<![CDATA[Proses Produksi kapsul jelly memiliki kemungkinan adanya gagal produksi, untuk itu adanya team QC yang memastikan hasil proses produksi agar sesuai standar yang ada. Proses pengecekan hasil produksi kapsul jelly umumnya masih menggunakan teknik manual yaitu dilakukan pengecekan satu persatu. Proses pengecekan memiliki beberapa kekurangan seperti pengamatan yang harus selalu fokus serta kecepatan pengecekan berfokus kepada SDM yang terampil. Untuk itu peneliti ingin mengembangkan penelitian di bidang Deteksi Kualitas Produk Jelly Capsule Pada Industry Farmasi Dengan Pendekatan Convolutional Neural Network (CNN) dengan mengembangkan prototype aplikasi AI Defect Shield System dan Pengembangan Prototyoe, proses pengecekan akan dilakukan menggunakan pencitraan digital dengan membandingkan hasil kapsul produksi dengan hasil pelatihan yang sudah dilakukan sebelumnya. Spesifikasi yang digunakan yaitu :prosesor ™ i7-8650U CPU @ 1.90GHz 2.11 GHz, dengan ram 16GG, SSD 256GB, dan GPU Intel UHT Graphic 620. Hasil dari penelitian ini akan berbentuk web yang dihubungkan dengan camera external (webcame) yang akan diletakan di conveyor hasil produksi, pengecekan dapat dilakukan dengan dua metode yaitu pengecekan secara otomatis ataupun dengan mengupload foto kapsul untuk mengetahui hasil deteksi, hasil history pengecekan akan disimpan dalam bentuk file csv dan pdf. Hasil pengujian menunjukan akurasi dari pengecekan kapsul bernilai 81.82%. yang menunjukan bahwa denyatakan “Sangat Layak” sebagai alat bantu proses pengecekan hasil produksi kapsul jelly. ]]>
