Email this article Klasifikasi Hasil Potret pada Cacat Produk Spring Washer menggunakan Metode Transfer Learning Convolutional Neural Network
Abstract
Spring Washer merupakan komponen yang dapat digunakan untuk pengencang berulir. Spring Washer terbuat dari bahan logam lalu dibentuk ring bulat. Dalam Quality Prosedur Perusahaan produk yang diproduksi harus dicek kualitasnya agar tidak ada kecacatan produk terkirim ke pelanggan. Kecacatan pada produk berbahan logam diantaranya adalah korosi pada produk. Pengecekan Spring Washer biasanya dilakukan secara visual manual oleh karyawan, hal ini memerlukan waktu yang tidak sebentar jika yang dicek memiliki kuantitas yang banyak. Dengan adanya Convolutional Neural Network (CNN) dilakukanya perancangan untuk mengklasifikasikan Spring Washer berkualitas baik dan korosi. Dalam penelitian ini dilakukan pembentukan sistem dengan Tiga model transfer learning CNN yaitu VGG16, MobileNet dan Xception. Pembentukan algoritma sistem menggunakan Google Colaboration dengan Bahasa pemrograman Phyton. Dataset diambil dari gambar produk Spring Washer sebanyak 1048 foto dengan keadaan yang berbeda, yaitu Spring Washer Bagus atau Korosi.
Keywords
Full Text:
PDFReferences
M. Tegar and E. Sutoyo, "analisis kegagalan spring washer material sk-5 lapisan electroplating zinc", Ame (Aplikasi Mekanika Dan Energi) Jurnal Ilmiah Teknik Mesin, vol. 5, no. 2, p. 53, 2019. https://doi.org/10.32832/ame.v5i2.2471.
G. Priyotomo, ”Buku Praktis Korosi Dan Logam Untuk Mahasiswa”, nulisbuku.com, 2015
R. Rismiyati and A. Luthfiarta, “VGG16 Transfer Learning Architecture for Salak Fruit Quality Classification,” Telematika, vol. 18, no. 1, p. 37, Mar. 2021, doi: https://doi.org/10.31315/telematika.v18i1.4025.
Y. Tian, G. Zhang, J. Ma, & S. Ma, "Automated rust detection via digital image recognition during grinding work process", 2018 IEEE International Conference on Information and Automation (ICIA), p. 318-323, 2018. https://doi.org/10.1109/icinfa.2018.8812345
A. Fujishiro, Y. Nagamura, T. Usami, & M. Inoue, "Minimization of cnn training data by using data augmentation for inline defect classification", 2020 International Symposium on Semiconductor Manufacturing (ISSM), p. 1-4, 2020. https://doi.org/10.1109/issm51728.2020.9377504
Y. Tian, G. Zhang, J. Ma, & S. Ma, "Automated rust detection via digital image recognition during grinding work process", 2018 IEEE International Conference on Information and Automation (ICIA), p. 318-323, 2018. https://doi.org/10.1109/icinfa.2018.8812345
E. Prasetyo, R. Purbaningtyas, R. Adityo, E. Prabowo, & A. Ferdiansyah, "perbandingan convolution neural network untuk klasifikasi kesegaran ikan bandeng pada citra mata", Jurnal Teknologi Informasi Dan Ilmu Komputer, vol. 8, no. 3, p. 601, 2021. https://doi.org/10.25126/jtiik.2021834369
Sandhopi, Lukman Zaman P.C.S.W, and Yosi Kristian, “Identification of Jepara Motifs on Carvings by Utilizing Convolutional Neural Network”, Jurnal Nasional Teknik Elektro dan Teknologi Informasi, vol. 9, no. 4, pp. 403-413, Dec. 2020.
M. Alwanda, R. Ramadhan, & D. Alamsyah, "Implementasi metode convolutional neural network menggunakan arsitektur lenet-5 untuk pengenalan doodle", Jurnal Algoritme, vol. 1, no. 1, p. 45-56, 2020. https://doi.org/10.35957/algoritme.v1i1.434
E. Ihsanto, K. Ramli, D. Sudiana, and T. S. Gunawan, “Fast and Accurate Algorithm for ECG Authentication Using Residual Depthwise Separable Convolutional Neural Networks,” Applied Sciences, vol. 10, no. 9, pp. 3304–3304, May 2020, doi: https://doi.org/10.3390/app10093304.
DOI: http://dx.doi.org/10.22441/jitkom.v9i1.003
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 Jurnal Ilmu Teknik dan Komputer
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Jurnal Ilmu Teknik dan Komputer
Alamat Redaksi:
Pusat Penelitian Universitas Mercu Buana Jakarta,
Gedung D Lantai 1, Jalan Meruya Selatan No. 01, Kembangan, Jakarta Barat 11650.
Telepon 021-5840816 Pesawat 3451 Fax. 021-5840813.
Homepage : http://www.mercubuana.ac.idEmail : [email protected]
P-ISSN 2548-740X
E-ISSN 2621-1491
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
