Perpustakaan Digital ITB

PT X merupakan perusahaan manufaktur mobil dengan beberapa pabrik di Indonesia yang memproduksi mobil untuk pasar domestik dan internasional. Salah satu tahap pengendalian kualitas yang dilalui pada lini produksi PT X adalah inspeksi final, yaitu pemeriksaan untuk mengidentifikasi cacat pada permukaan mobil. Hingga saat ini, inspeksi final dilakukan secara visual oleh operator manusia. Kondisi ini memiliki risiko dalam aspek akurasi dan kecepatan deteksi: (1) akurasi dalam deteksi cacat dipengaruhi oleh faktor subjektivitas dan kelelahan manusia, dan (2) waktu inspeksi per unit mobil akan berkurang seiring peningkatan laju produksi sehingga operator harus mengorbankan kualitas untuk mempercepat inspeksi. Oleh karena itu, dilakukan pengembangan model deteksi berbasis jaringan saraf tiruan untuk otomasi proses inspeksi final di PT X. Penelitian ini menggunakan 2 model deteksi berbasis Convolutional Neural Network (CNN), yaitu You-Only-Look-Once (YOLOv5) dan Single-Shot-Multibox- Detector (SSD) untuk mengidentifikasi cacat permukaan mobil dalam gambar dan video. Model dilatih untuk mendeteksi 3 jenis cacat – scratch, ding, dan dent – dengan menggunakan foto cacat tiruan sebagai data pelatihan dan foto cacat nyata sebagai pengujian. Berdasarkan evaluasi pada data pengujian, model YOLO terbaik untuk mendeteksi cacat permukaan mobil dengan skor Mean Average Precision sebesar 32.1%. Skor tersebut diperoleh dengan jarak permukaan ke kamera sebesar 20cm dengan sudut pengambilan secara aslant. Penelitian menemukan bahwa hasil deteksi optimal ketika model diuji pada sampel cacat dari jarak 20cm dengan sudut aslant.