UNBINUNBIN

Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)

Ketersediaan barang di rak ritel menjadi faktor penting bagi kepuasan pelanggan dan kelancaran penjualan. Proses pemantauan yang masih dilakukan secara manual sering menyebabkan keterlambatan dalam mendeteksi kekosongan rak. Penelitian ini bertujuan mengembangkan sistem pemantauan barang berbasis Internet of Things (IoT) dengan penerapan algoritma You Only Look Once (YOLO) untuk mendeteksi kekosongan rak secara cepat dan akurat. Sistem menggunakan perangkat ESP32-CAM sebagai pengambil gambar yang diolah melalui algoritma YOLO untuk mengidentifikasi ketersediaan barang. Jenis penelitian yang digunakan adalah Research and Development (R&D) dengan tahapan analisis kebutuhan, perancangan, pembuatan prototipe, pengujian, dan evaluasi. Hasil penelitian menunjukkan sistem mampu mendeteksi kekosongan rak dengan akurasi 81,8% dan memperoleh penilaian kelayakan 100% dari ahli serta 85% dari pengguna. Hal ini membuktikan bahwa penerapan YOLO berbasis IoT efektif dalam meningkatkan efisiensi pemantauan stok dan mengurangi keterlambatan pengisian barang. Sistem ini layak diterapkan di lingkungan ritel dan berpotensi dikembangkan lebih lanjut menjadi solusi manajemen inventaris cerdas berbasis visi komputer.

Sistem pemantauan barang berbasis Internet of Things (IoT) yang dikembangkan menggunakan algoritma You Only Look Once (YOLO) dan perangkat ESP32-CAM mampu mendeteksi kekosongan rak serta menampilkan hasilnya melalui antarmuka web.Hasil pengujian menunjukkan sistem memiliki tingkat akurasi sebesar 81,8%, sehingga sistem dinilai efektif dan layak diterapkan untuk pemantauan stok barang di lingkungan ritel.Penerapan algoritma YOLO terbukti meningkatkan efektivitas proses deteksi kekosongan rak, sehingga membantu pengelola toko dalam memantau ketersediaan barang dengan lebih cepat dan akurat.

Sebuah studi lanjutan dapat meneliti integrasi sistem ini dengan jaringan sensor RFID sehingga data identifikasi produk dapat dikonfirmasi secara real‑time, mengurangi kesalahan klasifikasi yang masih hadir. Penelitian berikutnya dapat mengeksplorasi penggunaan model YOLO versi terbaru (misalnya YOLOv8) pada perangkat edge yang lebih terjangkau, untuk meningkatkan akurasi dan kecepatan deteksi pada kondisi pencahayaan yang berubah‑ubah di ruang ritel. Selain itu, penelitian dapat merancang algoritma pembelajaran online yang memungkinkan sistem menyesuaikan model YOLO secara otomatis berdasarkan data baru yang dikumpulkan di lapangan sehingga performa deteksi terus berkembang tanpa intervensi manual pada update model.

  1. Penerapan Algoritma You Only Look Once (YOLO) untuk Deteksi Kekosongan Rak pada Sistem Pemantauan... ejournal-unbin.id/index.php/jskom/article/view/80Penerapan Algoritma You Only Look Once YOLO Auntuk Deteksi Kekosongan Rak pada SistemAPemantauan ejournal unbin index php jskom article view 80
Read online
File size878.15 KB
Pages13
DMCAReport

Related /

ads-block-test