PROTOTYPE SISTEM SORTIR PACKAGING TEPUNG TERIGU BERDASARKAN CACAT PADA PEREKAT KEMASAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

RICHO, RICHO (2023) PROTOTYPE SISTEM SORTIR PACKAGING TEPUNG TERIGU BERDASARKAN CACAT PADA PEREKAT KEMASAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0919040040 - Richo - i Prototype _i Sistem Sortir i Packaging _i Tepung Terigu Berdasarkan Cacat pada Perekat Kemasan Menggunakan Metode i Convolutional Neural Network _i (CNN).pdf Restricted to Repository staff only Download (20MB) | Request a copy

Abstract

Pertumbuhan industri makanan dan minuman yang semakin tinggi membuat peran Pemerintah dalam menjamin kualitas produksi terus digencarkan, salah satunya yakni industri tepung terigu. Kemajuan dan perkembangan teknologi otomatisasi membuat dampak perubahan yang cukup besar dalam bidang pengolahan pangan. Namun berbagai permasalahan dan kendala dalam proses produksi khususnya pada industri tepung terigu kini terus bermunculan, seperti klasifikasi hasil kelayakan dan standarisasi kemasan produk tepung terigu yang masih dilakukan secara manual dengan pengamatan mata manusia. Tentunya hal tersebut memicu terjadinya kelengahan dan kesalahan pengamatan oleh operator dalam pengawasan produk tepung terigu yang cacat dan dapat mengakibatkan turunnya kualitas penjualan produk. Berdasarkan permasalahan tersebut, penulis mengusung Tugas Akhir berupa sistem sortir packaging tepung terigu dengan metode Convolutional Neural Network (CNN) sebagai klasifikasi kerusakan pada area perekat kemasan dengan 2 kategori output yakni normal atau cacat. Penelitian ini menggunakan optimizer Adam pada model CNN yang diterapkan dalam deteksi real-time dengan akurasi training dan testing sebesar 100%. Pengujian data testing dilakukan pada 30 sample dengan total deteksi benar mencapai 27 sample atau sebesar 90%. Berdasarkan hasil pengujian tingkat pencahayaan, sistem deteksi dapat menghasilkan ketepatan deteksi dengan rentan pencahayaan yakni antara 45 hingga 136 Lux. Tingkat kerusakan pada kategori produk cacat menghasilkan ketepatan deteksi dengan panjang bercak antara 3 cm hingga 7 cm. Berdasarkan hasil pengujian sistem deteksi real-time diperoleh akurasi keberhasilan sebesar 90%. Dimana ketepatan respon rejector pada sistem deteksi mencapai 100%.

Actions (login required)

View Item