Implementasi Metode Scale Invariant Feature Transform  (SIFT) Untuk Mendeteksi Kecacatan Patah Pada Plastik  Injection

Indah Listiyowati; Tatang Rohana; Kiki Ahmad Baihaqi

Indah Listiyowati
Tatang Rohana
Kiki Ahmad Baihaqi

Keywords: Citra grayscale, Computer Vision, Metode Scale Invariant Feature Transform (SIFT), Plastik injection, Python

Abstract

Proses pengecekan banyak dilakukan untuk mengetahui kualitas suatu barang salah satu contohnya proses pengecekan
produk plastik injection di PT Plasess Indonesia. Proses pengecekan di PT Plasess Indonesia masih menggunakan panca indra
manusia yang mempunyai banyak kekurangan dan kelemahan. Pengecekan dengan panca indra manusia sering terjadi
kelolosan barang cacat patah, sehingga barang yang akan dikirim harus dilakukan pengecekan ulang dan membutuhkan waktu
lebih lama untuk proses pengiriman barang. Berdasarkan masalah tersebut penelitian ini dibuat dengan teknologi aplikasi
untuk mendeteksi kecacatan barang patah pada proses pengecekan dengan computer vicion dan bahasa pemograman
menggunakan python. Pengolahan citra grayscale pada aplikasi untuk mengubah citra gambar sampel original yang akan diuji pada
proses pendeteksian kecacatan barang patah. Proses Pengambilan gambar sampel dilakukan dengan pencahayaan yang normal, satu sisi
dari barang, jarak kamera 15 cm, dan sudut yang berbeda-beda, Kemudian sampel yang digunakan yaitu 30 sampel gambar dengan
pengambilan barang cacat dan tidak cacat. Algoritma yang digunakan untuk mendeteksi dan mengidentifikasi kecacatan barang patah
dengan pengolahan citra menggunakan Scale Invariant Feature Transform (SIFT) yaitu dengan mencari nilai keypoint pencocokan dua
gambar. Pencocokan nilai keypoint lebih dari 100 makan di nyatakan tidak cacat dan kurang dari 100 dinyatakan cacat. Berdasarkan
pengujian dan penerapan pada table pengujian bahwa aplikasi berhasil dilakukan dalam mendeteksi kecacatan patah dengan metode SIFT.
Tabel pengujian berdasarkan konsistensi gambar dengan posisi normal 0°, 45°, 90°, 145°dan 180°

References

[1] I. Mawardi, H. Hasrin, and H. Hanif, “Analisis Kualitas Produk dengan Pengaturan Parameter Temperatur Injeksi Material Plastik Polypropylene
(PP) Pada Proses Injection Molding,” Ind. Eng. J., vol. 4, no. 2, pp. 30–35, 2015.
[2] A. I. Ramadhan, E. Diniardi, and M. Daroji, “Analisa Penyusutan Produk Plastik di Proses Injection Molding Menggunakan Media Pendingin
Cooling Tower dan Udara dengan Material Polypropylene,” Jrst J. Ris. Sains Dan Teknol., vol. 1, no. 2, p. 65, 2017, doi: 10.30595/jrst.v1i2.1577.
[3] A. D. Anggono, “Prediksi Shrinkage Untuk Menghindari Cacat Produk Pada Plastic Injection,” pp. 70–77, 2003.
[4] G. Khoharja et al., “Aplikasi Deteksi Nilai Uang pada Mata Uang Indonesia dengan Metode Feature Matching,” pp. 2–6, 2017.
[5] F. P. Hilman, “Perbandingan Metode Surf Dan Sift Dalam Sistem a Comparison of Surf and Sift Method on Signature Identification System,” vol.
2, no. 2, pp. 2467–2481, 2015.
[6] R. M. Akbar and N. Sunarmi, “Pencocokan Citra Untuk Pengenalan Produk Belanja Menggunakan SIFT ( Scale - Invariant Feature Transform ),”
pp. 77–84, 2018.
[7] M. Koeshardianto, “Pencocokan Obyek Wajah Menggunakan Metode Sift ( Scale Invariant Feature Transform ),” Nero, vol. 1, no. 1, pp. 53–59,
2014.
[8] S. E. Agustina and I. Mukhlash, “Implementasi Metode Scale Invariant Feature Transform ( SIFT ) Dan Metode Continuosly Adaptive MeanShift ( Camshift ) Pada,” vol. 1, no. 1, pp. 1–6, 2012