Article Per Year (5 Year)
p-Index From 2021 - 2026
2.826
P-Index
This Author published in this journals
All Journal Prosiding Semnastek Komuniti : Jurnal Komunikasi dan Teknologi Informasi Jurnal Ilmiah Sinus Antivirus : Jurnal Ilmiah Teknik Informatika Jurnal Qua Teknika Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara) Jurnal Pengabdian Masyarakat : Pemberdayaan, Inovasi dan Perubahan Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Biner : Jurnal Ilmiah Informatika dan Komputer Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) SOROT: Jurnal Pengabdian Kepada Masyarakat Jurnal el-Huda: Jurnal Pendidikan, Sosial, dan Keagamaan
Kustanto, Kustanto
STMIK Sinar Nusantara Surakarta
Religion Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 51 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 51 Documents
Search

 2   3   4   5   6 
EFEK SINERGIS IMAGE RECOGNITION PADA MODULAR PRODUCTION SYSTEM UNTUK MENDETEKSI KEMASAN RUSAK Kustanto, Kustanto
Jurnal Qua Teknika Vol 16 No 01 (2026): Maret 2026
Publisher : Universitas Islam Balitar Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/quateknika.v16i01.5671

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi cacat kemasan minuman secara otomatis menggunakan algoritma You Only Look Once version 8 (YOLOv8). Sistem ini dibangun menggunakan kamera webcam untuk akuisisi citra, Raspberry Pi atau laptop sebagai pusat pemrosesan, serta Arduino untuk mengendalikan proses penyortiran kemasan berdasarkan hasil deteksi. Dataset citra kemasan diperoleh melalui pengambilan gambar langsung di jalur conveyor, kemudian diberi label menggunakan perangkat lunak Label Studio. Model YOLOv8 dilatih untuk mengenali dua kategori objek, yaitu kemasan baik (good) dan rusak (damage). Proses deteksi dilakukan secara real-time dan hasil klasifikasi dikirim ke Arduino dalam bentuk sinyal logika untuk mengaktifkan micro servo dalam proses sortir. Hasil pengujian menunjukkan bahwa sistem mampu melakukan deteksi dan penyortiran secara otomatis dengan tingkat akurasi sebesar 80% pada Raspberry Pi dan meningkat hingga ±95% saat dijalankan menggunakan laptop. Sistem dinilai layak sebagai prototipe edukatif dan memiliki potensi untuk dikembangkan lebih lanjut dalam implementasi industri berskala kecil hingga menengah.
Co-Authors Adi Setyo Wicaksono Adjie, Galah Seno Ady Widyatmoko Amin Joko Susilo Asqarini, Putu Luvi Azis, Adi Khoirul Bebas Widada Bramasto Wiryawan Yudanto Budi Hartanto Burhani, Mohamad Imam Daniel Tunggono Saputro Didik Nugroho Didik Nugroho, Didik Dwi Remawati Dwi Rudi Setiawan Gilang Ferdiansyah Helfa Renita Berlian Hendro Wijayanto Ibrahim Rizki Insania Istiqomah Irwan Nugroho Level Perdana Mawardani, Stela Juni Muhammad Arib Muhammad Hasbi Nur Fitrina R Achmad Margoyuwono Retno Tri Vulandari Ricky Yandy Darmawantoro Rindy Aji Setya Pratama Risma Dara Awal Aviantika S. Tomo S. Tomo S. Widodo S. Widodo Santi, Indyah Hartami Septiana, Anisa Dwi Setiawan Budhi Laksono Simon Bagus Nugroho Sri Hariyati Fitriasih Sri Harjanto Sri Siswanti Sri Tomo Sri Widoretno Teguh Susyanto Ucik Airtanti Widada, Bebas Wiwin Wijayanti Yehoshua Yehoshua Yoga Yuniadi Yuga Pramusinto Yulius Wahyu Kristanto Yustina Retno Wahyu Utami