Perancangan Sistem Object Detection Pada Industri Alat Berat Menggunakan Deep Learning - Submit Jurnal

Kurniawan, Dikky (2025) Perancangan Sistem Object Detection Pada Industri Alat Berat Menggunakan Deep Learning - Submit Jurnal. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 04211020_cover.pdf Download (155kB)
	Text 04211020_statement_of_authenticity.pdf Download (120kB)
	Text 04211020_publishing_agreement.pdf Download (2MB)
	Text 04211020_approval_sheet.pdf Download (274kB)
	Text 04211020_preface.pdf Download (148kB)
	Text 04211020_abstract_id.pdf Download (190kB)
	Text 04211020_abstract_en.pdf Restricted to Repository staff only until 4 January 2027. Download (210kB) | Request a copy
	Text 04211020_table_of_content.pdf Restricted to Repository staff only until 4 January 2027. Download (176kB) | Request a copy
	Text 04211020_illustrations.pdf Restricted to Repository staff only until 4 January 2027. Download (167kB) | Request a copy
	Text 04211020_tables.pdf Restricted to Repository staff only until 4 January 2027. Download (124kB) | Request a copy
	Text 04211020_chapter_1.pdf Restricted to Repository staff only until 4 January 2027. Download (252kB) | Request a copy
	Text 04211020_chapter_2.pdf Restricted to Repository staff only until 4 January 2027. Download (570kB) | Request a copy
	Text 04211020_chapter_3.pdf Restricted to Repository staff only until 4 January 2027. Download (414kB) | Request a copy
	Text 04211020_chapter_4.pdf Restricted to Repository staff only until 4 January 2027. Download (1MB) | Request a copy
	Text 04211020_bibliography.pdf Download (196kB)
	Text 04211020_enclosure.pdf Restricted to Repository staff only until 4 January 2027. Download (625kB) | Request a copy
	Text 04211020_paper.pdf Restricted to Repository staff only until 4 January 2027. Download (1MB) | Request a copy
	Text 04211020_Form TA 020.pdf Restricted to Repository staff only until 4 January 2027. Download (286kB) | Request a copy
	Text 04211020_presentations.pdf Restricted to Repository staff only until 4 January 2027. Download (1MB) | Request a copy

Abstract

Proses identifikasi komponen alat berat secara manual seringkali memakan waktu dan rentan terhadap kesalahan, terutama saat teknisi harus memastikan kesesuaian suku cadang. Hal ini dapat memengaruhi efisiensi kerja dan kelancaran operasional industri. Penelitian ini menawarkan solusi berupa sistem otomatis yang mampu mengidentifikasi komponen alat berat dengan cepat dan akurat menggunakan teknologi deep learning. Sistem dikembangkan menggunakan algoritma YOLOv11 dan diimplementasikan pada perangkat Raspberry Pi 4 Model B dan Camera Pi sebagai input citra. Dataset terdiri dari 950 gambar yang mencakup delapan kelas komponen alat berat utama dan tiga objek tambahan sebagai gangguan (distractor). Dataset telah melalui proses augmentasi hingga menghasilkan 2.307 gambar yang dibagi menjadi data pelatihan, validasi, dan pengujian. Hasil deteksi objek disimpan secara otomatis di Firebase dan ditampilkan melalui dashboard web. Berdasarkan hasil pengujian, sistem mampu mendeteksi beberapa objek dalam satu frame dengan nilai mAP50 sebesar 93,2% dan mAP50-95 sebesar 64%. Namun, rata-rata confidence antar kelas saat kondisi multi-objek berada di rentang 0,55%–0,88%, yang masih berada di bawah target minimum 0,9. Beberapa kesalahan klasifikasi juga ditemukan, seperti deteksi background yang salah dikenali sebagai objek. Hasil ini menunjukkan bahwa sistem masih perlu ditingkatkan pada aspek kualitas dataset, penyetelan parameter model, serta stabilisasi perangkat keras. Penelitian ini diharapkan menjadi dasar dalam pengembangan sistem cerdas untuk mendukung efisiensi operasional industri alat berat.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General) T Technology > TS Manufactures
Divisions:	Jurusan Teknologi Industri dan Proses > Teknik Elektro
Depositing User:	Dikky Kurniawan
Date Deposited:	09 Jul 2025 01:23
Last Modified:	09 Jul 2025 01:23
URI:	http://repository.itk.ac.id/id/eprint/22921

Actions (login required)

View Item