Implementasi Adaptive Neural Fuzzy Inference System (ANFIS) Untuk Menguji Kualitas Printed Circuit Board (PCB)

  • Tatang Rohana Cucu UBP Karawang
Keywords: Sistem Inspeksi Visual Otomatis (SIVO), Pengolahan Citra, ANFIS, PCB, Fuzzy Logic.

Abstract

Pengujian kualitas menggunakan teknik pengolahan citra dan kecerdasan tiruan banyak diterapkan dalam berbagai industri, misalnya industri tekstil, perakitan kendaraan, makanan, minuman, perakitan elektronik, dan lain – lain. Pengujian model ini sering disebut dengan istilah Automated Visual Inspection System (AVIS) atau dalam bahasa Indonesia Sistem Inspeksi Visual Otomatis (SIVO). Penelitian ini mengacu pada model sistem inspeksi, di mana objek pengujiannya adalah keping Printed Circuit Board (PCB). Banyak penelitian tentang pengujian PCB yang sudah dilakukan, tetapi masih banyak yang belum memberikan hasil yang optimum, diantaranya waktu akses yang masih lambat, keakuratan data masih rendah, dan tingkat kesalahan yang masih tinggi. Berdasarkan hasil penelitian dan pengujian yang sudah dilakukan, model ANFIS sangat layak dijadikan sebagai model inferensi kecerdasan buatan dalam sistem yang berbasis inspeksi otomatis khususnya menguji kualitas keping PCB, karena terbukti model ANFIS dengan model hybrid trapesium mf memiliki tingkat kesalahan yang sangat kecil yaitu 4.0186e-007 dan untuk tingkat akurasi pengujian datanya mencapai 99%. 

References

G. Acciani, G. Brunetti, et.al, Multiple Neuro Network System to Classify Solder Joints on Integrated Circuits, International Journal of Computational Intelligence Research. ISSN 0973-1873 Vol.2, No.4 (2006), pp. 337-348.
[2] Kris Adhy Nugroho, R. Rizal Isnanto, Identifikasi Cacat Pada Keping PCB Menggunakan Pencocokan Model (Template Matching), Makalah Seminar Tugas Akhir.
[3] Fernando de Aguiar Faria, et.al, Machine Vision And Artificial Neuro Networks For Seam Tracking And Weld Inspection, ABCM Symposium Series in Mechatronics - Vol. 4 - pp.768-775.
[4] Ms. Anuja Bujurge, et.al, ANFIS Based Color Image Segmentation for Extraction of Salient Features: A Design Approach, Int. J. on Recent Trends in Engineering & Technology, Vol. 05, No. 01, Mar 2011.
[5] A.M. Arymurthy, Diktat Kuliah PCD, Jakarta: Universitas Indonesia. RSI Team. 2004.
[6] A.M. Arymurthy, Suryana, S, Pengantar Pengolahan Citra. Jakarta: PT. Elex Media Komputindo.1992
[7] Sri Huning Arwariningsih, Perhitungan Luas Dan Keliling Bangun Geometri Menggunakan Pendekatan Morfologi, Seminar Nasional Aplikasi Teknologi Informasi (SNATI 2009).
[8] Murtadha Basil Al – Taay, et.al, Automated Visual Inspection for Surgical Instruments Based on Spatial Feature and K-Nearest Neighbor
Published
2021-02-04