<![CDATA[Pengelolaan inventaris farmasi di Rumah Sakit Gigi dan Mulut memerlukan proses yang cepat, teliti, dan terdokumentasi karena ketersediaan obat serta bahan kedokteran gigi berpengaruh langsung terhadap kelancaran pelayanan klinis. Penelitian ini mengembangkan prototipe otomasi inventaris berbasis citra menggunakan model deteksi objek YOLO11s yang dibangun di atas prinsip Convolutional Neural Network. Dataset terdiri atas 2.562 citra, 11 kelas produk, dan 5.486 anotasi bounding box yang dibagi menjadi data latih, validasi, dan uji dengan rasio 70:15:15. Tahapan penelitian meliputi akuisisi citra, anotasi, quality control dataset, praproses, augmentasi, pelatihan, evaluasi, serta perancangan integrasi hasil deteksi ke rekap inventaris. Pada data uji terbatas, model menghasilkan precision 99,37%, recall 98,86%, mAP@0.5 99,41%, dan mAP@0.5:0.95 90,03%. Hasil ini menunjukkan bahwa YOLO11s berpotensi membantu pengenalan jenis produk, lokalisasi objek, dan perhitungan jumlah item pada skenario inventaris farmasi yang tercakup dalam dataset. Namun, klaim kinerja masih perlu divalidasi lebih lanjut pada jumlah kelas yang lebih besar dan kondisi rak farmasi nyata yang lebih beragam.]]>
Copyrights © 2026
