Prototype Sistem Sorting Packaging Rokok dengan Metode Convolution Neural Network

Alfianuddin, Nazar Prototype Sistem Sorting Packaging Rokok dengan Metode Convolution Neural Network. [Tugas Akhir]

[img] Text
09140400013 - Daftar Pustaka.pdf

Download (178kB)

Abstract

Industri rokok adalah salah satu sumber pemasukan bagi negara kita. Saat ini konsumen rokok di Indonesia telah sangat tinggi. Kualitas menjadi hal yang dipikirkan setiap industri untuk memanjakan konsumennya. Tetapi beberapa kendala sering muncul di Industri. Termasuk penurunan kualitas dari rokok. Salah satu penyebab penurunan kualitas rokok adalah masih rendahnya tingkat seleksi sistem Sorting pada Packaging rokok. Buruknya sistem Packaging membuat kualitas rokok menjadi menurun. Bahkan di salah satu industri rokok di Jawa Timur pengambilan produk cacat masih dilakukan secara manual. Dari studi kasus tersebut yang menjadi Latar Belakang Tugas Akhir penulis. Pada sistem ini, Packaging akan dideteksi dan diseleksi menggunakan pengolahan citra. Pengolahan citra akan ditanamkan metode Convolution Neural Network (CNN) yang dimana algoritma ini akan mendeteksi tekstur dari Packaging rokok. Jika terdapat Packaging rokok yang tidak sesuai atau cacat, maka Rejector akan aktif dan membuang Packaging rokok tersebut akan tidak masuk kedalam proses Packing selanjutnya. Pada proses Training Hasil dari penelitian ini mendapatkan tingkat keberhasilan sebesar 96,06%. Pada pengujian data real time, sistem ini mampu mengklasifikasi 148 data dengan benar dari 154 data yang ada. Dan tingkat keberhasilan sistem secara real time sebesar 94,59%.

Item Type: Tugas Akhir
Additional Information: No. Inventaris : 4709/TO-14/2018_Lokasi TA : 248
Subjects: T Technology > T Technology (General)
Divisions: Jurusan Teknik Kelistrikan Kapal > Teknik Otomasi
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 11 Jun 2019 06:54
Last Modified: 11 Jun 2019 06:54
URI: http://repository.ppns.ac.id/id/eprint/1494

Actions (login required)

View Item View Item