SISTEM PENYORTIR BENDA DENGAN TEKNOLOGI MACHINE VISION BERBASIS MACHINE LEARNING

Khoiri, Muhammad Syahrul (2024) SISTEM PENYORTIR BENDA DENGAN TEKNOLOGI MACHINE VISION BERBASIS MACHINE LEARNING. Sarjana thesis, Universitas Siliwangi.

[img] Text
01. Cover.pdf
Download (269kB)
[img] Text
02. Halaman Judul.pdf
Download (279kB)
[img] Text
03. Halaman Pernyataan Orisinalitas.pdf
Download (275kB)
[img] Text
04. Halaman Pengesahan.pdf
Download (538kB)
[img] Text
05. Kata Pengantar.pdf
Download (326kB)
[img] Text
06. Halaman Pernyataan Persetujuan Penyerahan Hak Milik.pdf
Download (450kB)
[img] Text
07. Abstrak.pdf
Download (324kB)
[img] Text
08. Abstract.pdf
Download (248kB)
[img] Text
09. Daftar Isi ..pdf
Download (401kB)
[img] Text
10. Daftar Gambar.pdf
Download (353kB)
[img] Text
11.Daftar Tabel.pdf
Download (246kB)
[img] Text
12. BAB I.pdf
Download (739kB)
[img] Text
13. BAB II.pdf
Download (2MB)
[img] Text
14. BAB III.pdf
Download (1MB)
[img] Text
15. BAB IV.pdf
Restricted to Repository staff only
Download (4MB)
[img] Text
16. BAB V.pdf
Restricted to Repository staff only
Download (786kB)
[img] Text
17. Daftar Pustaka.pdf
Download (306kB)
[img] Text
18. Lampiran 1.pdf
Download (1MB)
[img] Text
19. Lampiran 2.pdf
Download (1MB)
[img] Text
20. Lampiran 3.pdf
Download (513kB)
[img] Text
21. Lampiran 4.pdf
Download (841kB)

Abstract

Peningkatan kebutuhan suatu produk menuntut dunia industri untuk meningkatkan produktivitas produksinya. Teknologi otomasi industri menjadi solusi untuk mempercepat proses produksi dan menjadi lebih efektif serta efisien. Salah satu penerapan teknologi otomasi industri adalah pada proses penyortiran yang merupakan proses pemilahan barang berdasarkan suatu sifat barang seperti warna, massa, ataupun bentuk. Teknologi otomasi yang dapat diterapkan pada proses penyortiran adalah Machine Vision. Machine Vision memungkinkan mesin dapat melakukan analisis berbasis citra sehingga mesin dapat melakukan suatu pengontrolan terhadapnya. Penelitian ini dilaksanakan untuk melakukan perancangan, pembuatan, dan melakukan analisa terhadap sistem penyortir benda berdasarkan bentuk dengan teknologi Machine Vision berbasis Machine Learning menggunakan PLC dan Raspberry Pi. Sistem penyortiran mengintegrasikan Raspberry Pi sebagai pendeteksi bentuk benda dan PLC sebagai kendali sistem penyortiran. Metode pendeteksian bentuk benda yang digunakan adalah Image classification yang memanfaatkan model Machine Learning dengan algoritma Neural Network yang dihasilkan menggunakan Teachable Machine melalui proses Transfer Learning. Pengujian Sistem dilakukan dengan menguji tingkat akurasi sistem pendeteksian bentuk benda dan keberhasilan sistem penyortir untuk memilah benda. Berdasarkan hasil pengujian sistem pendeteksi bentuk, sistem mampu mendeteksi bentuk benda dengan intensitas pencahayaan mulai dari 50 lux dan optimal pada 200 lux dengan tingkat akurasi 80%. Sistem dapat mendeteksi benda dengan posisi webcam tegak lurus dan 450 terhadap benda dengan tingkat akurasi ketika tegak lurus adalah 80% dan ketika 450 terhadap benda adalah 47,5%. Waktu komputasi dari sistem pendeteksian stabil dengan rata-rata waktu komputasi sebesar 253,88 ms. Sistem pendeteksian memberikan hasil output setelah nilai confidence score atau tingkat kepercayaan terhadap hasil pendeteksian dengan nilai rata-rata minimal sebesar 0,36. Kemampuan sistem penyortir untuk memilah benda sesuai tempatnya berdasarkan hasil deteksi memiliki tingkat akurasi 100%. Kata Kunci: Image Classification, Machine Learning, Machine Vision, Neural Network, Transfer Learning

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Teknik Elektro
Depositing User: Lelis Masridah
Date Deposited: 30 Aug 2024 08:36
Last Modified: 30 Aug 2024 08:36
URI: http://repositori.unsil.ac.id/id/eprint/13828

Actions (login required)

View Item View Item