<![CDATA[Proses inspeksi mutu produk atau Quality Control merupakan tahapan yang berfungsi untuk menjamin bahwa produk yang dihasilkan telah memenuhi standar kualitas yang ditetapkan sebelum didistribusikan kepada konsumen. Pemeriksaan kualitas secara manual masih memiliki beberapa kelemahan, seperti membutuhkan waktu lebih lama, bergantung pada ketelitian operator, serta berpotensi terjadi kesalahan akibat kelelahan kerja. Penelitian ini bertujuan untuk menerapkan metode Jaringan Saraf Tiruan berbasis Multi-Layer Perceptron dalam mengklasifikasikan kelayakan kualitas produk pada proses Quality Control. Parameter yang digunakan sebagai masukan meliputi berat produk, dimensi produk, dan suhu pengemasan, sedangkan keluaran sistem berupa status produk, yaitu lolos QC atau reject. Data yang digunakan pada penelitian ini merupakan dataset simulasi yang disusun berdasarkan batas standar kualitas produk. Model MLP dirancang menggunakan tiga neuron input, satu hidden layer, dan satu neuron output, kemudian diimplementasikan menggunakan Google Colab dengan pustaka Scikit-Learn. Hasil pengujian menunjukkan bahwa model MLP mampu mengenali pola data dan mengklasifikasikan status kelayakan produk dengan baik pada data pengujian. Meskipun demikian, pengujian menggunakan dataset yang lebih besar dan data produksi nyata masih diperlukan agar performa model dapat dievaluasi secara lebih akurat dan aplikatif dalam lingkungan industri.]]>
Copyrights © 2025
