SISTEM DETEKSI KECACATAN PADA KACA UNTUK MENINGKATKAN KUALITAS PRODUKSI MENGGUNAKAN METODE GLCM-NN

HIDAYAT, SALSABILA PUTRI ARIA (2025) SISTEM DETEKSI KECACATAN PADA KACA UNTUK MENINGKATKAN KUALITAS PRODUKSI MENGGUNAKAN METODE GLCM-NN. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0921040033 - Salsabila Putri Aria Hidayat - Sistem Deteksi Kecacatan pada Kaca untuk Meningkatkan Kualitas Produksi Menggunakan Metode GLCM-NN.pdf Restricted to Repository staff only Download (11MB) | Request a copy

Abstract

Penelitian ini membahas perancangan dan implementasi sistem deteksi kecacatan pada kaca dengan tujuan meningkatkan kualitas serta efisiensi produksi melalui penerapan metode Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi fitur tekstur dan Neural Network (NN) sebagai algoritma klasifikasi. Sistem yang dikembangkan menggunakan kamera sebagai akuisisi citra, sensor proximity untuk mendeteksi keberadaan kaca, serta push button sebagai kontrol utama, sedangkan aktuator berupa motor DC, motor servo, dan buzzer berfungsi sebagai penggerak konveyor, mekanisme sortir, dan indikator peringatan. Berdasarkan hasil penelitian, diperoleh dataset sejumlah 1060 data dengan proporsi training 98,11% dan menghasilkan MSE sebesar 0,1. Selanjutnya, dari 20 kali percobaan, sistem berhasil mendeteksi 18 kaca cacat dan mengalami 2 kali kegagalan deteksi, sehingga tingkat keberhasilan deteksi mencapai 90%. Selain itu, sistem terbukti lebih efektif dan efisien dibandingkan metode Quality Control (QC) manual, karena mampu mempercepat waktu inspeksi sekaligus mengurangi potensi kesalahan akibat keterbatasan manusia. Dengan demikian, sistem deteksi kecacatan kaca berbasis GLCM-NN ini dinilai memiliki potensi yang besar untuk diimplementasikan pada industri kaca dalam rangka meningkatkan mutu produk dan produktivitas proses produksi.

Actions (login required)

View Item