASER
Suwarsono*1, Budiono2, Kholid Imam S3, Musderita4
Teknik Mesin, Universitas Muhammadiyah Malang

Kontak Person:
Suwarsono
Universitas Muhammadiyah Malang
Email: suwarsono@umm.ac.id

Abstrak
Tuntutan kualitas transportasi khususnya kerta api semakin meningkat. Salah satu aspek pendukung kelancaran perjalanan
kereta api adalah kesempurnaan rel, sebagai pemandu jalan kereta api. Teknologi pengukuran untuk mengukur cacat pada
permukaan rel kereta api sudah banyak dikembangkan. Untuk melakukan inspeksi dan pengukuran rel kereta api yang
panjang dan berbahaya, karena lalulintas kereta api yang sibuk, memerlukan ketelitian dan kecepatan yang tinggi. Tujuan
akhir rangkaian penelitian ini adalah membangun sistem pengukuran cacat permukaan rel kereta api secara visual, yaitu
teknik pengolahan citra (image processing). Kebaruan dalam penelitian ini adalah pada penggunaan Dua Laser Garis
Sejajar dan sensor citra pemantau cacat permukaan jalur rel. Dengan demikian, mampu mendeteksi kualitas rel secara cepat
dan relatif mudah dan kontinyu sehingga dapat memberikan kondisi rel secara menyeluruh. Penelitian ini masuk pada tahap
pengembangan 2 sistem sensor, luaran berupa: (a) sensor pelacak lintasan rel, menggunakan stereo camera, (b) sensor
kualitas permukaan, menggunakan Parallel lines laser dan CCD. Metode parallel laser berhasil mendeteksi adanya cacat
pada permukaan rel dan mendeteksi getaran pada struktur, melalui deteksi perubahan jarak kedua laser. Inspeksi dengan
pengolahan gambar pada makalah ini layak dijadikan alternatif yang bisa menggantikan inspeksi secara manual yang
selama ini dilakukan.

Kata kunci: Inspeksi Rel Kereta, Pengolahan Citra, Laser Paralel, Kerataan Rel Kereta

1. Pendahuluan
Lalu lintas masyarakat modern semakin tinggi, membutuhkan alat transportasi yang cepat,
nyaman dan aman. Pada transportasi darat di Indonesia, khususnya di pulau Jawa, masyarakat banyak
meminati kereta api (train) karena memenuhi persyaratan transportasi tersebut.
Tuntutan kualitas transportasi khususnya kerta api semakin meningkat. Salah satu aspek
pendukung kelancaran perjalanan kereta api adalah kesempurnaan rel, sebagai pemandu jalan kereta
api. Teknologi pengukuran untuk mengukur cacat pada permukaan rel kereta api sudah banyak
dikembangkan. Untuk melakukan inspeksi dan pengukuran rel kereta api yang panjang dan berbahaya
bagi juru inspeksi, karena lalu lintas kereta api yang sibuk, memerlukan inspeksi dengan ketelitian dan
kecepatan yang tinggi [1, 2].
Teknik yang digunakan ini adalah pengembangan dari penelitian sebelumnya yang
menggunakan teknik pengolahan citra sebagai alat untuk mendeteksi tepi las [1]. Di dalam penelitian
sebelumnya, penelitian dilakukan untuk mencari metode deteksi tepi yang paling tepat untuk
menggambarkan kondisi permukaan. Dan kesimpulannya adalah, metode yang paling baik adalah
metode disk 15 (dengan filter berjari-jari 15). Oleh karena itu dalam makalah ini hanya akan
menggunakan metode disk, akan tetapi ukuran jari-jarinya dikecilkan menjadi 12, karena gambar rel
tidak berada pada ruang tertutup sebagaimana pada gambar permukaan las sehingga efek cahayanya
lebih melebar.
Sistem pengukuran terdiri dari kamera digital dan laser garis (Krisbow KW0102546). Keduanya
dipasang untuk sistem tiga sumbu. laser Garis dipasang 1800 mm di atas rel. Ini menghasilkan bidang
cahaya yang memotong profil rel. Kamera digital diletakkan di belakang berkas laser dengan
membentuk sudut ao terhadap cahaya laser. Pengambilan gambar dengan kamera tanpa mengubah
fokus kamera (resolusi 8 Mega Piksel). Pengambilan gambar tanpa merubah fokus lensa (resolusi 8
Mega Piksel). Setup peralatan seperti Gambar 1. Sedangkan hasil foto disajikan pada Gambar 2.

SENTRA 2018 121

 Seminar Nasional Teknologi dan Rekayasa (SENTRA) 2018
ISSN (Cetak) 2527-6042
eISSN (Online) 2527-6050

a b
Gambar 1 Posisi kamera digital dan laser garis terhadap re (a), dan Laser carriage (b)

Gambar 2 Gambar hasil eksperimen (Data yang diolah)

2. Hasil Penelitian dan Pembahasan

Proses pengolahan gambar terdiri dari mengambil gambar garis pencahayaan laser yang
diproyeksikan ke permukaan, dan kemudian penggalian lokasi fisik dari garis laser dari gambar. lokasi
fisik ini dapat terkait dengan profil permukaan yang berada di bawah garis laser. laser Garis
memproyeksikan garis cahaya di permukaan rel. Setelah terpantul dari permukaan profil kecerahan
garis berkurang atau mengalami perubahan lebar dan bentuk [6].

2.1 Pengolahan Gambar

Kekasaran permukaan dapat mendestorsi garis laser yang dipantulkan (Gambar 2). Jadi, gambar
harus diproses dan diekstraksi untuk mengambil informasi yang benar. Pengolahan gambar garis laser
digunakan 8 langkah yaitu :
1. Crop Gambar asli
2. Mengubah bentuk RGB ke Gray scale
3. Unsharp
4. Filter median
5. Filter Deteksi tepi (filter Disk 12)
6. Thresholding
7. Control noise
8. Mengambil garis tengah sebagai grafik permukaan rel

2.1.1 Crop gambar

Gambar yang asli masih terdapat garis laser disekitar gambar rel. Hal ini akan mengganggu
pengolahan, dikarenakan intensitas yang tidak diperlukan mendekati intensitas permukaan rel yang

SENTRA 2018 122

 Seminar Nasional Teknologi dan Rekayasa (SENTRA) 2018
ISSN (Cetak) 2527-6042
eISSN (Online) 2527-6050

diolah. Oleh karena itu gambar dicrop terlebih dahulu. Pengkropan ini tidak akan merubah nilai
intensitas gambar asli, hanya saja mengalami perubahan dalam ukuran gambar.

2.1.2 RGB ke Grayscale

Tergantung pada tujuan penelitian ini, gambar-gambar asli (gambar 2) diekstraksi untuk
mendapatkan warna merah (sinar laser), lalu gambar berubah menjadi grayscale (Gambar 3).
Persamaan berikut mengonversi gambar RGB menjadi gambar grayscale pada pixel-ke-pixel basis.
Nilai grayscale = 0.299R + .587G + 0.114B Persamaan 1 merupakan bagian dari standar NTSC
untuk pencahayaan. Sebuah alternative konversi dari RGB ke grayscale adalah rata-rata: [3-7]

(R + G + B)
Nilai grayscale = (1)
3

2.1.3 Unsharp
Unsharp dilakukan untuk mengontraskan gambar, agar perbedaannya lebih mencolok untuk
selanjutnya diolah dengan median filter. Persamaan filter unsharp adalah Persamaan 2 [3-7].

1 −𝛼 𝛼−1 −𝛼
[ 𝛼− 1𝛼 5 𝛼 −1 ] (2)
(𝛼 + 1)
−𝛼 𝛼−1 −𝛼

2.1.4 Filter Median

Nilai pixel digantikan oleh median dari tingkat abu-abu di lingkungan pixel itu. penggantian ini
berdasarkan distribusi nilai tengah tingkat abu-abu yang dipilih, misalnya.: [12, 14, 0, 15, 17, 20, 255,
13, 19] urutan peringkat piksel = [0, 12, 13, 14, 15, 17, 19, 20, 255], jadi nilai median = 15 nilai
kebisingan berkisar (0, dan 255). Median dari kumpulan data adalah refleksi lebih akurat dari nilai
yang benar saat data dipengaruhi oleh kebisingan [3-7].

2.1.5 Filter Deteksi Tepi (dengan filter disk 12)

Filter disk atau filter dalam bentuk lingkaran. Filter ini melingkar dari semua sisi yang berpusat
pada piksel yang akan di filter. Bentuk dari kernel filter yang digunakan dalam pengolahan citra:
wilayah melingkar dari nilai konstan dikelilingi oleh nol [2,3] Control Noise
Nilai intensitas gambar harus dikontrol untuk hasil yang lebih baik. Disk Metode 12 digunakan
untuk menghilangkan noise dengan cara diputihkan bila dalam radius 12 piksel tidak ada warna hitam.
Pada gambar 6 dapat kita lihat perubahan gambar dari gambar asli sampai dengan langkah ke-7.

2.1.6 Mengambil Garis Tengah

Gambar 3 Pengambilan garis tengah

Setelah pengolahan ini gambar sudah bisa diolah, karena bisa dibedakan dengan jelas antara
gambar laser dan selainnya. Sehingga gambar laser dapat diwakili dengan warna putih. Dari
pengolahan gambar yang ada yaitu tahap terakhir (control Nouse), dapat kita olah selanjutnya dengan
mentransfer tiap tepi atas dan tepi bawah menjadi grafik. Setelah itu dicari pertengahan tepi atas dan
tepi bawah sebagai grafik yang mewakili gambar laser (garis tengah) (Gambar 3). Grafik inilah
selanjutnya akan dijadikan data yang selanjutnya diolah untuk dicari kerataan rel (Gambar 4).

SENTRA 2018 123

 Seminar Nasional Teknologi dan Rekayasa (SENTRA) 2018
ISSN (Cetak) 2527-6042
eISSN (Online) 2527-6050

Gambar 4 Hasil tiap Tahap pengolahan dari asli sampai control noise

2.2 Pengkalibrasian Software

Perbandingan antara jarak pixel dan keadaan nyata adalah dasar yang harus diketahui agar
pengolahan ini memberikan ukuran yang benar dan dapat dipresentasikan dengan satuan mm, untuk
selanjutnya dipakai untuk pengkalibrasian software.
Data kalibrasi dapat dilihat pada Tabel 1. Dengan keterangan : Titik x1 adalah titik sisi kiri
sampel dan x2 adalah titik sisi kanannya, serta titik y1 adalah titik laser yang berada di atas sampel
dan titik y2 adalah titik garis laser yang ada atas meja rata. selisih x2 dan x1 (garis biru) adalah lebar
sampel dan selisih y2 dan y1 (garis hijau) adalah tinggi sampel. kemudian hasilnya dibagi dengan
ukuran nyata untuk menemukan perbandingannya. Keterangan yang dimaksud akan mudah dimengerti
dengan melihat Gambar 5.

Gambar 5 Pengolahan data kalibrasi

Hasil pengolahan citra, disajikan dalam Gambar 6.

(a) Grafik 3 Dimensi Rel (b) Grafik Permukaan Rel

Gambar 6 Plot 3 dimensi grafik rel yang baik

SENTRA 2018 124

 Seminar Nasional Teknologi dan Rekayasa (SENTRA) 2018
ISSN (Cetak) 2527-6042
eISSN (Online) 2527-6050

Kesimpulan
Hasil Validasi software antara ukuran nyata dengan yang diukur manual mencapai 99,6 %. pada
pengukuran lebar permukaan rel serta pada pengukuran tinggi permukaan rel adalah 99 %. Hal ini
memberikan informasi, bahwa pengolahan citra pada makalah ini layak dijadikan sebagai alternatif
untuk menggantikan inspeksi manual yang selama ini dilakukan. Pengolahan dengan pengolahan citra
juga adalah sarana untuk meningkatkan efisiensi waktu inspeksi rel kereta api.
Pada penelitian ini didapatkan kerataan permukaan rel Normal yang diinspeksi adalah 0,45 mm.
Selanjutnya hasil ini dapat dibandingkan dengan standar kerataan permukaan rel kereta, untuk
mengetahui kualitas rel.

Referensi
[1] Baskoro, A.S., Suwarsono, Kiswanto, G., Comparison of Edge-Detection Methods for Vision
Based Clad Height Measurement in Welding Inspection, International Journal of Machine Vision
and Applications, January 2010.
[2] Musderita, Inspeksi Kualitas Rel Kereta Dengan Menggunakan Image Processing Method,
Skripsi, Teknik Mesin UMM 2016
[3] -,Image Processing Toolbox™ User’s Guide, The MathWorks, Inc.,2008
[4] S.W. Smith, Digital Signal Processing, 2nd edition, California Technical Publishing, California,
1999.
[5] -, IMAQTM Vision Concepts Manual, Nasional Instruments Part Number 322916A-01, October
2000.
[6] https://hendriyana90.wordpress.com.
[7] T.A. Davis, Y.C. Shin, Vision-based clad height measurement, International Journal of Machine
Vision and Applications, January 2010.

SENTRA 2018 125