<![CDATA[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.]]>
Copyrights © 2025
