<![CDATA[Persaingan pasar ekspor menuntut industri manufaktur alas kaki, seperti PT Tah Sung Hung di Brebes, menjaga standar kualitas produk yang tinggi. Namun, inspeksi cacat secara manual rentan menimbulkan ketidakstabilan akibat kelelahan operator. Penelitian ini bertujuan merancang dan menguji sistem deteksi cacat sepatu berbasis computer vision menggunakan arsitektur YOLOv26n. Model ini memiliki keunggulan inferensi bebas Non-Maximum Suppression (NMS-free) sehingga efisien diterapkan pada perangkat edge di lini produksi.Pengujian dilakukan menggunakan dataset citra simulasi yang mencakup lima jenis cacat: jahitan lepas, lem berlebih, sol tidak simetris, goresan permukaan, dan noda. Model dilatih dengan ukuran citra 640×640 piksel selama 150 epoch. Hasil evaluasi menunjukkan performa dengan rata-rata precision 0,90, recall 0,87, mAP@0.5 sebesar 0,91, dan mAP@0.5:0.95 sebesar 0,71, serta waktu inferensi rata-rata 8,4 ms per citra pada GPU.Secara keseluruhan, arsitektur YOLOv26n berpotensi sebagai solusi deteksi cacat sepatu yang cepat dan akurat. Kendati demikian, validasi lanjutan menggunakan data produksi riil tetap diperlukan sebelum sistem diimplementasikan secara operasional di PT Tah Sung Hung Brebes.]]>
Copyrights © 2026
