ABSTRAK Wiweka Wiryanto
PUBLIC Irwan Sofiyan
COVER_Wiweka Wiryanto.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB I_Wiweka Wiryanto.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB II_Wiweka Wiryanto.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB III_Wiweka Wiryanto.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB IV_Wiweka Wiryanto.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB V_Wiweka Wiryanto.pdf
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
PUSTAKA Wiweka Wiryanto
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Pengukuran deformasi dari suatu benda merupakan salah satu hal yang penting dalam
dunia teknik mesin dewasa ini. Dengan mengetahui seberapa besar deformasi yang terjadi,
seberapa dekat pembebanan dengan kondisi kritisnya dapat diketahui. Sayangnya metode
pengukuran deformasi yang ada saat ini masih kurang praktis untuk melihat deformasi benda
secara menyeluruh. Permasalahan tersebut dapat diatasi menggunakan metode pengukuran
korelasi citra digital atau digital image correlation (DIC). DIC bekerja dengan cara melacak
perpindahan titik-titik pada citra sebelum deformasi dan sesudah deformasi terjadi lalu
melakukan pengukuran jarak perpindahan masing-masing titik. Dari perpindahan tiap-tiap titik
tersebut, perangkat lunak DIC akan dapat menganalisisnya menjadi deformasi serta tegangan
yang akibat pembebanan pada benda.
Sebelumnya FTMD ITB telah berhasil mengembangkan perangkat lunak DIC untuk
pengukuran deformasi kecil menggunakan parameter korelasi template matching seperti
normalized cross correlation. Akan tetapi, metode korelasi ini kurang optimal apabila
diterapkan pada deformasi-deformasi yang cenderung besar karena cenderung kurang akurat
dan memakan daya komputasi yang besar.
Oleh sebab itu, dalam tugas sarjana ini, permasalahan tersebut akan dicoba diselesaikan
dengan menggunakan suatu algoritma feature matching yang bernama Speeded-Up Robust
Features (SURF) yang dilengkapi dengan algoritma statistik Random Sampling Consensus
(RANSAC) untuk membuang data outlier. Algoritma baru ini mendapatkan hasil pengujian
yang cenderung lebih akurat hingga 97% dan lebih ringan hingga 89% dalam hal beban
komputasi dibanding algoritma sebelumnya.