RANCANGAN MODEL BINARY CLASSIFICATION GAMBAR PRODUK ZIPPER DENGAN MOBILENETV2

Muhammad Faturachman Atthaariq

Kohesi: Jurnal Sains dan Teknologi
Vol. 2 No. 10 (2024): Kohesi: Jurnal Sains dan Teknologi

Proses pengecekan kualitas produk terutama dalam pabrik manufaktur saat ini masih banyak menggunakan tenaga manusia. Keterbatasan muncul dari sisi tenaga dan waktu kerja pada manusia, yang mana mulai diatasi dengan mengembangkan machine vision berbasis deep learning, di mana pada pengecekan kualitas produk yang bersifat gambar, digunakan metode Convolutional Neural Network (CNN). Model CNN yang digunakan yaitu MobileNetV2 yang ringan dan sudah memiliki akurasi yang tinggi, dengan data gambar yang digunakan adalah zipper pakaian dari MVTec AD yang di augmentasi dengan 5 augementasi. Training dilakukan dengan 3-fold cross validation. Hasil rancangan model klasifikasi pada binary classification yaitu produk layak dan tidak layak menghasilkan skor pada data validation yaitu mean accuracy sebesar 0.8823, mean precision sebesar 0.9186, mean recall sebesar 0.8823, dan mean f1-score sebesar 0.8394.