<![CDATA[Perkembangan Artificial Intelligence (AI) sangat pesat, saat ini bahkan telah merambah ke berbagai sektor industri tak terkecuali industri Food & Beverages (F&B). Salah satu tantangan utama dalam industri F&B adalah pemenuhan target lini produksi yang membutuhkan ritme kerja cepat serta kualitas yang konsisten, yang sulit dipertahankan jika hanya mengandalkan tenaga manual. Berdasarkan masalah tersebut, penelitian ini dilakukan untuk mengembangkan model deteksi warna label botol menjadi dua kelas yaitu: kelas “MERAH” untuk botol berlabel merah dan kelas “BIRU” untuk botol berlabel biru. Sistem ini diperuntukkan sebagai tahap pensortiran sebelum melakukan pengisian cairan ke dalam botol. Algoritma YOLOv8 berbasis Convolutional Neural Network (CNN) dipilih sebagai metode utama dalam penelitian ini. Hasilnya model berhasil dikembangkan dengan performa yang sangat baik, yang dicerminkan melalui metrik evaluasi model YOLOv8, dengan nilai rerata precision mencapai 97,4%, diikuti recall sebesar 99%, mAP@50 senilai 99,4%, serta mAP@50-95 yang berada pada angka 84,9%. Melalui skenario pengujian real-time, pengujian dilakukan dengan melakukan deteksi pada dua kategori objek yaitu: botol berlabel merah dan botol berlabel biru. Hasil pengujian real-time menunjukkan bahwa sistem mampu mencapai akurasi sebesar 100% pada target objek, sedangkan hasil pengujian pada tiga tingkat pencahayaan mencapai akurasi sebesar 66,67%. Dengan nilai performa yang baik dan tingkat akurasi yang tinggi sistem layak direkomendasikan untuk dikembangkan menjadi sub-sistem pengisian botol otomatis berdasarkan warna label untuk penelitian selanjutnya.]]>
Copyrights © 2026
