PROTOTYPE SYSTEM SORTIR QUALITY CONTROL PADA TUBE SALEP ALUMINIUM MENGGUNAKAN METODE DEEP LEARNING

Bagaskara, Fajar (2025) PROTOTYPE SYSTEM SORTIR QUALITY CONTROL PADA TUBE SALEP ALUMINIUM MENGGUNAKAN METODE DEEP LEARNING. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0921040047 - Fajar Bagaskara - _i_Prototype System __i_ Sortir _i_Quality Control__i_ pada _i_Tube__i_ Salep Aluminium Menggunakan Metode _i_Deep Learning __i_.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Kualitas dan keamanan produk farmasi penting untuk menjaga mutu dan kepercayaan pelanggan. Ketidaksesuaian dalam pengemasan dapat menurunkan kualitas, sehingga dibutuhkan sistem inspeksi otomatis. Penelitian ini merancang prototipe sistem sortir otomatis tube salep aluminium menggunakan metode Deep Learning yaitu SSD MobileNet V2 FPNLite 320x320 dan YOLOv8s untuk mendeteksi cacat seperti penyok, lubang, dan tanpa tutup. Sistem ini menggabungkan kamera, image processing, motor servo, konveyor, dan sensor untuk menyortir produk cacat secara cepat dan akurat. Hasil pengujian menunjukkan bahwa model SSD mencapai rata-rata akurasi 93.80%, dengan performa 100% pada kecepatan 50% dan 60%, 96% pada 70%, serta 90%-91.6% pada kecepatan 80%-100%. Model YOLOv8s memperoleh rata-rata akurasi 92.18%, dengan performa 100% pada kecepatan 50%-60%, 95% pada 70%, dan menurun menjadi 87.1%-90% pada kecepatan lebih tinggi. SSD menunjukkan stabilitas lebih baik pada kecepatan rendah hingga menengah, ideal untuk perangkat spesifikasi device standar, sedangkan YOLOv8s lebih cepat namun rentan terhadap kesalahan pada kecepatan tinggi di device standar. Sistem ini meningkatkan efisiensi quality control dibandingkan metode manual, diharapkan dapat diterapkan di industri farmasi untuk memastikan mutu produk, mengurangi risiko produk cacat, dan meningkatkan kepercayaan pelanggan.

Actions (login required)

View Item