Article Per Year (5 Year)
p-Index From 2020 - 2025
3.383
P-Index
This Author published in this journals
All Journal JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Penelitian Pendidikan IPA (JPPIPA) Journals of Ners Community Jurnal Teknologi dan Informasi Jurnal Teknologi Dan Sistem Informasi Bisnis Prosiding National Conference for Community Service Project Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) Telcomatics Journal of Information System and Technology (JOINT) Journal of Computer and Information System (J-CIS)
Sama, Hendi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Materials Science & Nanotechnology Nursing Physics

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Computer and Information System (J-CIS)

 1 
CAMERA BASED OBJECT DETECTION AND TRACKING SYSTEM DESIGN FOR DETECTING PCB OBJECTS IN THE MANUFACTURING INDUSTRY Anas Aklani, Syaeful; Salsabila, Nanda; Sama, Hendi
Journal of Computer and Information System ( J-CIS ) Vol 8 No 2 (2025): J-CIS Vol. 8 No. 2 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i2.5793

Abstract

Pengembangan sistem inspeksi kualitas pada industri manufaktur, khususnya pada Printed Circuit Board (PCB), menghadapi tantangan signifikan akibat proses manual yang memakan waktu dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem object detection dan tracking berbasis kamera yang mampu mendeteksi serta melacak pergerakan PCB secara otomatis dengan tingkat akurasi tinggi pada kondisi produksi yang dinamis. Metode penelitian yang digunakan adalah research and development (R&D) melalui tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi sistem. Model deteksi dilatih menggunakan algoritma Convolutional Neural Network (CNN) dengan framework YOLO untuk klasifikasi PCB dan Non-PCB, sedangkan pelacakan dilakukan secara real-time. Hasil pengujian menunjukkan bahwa model mencapai akurasi pelatihan dan validasi sebesar 100% dengan nilai precision, recall, dan F1-score sebesar 1.00 pada kedua kelas. Sistem yang dikembangkan terbukti mampu meningkatkan efisiensi proses inspeksi, meminimalkan kesalahan produksi, serta berkontribusi pada upaya transformasi digital di sektor manufaktur Indonesia.
Co-Authors Aboagye, Osei Enoch Adi Agus Yanto Andik Yulianto Deli Djayadhinata, Djayadhinata Eryc, Eryc Firmansyah, Muhamad Dody Hendi Che Hilton, Chelsea Jerry Khomali, Carlos Justin Liang, Suwarno Lius, Kevin Muhamad Dody Firmansyah Nasution, Dimas Firmansyah Permata, Dwi Ninda Prasetyo , Stefanus Eko Putra, Edi Yulianto Putra, Edy Yulianto Ricky Fernando Sabariman Sabariman Sabariman Salsabila, Nanda Selina Siahaan, Mangapul Stefanie Syaeful Anas Aklani, Syaeful Syahputra, Bayu Tan, Tony Ting, Vincent Vannesse Titoni, Erica Tjahyadi, Surya Tony Wibowo, Tony tukino, tukino Vanessa, Nancy Vendryan WAN, Jed Wan Wijaya, Gautama Zhang, Wesley Zulkarnain Zulkarnain Zulkarnain