PEMODELAN DEEP LEARNING DENGAN ALGORITMA CNN VGG16 UNTUK PENGENALAN DRUM MINYAK YANG DAPAT DIREKONDISI (STUDI KASUS : UD BERKAH)

Drum merupakan suatu benda atau tempat yang berbentuk seperti tabung
ataupun kapsul besar yang memiliki banyak kegunaan, salah satunya sebagai
tempat penampungan cairan berupa air, oli maupun minyak. Drum tidak bertahan
selamanya. Ada masa dimana drum yang terbuat dari logam mengalami
perkaratan. Karat terjadi karena adanya reaksi kimia antara tiga komponen yaitu
air, oksigen dan besi. Selain karat, drum juga bisa penyok. Hal ini membuat drum
menjadi tidak bisa untuk digunakan sehingga perlu dilakukan rekondisi. UD
Berkah menjadi usaha yang bergerak diperdagangan drum yang sudah
direkondisi. Dalam mengenali drum yang bisa dan tidak bisa direkondisi, UD
berkah masih menggunakan sisitem manual yaitu melihat secara langsung ketika
pemasok drum datang. Hal ini menyebabkan banyak waktu yang digunakan. Oleh
karena itu dibutuhkan suatu sistem otomatis yang dapat mengenali gambar drum
yang bisa direkondisi dan tidak bisa direkonsisi. Untuk melakukan klasifikasi
drum, diimplementasikan salah satu algoritma dalam deep learning, yaitu CNN
(Convolutional Neural Network) VGG16. Hasil dari penelitian ini adalah
Prototype sistem pengenalan gambar drum yang bisa direkondisi dan tidak bisa
direkondisi.
Kata Kunci: Pengenalan citra, clustering, drum, rekondisi, CNN VGG16 dan
Prototype