POLIMEDIAPOLIMEDIA

JoMMiT : Jurnal Multi Media dan ITJoMMiT : Jurnal Multi Media dan IT

Kemasan memegang peranan penting pada sebuah produk minuman, baik sebagai wadah, pelindung juga sebagai alat pemasaran produk. Sebelum kemasan produk didistribusikan, perlu terlebih dahulu dilakukan pengecekan dan kepastian apakah kemasan tersebut terdapat kecacatan atau tidak. Sistem deteksi diarahkan menuju otomatisasi sebagai upaya mengurangi kesalahan jika deteksi dilakukan secara manual oleh manusia. Penggunaan computer vision dalam mendeteksi cacat kemasan menggunakan algoritma SSIM dengan membandingkan citra referensi asli dengan citra uji. Dari hasil data, algoritma SSIM berhasil mendeteksi jika citra kemasan uji secara visual sama dengan citra kemasan referensi ditandai dengan nilai indeks 1. Sementara untuk citra kemasan uji dan citra kemasan referensi bernilai indeks dari 0,361 hingga 0,546.

Pemanfaatan computer vision bisa dikembangkan dalam industri produksi kemasan, salah satu contohnya yaitu dalam deteksi cacat kemasan.Hal ini mendistrupsi pekerjaan manual yang semua dikerjakan oleh manusia, digantikan oleh sistem yang dibangun sehingga harapannya dapat dicapai efisiensi pekerjaan baik dari segi waktu dan kualitas kerja.Implementasi algoritma SSIM untuk proses deteksi cacat kemasan kertas karton lipat bisa menjadi salah satu alternatif untuk memulai sistem deteksi menuju otomatisasi.

Berdasarkan penelitian ini, terdapat beberapa saran penelitian lanjutan yang dapat dikembangkan. Pertama, perlu dilakukan penelitian lebih lanjut mengenai pengaruh pencahayaan terhadap akurasi deteksi cacat kemasan menggunakan computer vision. Variasi pencahayaan yang berbeda dapat memengaruhi kualitas citra yang diperoleh, sehingga perlu diidentifikasi metode atau algoritma yang robust terhadap perubahan pencahayaan. Kedua, pengembangan sistem deteksi cacat kemasan dapat diperluas dengan mengintegrasikan berbagai jenis sensor, seperti sensor ultrasonik atau sensor getaran, untuk mendeteksi cacat internal pada kemasan yang tidak dapat dilihat secara visual. Integrasi sensor ini dapat memberikan informasi yang lebih komprehensif mengenai kondisi kemasan. Ketiga, penelitian dapat difokuskan pada pengembangan algoritma machine learning yang mampu mengklasifikasikan jenis-jenis cacat kemasan secara otomatis. Dengan demikian, sistem dapat tidak hanya mendeteksi adanya cacat, tetapi juga mengidentifikasi jenis cacatnya, sehingga dapat memberikan informasi yang lebih berguna bagi produsen.

  1. Vol. 8 No. 1 (2024): Artikel Jurnal Volume 8 Issue 1, Juni 2024 | JoMMiT : Jurnal Multi Media dan IT.... doi.org/10.46961/jommit.v8i1Vol 8 No 1 2024 Artikel Jurnal Volume 8 Issue 1 Juni 2024 JoMMiT Jurnal Multi Media dan IT doi 10 46961 jommit v8i1
Read online
File size251.01 KB
Pages6
DMCAReport

Related /

ads-block-test