Pemakaian jaringan saraf tiruan untuk mendeteksi kesalahan Printed Circuit Board (PCB)

NUGROHO, Erdhi Widyarto, Dr.Ir. Thomas Sri Widodo, DEA

2006 | Tesis | S2 Teknik Elektro (Magister Teknik Instrumentasi)

Pada produksi massal pembuatan Printed Circuit Board (PCB) kadang terjadi suatu kesalahan. Untuk mengetahui kesalahan tersebut diperlukan ketelitian yang tinggi oleh mata manusia. Penelitian ini bertujuan untuk mencari dan menganalisa memakai jaringan saraf tiruan untuk mendeteksi kesalahan pada PCB. Untuk penentuan ciri dipakai Bilangan Euler, batas (deteksi tepi) dan lingkaran bor. Penelitian ini dilakukan dengan menganalisa penentuan ciri masing-masing pola cacat PCB dengan memakai Bilangan Euler, batas(deteksi tepi)dan lingkaran bor PCB. Pola cacat PCB yang dianalisa dan ditentukan cirinya adalah spurs, break, short, breakout, hole, overetch, underetch, wrong size hole, mousebite dan pulau. Setelah mendapatkan data pelatihan dari penentuan ciri masing-masing pola cacat, data pelatihan dilatihkan pada jaringan saraf tiruan dengan metode backpropagation. Model jaringan saraf tiruan ini kemudian dipakai untuk mengklasifikasi kesalahan pola PCB cacat pada PCB yang akan diuji. Hasil penelitian menunjukkan bahwa keberhasilan jaringan saraf tiruan untuk mengklasifikasi pola kesalahan pada PCB yang cacat tergantung dari penentuan ciri dari tiap-tiap pola yang cacat. Penentuan ciri dari tiap pola cacat dapat ditentukan dengan penentuan batas, penentuan lingkaran bor PCB dan penentuan bilangan Euler.

At mass production making of Printed Circuit Board (PCB) sometime happened an mistake. To know the the mistake needed high correctness by human being eye. This research aim is analyse artificial neural network to detect defect at PCB. While the determination of characteristic is used by Euler Number, boundary and circle drill. This research is done with analysing determination of characteristic of each defect pattern PCB by using Euler Number, boundary and circle drill. Defect Pattern PCB be analysed and determined characteristic are spurs, break, short, breakout, hole,overetch, underetch, wrong size hole, island and mousebite. After getting training data from determination of characteristic of each defect pattern, data is trained by artificial neural network with method backpropagation. Then this artificial neural Network model is used for the classification defect pattern of defect PCB.The result of research indicate that efficacy of artificial neural network for the classification of defect pattern at defect PCB depended from determination of characteristic from every defect pattern. Determination of characteristic of each defect pattern can be determined with determination of boundary, circle drill and Euler number.

Kata Kunci : Jaringan Syaraf Tiruan, PCB, Artificial Neural Network, Euler Number, Boandary, Circle drill, Printed Circuit Board(PCB).