IMPLEMENTASI METODE YOLOv8 UNTUK DETEKSI CACAT PADA KEMASAN KARDUS

Akbar, Jason Renanda (2025) IMPLEMENTASI METODE YOLOv8 UNTUK DETEKSI CACAT PADA KEMASAN KARDUS. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 2_Cover_123210171_Jason Renanda Akbar.pdf Download (187kB)
	Text 3_Abstrak_123210171_Jason Renanda Akbar.pdf Download (235kB)
	Text 4_Halaman Pengesahan Pembimbing_123210171_Jason Renanda Akbar.pdf Download (228kB)
	Text 5_Daftar Isi_123210171_Jason Renanda Akbar.pdf Download (267kB)
	Text 6_Daftar Pustaka_123210171_Jason Renanda Akbar.pdf Download (215kB)
	Text 1_Skripsi full_123210171_Jason Renanda Akbar.pdf Restricted to Repository staff only Download (3MB)

Abstract

Industri pengemasan memiliki peranan penting dalam menjamin kualitas produk
selama proses distribusi dan penyimpanan. Salah satu tantangan yang dihadapi adalah
mendeteksi kerusakan pada kemasan kardus secara akurat dan efisien. Kerusakan seperti
sobekan dan penyok dapat menurunkan nilai jual produk serta memengaruhi kepuasan
pelanggan. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi
otomatis terhadap cacat pada kemasan kardus menggunakan algoritma YOLOv8m, dengan
fokus pada peningkatan akurasi deteksi dan efisiensi proses inspeksi.
Metode yang diterapkan melibatkan proses pengumpulan data dari dua sumber
utama, yaitu dataset sekunder dari platform Roboflow dan dataset primer hasil dokumentasi
langsung di industri UMKM "KARDOOSIN" yang bergerak di bidang produksi kardus.
Data tersebut mencakup tiga kategori kecacatan: no defect, torn, dan wrinkle. Data yang
diperoleh kemudian diproses melalui tahapan labeling, pembagian data (data splitting),
augmentasi untuk memperluas variasi gambar, serta pelatihan model menggunakan
arsitektur YOLOv8m. Evaluasi performa model dilakukan menggunakan metrik precision,
recall, dan mean Average Precision (mAP) untuk menilai efektivitas sistem dalam mengenali
kecacatan pada kemasan.
Hasil penelitian menunjukkan bahwa model YOLOv8 berhasil mencapai precision
sebesar 86.8%, recall 84.3%, dan mAP50 sebesar 90.1%. Hasil ini menunjukkan bahwa
model memiliki kemampuan yang baik dalam mendeteksi cacat pada kemasan kardus,
meskipun masih terdapat beberapa kesalahan pada area kerutan yang samar. Penelitian ini
diharapkan dapat memberikan kontribusi terhadap pengembangan teknologi deteksi cacat di
industri kemasan, serta menjadi dasar untuk penelitian lebih lanjut dalam meningkatkan
kualitas produk melalui otomatisasi proses inspeksi. Dengan penerapan sistem ini,
diharapkan dapat mengurangi biaya inspeksi manual dalam proses quality control, sehingga
memberikan nilai tambah bagi industri kemasan.
Kata Kunci: Deteksi Cacat Kardus, YOLOv8, Deep Learning, Object Detection, Industri
Pengemasan

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Jason Renanda Akbar (Penulis -123210171); Ahmad Taufik Akbar (Pembimbing)
Uncontrolled Keywords:	Deteksi Cacat Kardus, YOLOv8, Deep Learning, Object Detection, Industri Pengemasan
Subjek:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	16 Oct 2025 04:23
Last Modified:	16 Oct 2025 04:23
URI:	http://eprints.upnyk.ac.id/id/eprint/44469

Actions (login required)

View Item