Perpustakaan Digital ITB

Inspeksi kualitas merupakan salah satu aspek penting yang perlu dipertahankan oleh perusahaan, termasuk di CV CSM, sebuah perusahaan manufaktur logam berbasis pesanan di Kota Cimahi. Proses inspeksi kualitas manual yang saat ini dilakukan di CV CSM dinilai tidak efisien untuk perusahaan berbasis pesanan dengan keragaman kompleksitas part, terutama dalam proses ekstraksi dimensi part gambar teknik ke dalam lembar inspeksi. Semakin tinggi kompleksitas dan jumlah dimensi pada part, waktu yang dibutuhkan dalam proses ekstraksi dimensi ke dalam lembar inspeksi akan semakin tinggi. Penelitian ini mengusulkan suatu sistem ekstraksi teks dimensi gambar teknik ke dalam lembar inspeksi dengan menggunakan pendekatan neural network untuk dapat mengurangi waktu penyiapan dokumen proses inspeksi kualitas. Metodologi penelitian akan diawali dengan pra-pemrosesan untuk menyiapkan gambar teknik sebagai masukan dalam tahap selanjutnya, yaitu pembangunan model ekstraksi teks dimensi gambar teknik yang terdiri atas lima tahapan, yaitu pembangunan model pengenalan tampilan dan pengenalan area teks dimensi menggunakan pustaka You Only Look Once (YOLO), pengenalan teks menggunakan pustaka OpenCV dan Pytesseract, pemrosesan kepala gambar dengan pustaka Camelot, dan output generation dengan pustaka OpenPyXL. Pada tahap terakhir, akan dilakukan perancangan antarmuka sistem yang terdiri atas antarmuka sistem dengan pengguna menggunakan Streamlit dan antarmuka sistem dengan sistem informasi yang telah digunakan oleh perusahaan saat ini. Hasil dari penelitian ini adalah rancangan sistem ekstraksi teks dimensi dengan menggunakan pendekatan neural network dengan nilai performansi berupa rata-rata recall, precision, dan F1-score sebesar 84%, 87.5%, dan 85% secara berturut-turut. Sistem ekstraksi teks dimensi yang dirancang dalam penelitian ini dapat meningkatkan efisiensi proses ekstraksi dimensi pada gambar teknik dengan penghematan waktu sebesar 92.14% dibandingkan dengan proses ekstraksi dimensi secara manual.