-
204 ISSN 0216 - 3128
PENDEKATAN COLOR SEGMENTATIONKAMERA TERMOGRAFI INFRA MERAHNOSIS
KERUSAKAN SECARA OTOMATIK
Djoko Hari Nugroho, Ari SatmokoPusat Teknologi Reaktor dan
Keselamatan Nuklir - BATAN
Budhi Cynthia DewiUniversitas Tarumanagara
ABSTRAK
Djoko Har; Nugroho, dkk.
PADA CITRAUNTUK DIAG-
PENDEKATAN COLOR SEGMENTATION PADA CITRA KAMERA TERMOGRAFI INFRA
MERAH
UNTUK DIAGNOSIS KERUSAKAN SECARA OTOMATIK. Untuk merifamin
ketersediaan (availability) dankeandalan (reliability) suatu
instalasi, maka program perawatan prediktif berdasarkan sistem
diagnosiskerusakan (fault diagnosis) menjadi sangat penting untuk
dikembangkan. Penelitian ini bertujuan untukmembangun perangkat
lunak yang dapat secara otomatik melakukan diagnosis kerusakan
berdasarkaninformasi dalam bentuk model citra yang dihasilkan oleh
kamera termografi infra merah denganmenggunakan pendekatan color
segmentation. Teknik ini medeteksi lokasi yang memiliki beda panas
dengandaerah di sekitarnya. Data yang diperoleh dari kamera
pertama-tama diubah ke dalam bentuk citra modelRGB (Red, Green,
Blue), dan kemudian dikonversi ke dalam bentuk citra model CMYK
(Cyan, Magenta,Yellow, Key for Black). Citra model CMYK ini
kemudian diproses menggunakan pendekatan colorsegmentation untuk
mengetahui adanya kerusakan, bila diasumsikan bahwa kerusakan
ditampilkan olehwarna kuning citra yang merepresentasikan adanya
hot spot pada sistem peralatan. Perangkat lunakdibangun menggunakan
bahasa pemrograman Borland Delphi 7.0. Pengujian perangkat lunak
dilakukanterhadap 10 citra masukan. Hasil eksperimen menurifukkan
bahwa perangkat lunak ini dapat secaraotomatik mendeteksi adanya
kerusakan dengan performansi 80 % dari citra gambar masukan.
Kata Kunci: Color Segmentation, model citra CMYK,fault
diagnosis, model citra RGB.
ABSTRACT
COLOR SEGMENTATION APPROACH OF INFRARED THERMOGRAPHY CAMERA
IMAGE FOR
AUTOMATIC FAULT DIAGNOSIS. Predictive maintenance based on fault
diagnosis becomes veryimportant in current days to assure the
availability and reliability of a system. The main purpose of
thisresearch is to configure a computer software for automatic
fault diagnosis based on image model acquiredfrom irifrared
thermography camera using color segmentation approach. This
technique detects hot spots inequipment of the plants. Image
acquired from camera is first converted to RGB (Red, Green, Blue)
imagemodel and then converted to CMYK (Cyan, Magenta, Yellow, Key
for Black) image model. Assume that theyellow color in the image
represented the hot spot in the equipment, the CMYK image model is
thendiagnosed using color segmentation model to estimate the fault.
The software is corifigured utilizing BorlandDelphi 7.0 computer
programming language. The performance is then tested for 10 input
infraredthermography images. The experimental result shows that the
software capable to detect the faultyautomatically with performance
value of80 %from 10 sheets of image input.
Keywords: Color Segmentation, CMYK image model,fault diagnosis,
RGB image model.
PENDAHULUAN
Dewasa ini nilai keselamatan sebuah instalasi(termasuk reaktor
nuklir) ditetapkan padastandar yang tinggi untuk menghindarkan
operator,masyarakat, dan lingkungan dari bahaya yang
tidakdiinginkan. Oleh karena itu jika terjadi kerusakanpada
peralatannya, terutama pada peralatan yang
terkait erat dengan keselamatan, maka harusdilakukan penghentian
operasi. Namun di pihak lainpenghentian operasi seketika yang tidak
terjadwalpada instalasi proses yang amat produktif
haruslahdihindarkan untuk menghindari kerugian yangbesar. Apalagi
suatu instalasi ataupun fasilitasseringkali diharapkan untuk dapat
beroperasiseharian penuh selama 365 hari dalam setahun.
Prosiding PPI - PDIPTN 2007Pustek Akselerator dan Proses Bahan -
BATAN
Yogyakarta, 10 Juli 2007
-
Djoko Had Nugroho, dkk. ISSN 0216 - 3128 205
mengasumsikan satu atau lebih spesifikasi modelkerusakan dan
kemudian dibandingkan satu sarnalain.
dimana g(x,y) adalah nilai keluaran hasil threshold,j(x,y)
adalah greylevel dari point (x,y) dan Tdidefinisikan sebagai nilai
batasnya. Secara umumPersamaaan (]) menyatakan bahwa jika piksel
yangdibaca pada posisi (x,y), memiliki nilai lebih darinilai batas,
maka piksel tersebut didefinisikansebagai objek, dan sebaliknya,
jika piksel yangdibaca memiliki nilai kurang dari atau sarna
dengannilai batas, maka piksel tersebut didefinisikansebagai
latar.
Tipe circuit partitioning bekerja dengan caramemisahkan antara
obyek dengan lokasi yangdicurigai mengalami kerusakan. Keuntungan
daritipe ini adalah sederhana dan umum, sehinggamudah untuk
digunakan. Akan tetapi, tipe ini jugamemiliki kekurangan yaitu
hasil deteksi kurangakurat dan tidak memberikan indikasi yang
jelasterhadap mekanisme kerusakan yang terjadi[3]. Tipemodel-based
diagnosis bekerja dengan cara mem-pelajari kemungkinan-kemungkinan
yang menjadipenyebab kerusakan, kemudian membandingkannyadengan
akibat yang ditimbulkan dari observasi yangdilakukan. Keuntungan
dari tipe ini adalah me-Iibatkan sebuah mekanisme yang baik
Kekurangandari tipe ini adalah tidak dapat diperangkat lunakkanbila
tidak diketahuinya model kerusakan, dan tidakfleksibel[3].
Segmentasi
Segmentasi (segmentation) sebuah citraadalah proses untuk
mempartisi citra nyata ke dalambeberapa daerah[4]. Dapat diartikan
pula bahwasegmentasi citra daerah adalah pembagian citramenjadi
beberapa daerah berdasarkan sifat-sifattertentu dari citra yang
dapat dijadikan pembeda[l].Dalam hal ini, dapat diasumsikan bahwa
bagian dariobyek yang direpresentasikan oleh suatu daerahmemiliki
homogenitas dalam hal kecerahan, wamadan tekstur. Ada dua kriteria
penting dalamsegmentasi citra daerah, yaitu kemiripan nilai
inten-sitas dan kedekatan posisi. Kemiripan nilai inten-sitas
piksel dapat diukur berdasarkan perbedaannilai intensitas keduanya,
sedangkan kedekatanposisi piksel dapat diukur melalui
jaraknya.Segmentasi dapat didekati dengan menggunakanteknik
thresholding dapat didefinisikan sebagaiberikut[l]:
(1)
g(X,y) = 1.. jika k,)rl= 0 jika k, ~rTEORI
Diagnosis Kerusakan
Diagnosis kerusakan (fault diagnosis)didefinisikan sebagai
sebuah perkiraan terhadapkegagalan pemakaian, dan pendeteksian
terhadappenyebabnya terbatas pada bentuk fisik dari sumberyang
dideteksi[3]. Biasanya operasi pada diagnosiskerusakan berdasarkan
pada operasi yang bersifatlogis. Ada dua jenis analisis pada
diagnosiskerusakan yaitu circuit partitioning dan model-based
diagnosis. Circuit partitioning adalah jenisdiagnosis yang
mengidentifikasi porsi darikemungkinan adanya kerusakan pada
komponenyang dicurigai. Sedangkan model-based diagnosis
Salah satu aItematif solusi pennasalahan diatas adalah dengan
diterapkannya perawatanprediktif (predictive maintenance), atau
seringdisebut sebagai condition-based maintenance,performance-based
maintenance, dan conditionmonitoring. Perawatan ini menggunakan
data ataukecenderungan yang diperoleh dari pengamatanterhadap
kondisi peralatan, kemudian data tersebutdiolah, sehingga akan
dapat dideteksi fenomenatertentu yang menjadi kecenderungan
peralatan akanberkembang menjadi rusak.
Salah satu teknik yang dapat digunakandalam perawatan prediktif
antara lain tekniktennografi menggunakan infra merah
(infraredthermography imaging). Teknik ini memeriksaadanya
kerusakan yang ditunjukkan oleh panassuatu lokasi yang lebih tinggi
dari lingkungan disekitamya pada suatu peralatan. Peralatan
yangdapat diperiksa antara lain kerusakan pada circuitbreakers,
transfonnator, sekering, disconnectsswitches, bus, panel, dan
sebagainya
Pada penelitian ini akan dikembangkan suatuperangkat lunak yang
dapat mendiagnosis kerusakansuatu peralatan secara otomatik
denganmenggunakan citra hasil dari kamera tennografiinfra merah.
Diasumsikan bahwa jika peralatanmengalami kerusakan atau mengalami
panasberlebih, maka data citra yang didapat daritermografi infra
merah diidentifikasikan denganwama kuning[2] . Dengan menggunakan
perangkatlunak ini maka diharapkan proses inspeksimenggunakan
kamera tennografi infra merah dapatdilakukan secara otomatik,
dengan mengurangipenggunaan operator manusia. Dengan demikianteknik
ini diharapkan akan dapat digunakan padalingkungan yang tidak
memungkinkan operatormanusia memasukinya, misalnya pada
instalasinuklir, stasiun luar angkasa, maupun satelit.
Prosiding PPI - PDIPTN 2007Pustek Akselerator dan Proses Bahan -
BAT AN
Yogyakarta, 10 Juli 2007
-
206 ISSN 0216 - 3128 Djoko Har; Nugroho, dkk.
Persamaan yang dapat digunakan untukmelakukan segmentasi pada
citra berwarna secaralangsung adalah sebagai berikut :
ko pada Persamaan (2) merupakan nilai output,sedangkan nilai
input yang berupa nilai kromatisididefinisikan dengan ki• Pada
persamaan ini dapatdijelaskan bahwa citra akan bernilai I (putih)
jikanilai kromatisi yang diperoleh lebih besar di-bandingkan nilai
threshold yang telah ditentukan,dan citra akan bernilai 0 (hitam)
jika nilai kromatisiyang didapat lebih kecil atau sarna dengan
nilaithreshold yang telah ditentukan.
Segmentasi Warna
Warna adalah obyek yang diterima olehpenglihatan manusia yang
ditentukan oleh cahayayang dipantulkan pada obyek tersebut[5J.
Terdapatbeberapa model warna yang penting dalam duniakomputerisasi,
yaitu: model warna RGB (Red,Green, Blue), CMYK (Cyan, Magenta,
Yellow, Key
for Black), YcbCr (Luminasi Y dan dua komponenkromatisi Cb dan
Cr), HSI (Hue, Saturation,IntensitaspJ.
Oalam dunia komputer, model warna yangbanyak digunakan adalah
model warna RGB danCMYK. Model RGB adalah suatu model warnayang
didasarkan pada pembentukan warna melaluikombinasi ketiga warn a
pokoknya, yaitu merah,hijau, dan bim untuk mempresentasikan
suatuwarna[lJ. Model warna CMYK didasari pada per-campuran
pigmen-pigmen warna untuk membentukwarna-warna lain. CMYK bekerja
dengan caramenyerap pencahayaan dan warna yang tampakmempakan
bagian dari cahaya yang tidak terserap[6].
Sebuah warna pada model RGB dapatditentukan dengan
mengindikasikan berapa banyakkandungan warna merah, hijau, dan bim
didalamnya. Jika semua warna berada pada batasminimum (tanpa warna)
maka dihasilkan warnahitam dan jika berada pada batas
maksimum(intensitas penuh), maka dihasilkan warna putih[7].
Untuk melakukan segmentasi pada citrawarn a, citra tersebut akan
direpresentasikan terlebihdahulu ke dalam bentuk numerik, hal ini
bertujuanuntuk memudahkan dalam menentukan nilaikromatisi atau
nilai indeks warn a yang nantinyadigunakan untuk perhitungan nilai
ambang batasatau nilai threshold dari citra tersebut.
'CMf = {C', M', Y'} = {l-R, I-G, l-B} (4)
(3)
(5)
(7)
(6)
tROB = {R,G,B}
{ C'-K M'-K Y'-K }tCMYK = ]-K' l-K ' l-K' K
irmin {C', M', Y'} = I
then tCMYK = {0,0,0,1}
else K = min {C', M', Y'}
kemudian konversi ke CMY:
kemudian bam konversi ke CMYK:
Ada beberapa cara merepresentasikan wamake dalam bentuk numerik,
yaitu[IOJ:
]. Warna direpresentasikan pada range 0.0(minimum) sampai 1.0
(maksimum).
2. Warn a direpresentasikan dalam bentuk pro-sentase, dimulai
dari 0% (minimum) sampai100% (maksimum).
3. Warna direpresentasikan dalam bentuk 8-bit,dimulai dari 0
sampai dengan 255.
Pada perancangan perangkat lunak ini,penerapan metode color
segmentation dilakukanpada warna model RGB yang didapat dari
kamera,dan warna-warna yang terdeteksi oleh kamerainframerah
dikonversi dahulu ke dalam bentuk
CMYK, karena pada perancangan perangkat lunakini warna kuning
yang akan dideteksi dandinyatakan sebagai warna yang
mengalamikemsakan. Untuk mengkonversi warna RGB kedalam bentuk
CMYK, digunakan pemetaan yangberfungsi untuk menjadikan warn a pada
ROB semi-ekuivalen terhadap warna pada model CMYK.Langkah-Iangkah
untuk mengkonversi warna ROBke dalam CMYK adalah sebagai berikut(7J
:
Persamaan-persamaan tersebut di atasmenjelaskan bahwa nilai
komponen warn adidefinisikan dalam bentuk vektor t. Sebelum
modelwarna ROB dikonversi ke dalam bentuk CMYK,maka terlebih dahulu
dikonversi ke dalam bentuk
CMY. Nilai CMY dapat diperoleh denganmelakukan operasi
pengurangan nilai warn a murnidengan nilai komponen warna yang
diketahui. Jikanilai terkecil dari warna CMY yang terbentukadalah 1
(warna murni), maka dapat dipastikanbahwa akan terbentuk warn a
hitam murni dan warna
lainnya adalah 0 (tanpa warna). Hal ini mengingatkepada
pembentukan warna subtraktif, yangmenyatakan bahwa jika ketiga
komponen warn a
(2)
'. { ~ 1... jika .....• , ),= 0 jika k; s r
Prosiding PPI - PDIPTN 2007Pustek Akselerator dan Proses Bahan -
BATAN
Yogyakarta, 10 Juli 2007
-
Djoko Bari Nugroho, dkk. ISSN 0216 - 3128 207
lunak ini, penentuan nilai kromatisi yang dihitunghanyalah nilai
kromatisi warna kuning. Untukmendapatkan nilai kromatisi warn a
kuning, dapatdigunakan persamaan sebagai berikut:
y merupakan nilai kromatisi untuk warn a kuning,yang nantinya
nilai ini akan dibandingkan dengannilai threshold yang telah
ditentukan.
Citra yang telah disegmentasi, menghasilkancitra baru yang
memiliki dua wama saja yaitu hitamdan putih. Citra seperti ini
disebut dengan citrabiner. Oari citra biner ini dapat
dilakukanperhitungan ukuran obyek yang biasa dinyatakandengan area
(A), dan secara sistematis dapatdirumuskan sebagai berikut[l] :
PERANCANGANDANPEMBUATAN
Persamaan (12) di atas memiliki arti bahwanilai A didapatkan
dengan cara membaca pikselmilik obyek yang telah disegmentasi dan
menambahnilai A dengan I setiap kali ditemukan piksel milikobyek,
jika pembacaan jatuh pada piksel latarbelakang maka nilai A tidak
diubah. Oalam hal ini,A merupakan luas proyeksi bayangan obyek
didalam citra.
Secara garis besar, blok diagram yang akandirancang dapat
dilihat pada Gambar I. Padagambar tampak bahwa data citra yang
diperoleh darikamera akan didigitalisasi dalam model RGB.Kemudian
model citra tersebut dikonversi keCMYK. Data hasil konversi
disegmentasi warnasehingga diperoleh output yang
menunjukkanprosentase kerusakan dan dimungkinkan juga
dapatdiketahui posisi kerusakan yang akan diteliti padasaat
mendatang.
Perancangan perangkat lunak ini mengguna-kan metode System
Development Life Cycle(SOLe), yang merupakan metode standar
dalampembuatan program perangkat lunak. SOLCmemiliki empat tahap,
dan setiap tahapnyadijelaskan secara sistematis dan terstruktur.
Metodeini menghasilkan dokumentasi yang lengkap,sehingga dapat
mempermudah dalam perawatan danpengembarigan pada masa yang akan
datang.Tahapan dalam metode SOLC harus dilakukansecara berurutan,
yang meliputi perencanaan,analisis, desain, implementasi.
primer pada warna CMY bernilai sarna yaitu 100%,maka warna hitam
akan terbentuk sehingga warnalainnya akan bernilai O. Jika nilai
minimum daTivektor CMY adalah tidak sarna dengan warnamurni, maka
nilai warna hitam yang terbentukadalah nilai minimum tersebut.
Setelah data citra warna model RGB selesaidikonversi, kemudian
warna hasil konversi tersebutakan dicari nilai kromatisi-nya, yang
mana nilaikromatisi tersebut akan dijadikan ideks nilai
untukmenentukan ambang batas segmentasi. Warna dapatdibedakan
karena memilik tiga karakteristik utamayaitu: intensitas kromatik
(brightness),panjanggelombang dominan dalam campuran
gelombangcahaya (hue), dan kemurnian relatif (saturation).Nilai
kromatis atau biasa disebut dengankromatisitas didapat daTi
perpaduan antara hue dansaturation.
Sistem warna yang diterapkan pada alat ukurwarn a, memiliki tiga
buah sumbu utama yaitu X, Y,Z. Sumbu X, Y, Z ini merupakan besaran
relatifyang dapat digunakan untuk memperoleh nilaikromatisi[I].
Secara umum, persamaan matematisuntuk menghitung atau
menormalisasikan nilaikromatisi adalah sebagai berikut[l] :
x = --X
X+Y+Z
(8)
y =
y
X + Y +-2-
(9)
z =
Z
x+y~i
(10)
Karena x + y + Z = I, maka hanya dua nilai yangperlu dinyatakan
dan yang lainnya dapat diketahuidengan menghitungnya. Nilai
kromatisi x, y. dan zmerupakan nilai konstan yang
mendefinisikanindeks nilai warna tiap komponen pada RGBmaupun CMYK.
Nilai x,y,z mewakili komponenwarna yang bebas terhadap kecerahan
warn a,sehingga untuk warna yang mempunyai bentukspektrum panjang
gelombang yang relatif sarnadapat terlihat beda dan warna tersebut
dapatdisegmentasi dengan menjadikan nilai kromatisisebagai nilai
ambang batasnya. Jika keseluruhanindeks nilai tersebut bernilai
sarna, maka obyektidak berwarna, dan jika ada salah satu dari
indeksnilai tersebut memiliki nilai lebih besar dari yanglainnya,
maka warna yang memiliki nilai indeksterbesar merupakan warna
dominan dalam obyek.Oengan kata lain dominasi warna dapat dilihat
daribesaran nilai tiap indeks, warna murni akanmempunyai nilai
indeks sarna, sementara dua indekslainnya bernilai nol. Pada
perancangan perangkat
A
Yy = ----
C+M +Y+K
ffo(x,y)x::::: I y::::: I
(II)
(12)
Prosiding PPI - PDlPTN 2007Pustek Akselerator dan Proses Bahan -
BATAN
Yogyakarta, 10 Juli 2007
-
208-Data Citra.
(Data Nyata)
Input
Simpanan dataKonversi
RGB ke ooK
ISSN 0216 - 3128
Data hasilkonversi
Segmentasi
Djoko Har; Nugroho, dkk.
Output berupa
prosentase
kerusakandan
posisi
kerusakan
Gambar 1. Blok diagram sistem diagnosis kegagalan menggunakan
pendekatan color segmentation.
Tahap pembuatan program merupakanperealisasian rancangan program
yang telah dibuatpada tahap sebelumnya. Pembuatan programperangkat
lunak ini menggunakan perangkat keraskomputer dan perangkat lunak
komputer sebagaiberikut:
I. Perangkat keras yang digunakan, yaitu :
a. Proses or Intel Pentium III 804 MHz.
b. Memori DDRAM 256 MB.
c. Harddisk berkapasitas 40 OB.
d. Monitor 15" dengan resolusi 800 x 600pikseI.
2. Perangkat lunak yang digunakan, yaitu :
a. Sistem operasi Microsoft Windows XPProfessional Version 2002
Service Pack I.
b. Borland Delphi 7.0.
c. HelpScribble
Untuk melakukan color segmentation padaperancangan perangkat
lunak ini, dapat dilakukandengan prosedur sebagai berikut:
I. Konversi data citra analog yang didapat darisumber, menjadi
data citra digital yang bersifatdiskrit, kemudian dipresentasikan
ke dalambentuk numerik.
2. Citra analog yang masih dalam bentuk ROB,dikonversi lagi ke
bentuk CMYK. Proses
konversi ini dengan menggunakan persamaan(3) sampai dengan
persamaan (7).
3. Citra yang telah berbentuk CMYK ini, akan
dicari nilai kromatisinya atau nilai indeks yangdapat dijadikan
sebagai nilai ambang batas untukproses segmentasi, dengan
menggunakanpersamaan (J I).
4. Setelah didapat indeks nilai tersebut, barulah
data disegmentasi. Proses segmentasi ini dapatdilakukan dengan
menerapkan persamaan (2).
HASIL DAN PEMBAHASAN
Tampilan program perangkat lunak pene-rapan color segmentation
untuk mendeteksi adanyakerusakan dapa perangkat suatu instalasi
tampakpada Oambar 2.
Citra input dan hasil segmentasi wama, serta
prosentase indikasi adanya kerusakan dapat dilihatpada Tabel I.
Pada Tabel I dapat dilihat adanya 10citra pada sistem pengkabelan
sebagai bahan uji,dimana pada kolom kedua menunjukkan citra
input,sedangkan kolom selanjutnya menunjukkan masing-masing adalah
citra output hasil segmentasi warna,
estimasi prosentase kerusakan, indikasi adanyakerusakan dan
penilaian akan keberhasilanprogramlperangkat lunak.
Prosiding PPI - PDIPTN 2007Pustek Akselerator dan Proses Bahan -
BAT AN
Yogyakarta, 10 Juli 2007
-
Djoko Hari Nugroho, dkk. ISSN 0216 - 3128
Cot.:.()R SEGMENTATION for FAULT t>1AGNOSIS,-:':",_,:: .. :",
':., ', .. ,,,":':",:,:,.(~.:: -.:~ ... _.:', - -f: .'.-, ,". ',C,
," •.
-
210 ISSN 0216 - 3128 Djoko Har; Nugroho, dkk.
Tabell. Hasil pengujian terhadap citra input (Ianjutan).
KeteranganNomorCitra
7
8
9
10
Citra Input Citra Output
.If
1,·:11-.......m.
-
Djoko Hari Nugroho, dkk. ISSN 0216 - 3128 21/
Pada perangkat lunak ini interface di-rancangan sederhana,
sehingga mempermudahpengguna dalam penggunaannya. Proses
men-diagnosis tidak berbelit-belit dan langsung padatujuan. Dengan
adanya program perangkat lunak ini,akan dapat mempermudah dalam
mendiagnosiskerusakan sistem yang kompleks.
Akan tetapi, tidak dapat dipungkiri bahwaprogram perangkat lunak
ini masih memilikikekurangan, yaitu hanya dapat mendiagnosis
datacitra yang telah diformat dalam bentuk BMP image.Selain itu
program perangkat lunak ini hanya dapatmendiagnosis input secara
satu-persatu, dan belumdapat memisahkan antara objek dengan
latar,sehingga nilai prosentase kerusakan masih bemilairelatif.
KESIMPULAN
Berdasarkan hasil perancangan dan uji coba,maka dapat
disimpulkan bahwa perangkat lunakdapat dibuat sesuai dengan konsep
dan sistematikadengan performansi dalam bentuk
prosentasekeberhasilan pengujian sebesar 80 %. Nilai
tersebutdidapat dari pengujian 10 citra hasil kamerainframerah yang
menunjukkan bahwa walau semuaterdeksi adanya kerusakan, namun
keberhasilanperangkat lunak ditunjukkan oleh dapat di-deteksinya
luas area kerusakan.
DAFT AR PUST AKA
I. AHMAD, USMAN, Pengolahan Citra Digital&
TeknikPemrogramannya, Yogyakarta: OrahaI1mu,2005.
2. CENPEEP, Performance Optimiser_Center forEfficiency and
Enviromental Protection, NTPC,2000.
3. LAVO, DAVID, Fault Diagnosis Overview,.http://www .1ib.ksu.ed
u/depts/assaJ chinaJicae/part5, Agustus 2006.
4. L1U, JIANGING and YANG, YEE-HONG,.Multiresolution Color Image
Segmentation,IEEE TRANSACTION ON PETTERNANAL YSIS AND MACHINE
INTEL-LIGENCE. Vol. XVI, nomor 7, Juli,1994.
5. MAULANA, IRPAN, Pengolahan CitraBem'arna,
http://www.cs.ui.ac.id/ku liah/citra/2004/1-7/K 13-6.ppt, 31
Agustus 2006.
6. WIKIPEDIA, CMYK Color Model,
http://www.en.wikipedia.orglwiki/CMYK _color_model, 1September
2006.
7. WIKIPEDIA, Additive Color, http://www.en.wikipedia.orglwiki/
Additive_color, 1 Septem-ber 2006.
TANYAJAWAB
Saefurrohman
- Aplikasi color segmentation di fasilitas nuklirapa?
- Kenapa asumsi hot spotnya warna kuning?
- Kenapa ROB diubah ke CMYK?
Djoko Hari Nugroho
- Dapat diaplikasikan pada jaringan elektrik danperalatan
mekanis (dalam fasi!itas nuklir) untukmendeteksi adanya
abnormalitas jzmgsi.
- Asumsi diambil untuk threshold batas abnor-
malitas. Pada kasus jaringan listrik yang diam-bi!, warna kuning
secara empiris menurljukkanwarna paling panas bagian yang
mengalamiabnormalitas.
- Karena pada kasus ini abnormalitas diasllmsikansebagai warna
kuning, maka tidak dapatdideteksi dari lI'arna asli keluaran
irifraredcamera berupa model RGB, dan harlls dikonversidulu da/am
model CMYK yang memi!ikikandllngan warna kuning.
Yudi P.
Bisakah suatu cacat permukaan/misal retakrambut dideteksi dengan
konversi perubahanwama.
Djoko Hari Nugroho
Pada prmslpnya irifrared camera dapatmendeteksi perbedaan warna
pada permukaanobyek. Oleh karena itu pula perlakuan
khuslls(treatment) terlebih dahulu agar retak rambutdapat
direpresentasikan dalam degradasi lI'arnao/eh infrared
thermography.
Prosiding PPI - PDIPTN 2007Pustek Akselerator dan Proses Bahan -
BATAN
Yogyakarta, 10 Juli 2007
