PROTOTYPE SISTEM SORTING PACK SEMEN DENGAN METODE NEURAL NETWORK (NN)

Abstract

Proses packing semen pada PT. Cemindo Gemilang Plant Gresik masih bergantung pada manusia atau petugas yang mengoperasikan sehingga kualitas proses distribusi yang bertaraf internasional menjadi masalah penting terkait error pada saat pengecekan kemasan semen. Object Recognition, digunakan ntuk memperbaiki sistem pengecekan kualitasi kemasan semen tersebut dimana untuk citra digital, identifikasi objek membutuhkan teknik dan metode yang mampu mengidentifikasi dan mengklasifikasi fitur dimana komponen utamanya adalah warna sebagai representasi pada citra digital. Penelitian ini bertujuan membuat inovasi desain sistem klasifikasi citra digital sekaligus pemantauan mengenai kualitas kemasan semen dengan ekstraksi fitur menggunakan Gray Level Co-occurent Matrix (GLCM), fitur yang dihasilkan setelah pengolahan GLCM adalah Correlation, Contrast, Energy dan Homogenity. Fitur tersebut kemudian diklasifikasi menggunakan Neural Network (NN) untuk menentukan kualitas kemasan. Setelah itu ditransmisikan fungsinya pada mikrokontroler Arduino dan selanjutnya dilakukan tindakan yang tepat guna proses sortir untuk mendeteksi kualitas kemasan yang layak ataupun tak layak masuk dalam proses selanjutnya. Semua informasi ditampilkan dalam aplikasi Visual GUI Matlab. Hasil dari ekstraksi fitur menggunakan GLCM bekerja dengan akurat dalam klasifikasi kualitas kemasan menggunakan NN. Pengujian dilakukan dengan menggunakan prototype sistem sortir pack dan dimonitoring menggunakan GUI Matlab. Tingkat keberhasilan mencapai 75% dari delapan kali pengujian.