IMPLEMENTASI YOLOV8 DENGAN CANNY EDGE DETECTION UNTUK DETEKSI KEBOCORAN KEMASAN PRODUK SNACK PADA RAK MINIMARKET

Aryamukti Satria Hendrayana, . (2026) IMPLEMENTASI YOLOV8 DENGAN CANNY EDGE DETECTION UNTUK DETEKSI KEBOCORAN KEMASAN PRODUK SNACK PADA RAK MINIMARKET. Tugas Akhir thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text Cover_123220181.pdf Download (201kB)
	Text Abstrak_123220181.pdf Download (226kB)
	Text Halaman Pengesahan_123220181.pdf Download (79kB)
	Text Daftar Isi_123220181.pdf Download (304kB)
	Text Daftar Pustaka_123220181.pdf Download (188kB)
	Text Fulltext_123220181.pdf Restricted to Repository staff only Download (4MB)

Abstract

Keberadaan produk cacat, khususnya kebocoran pada kemasan snack, di rak minimarket dapat menyebabkan kerugian finansial serta menurunkan tingkat kepercayaan pelanggan. Proses inspeksi manual yang masih umum diterapkan memiliki keterbatasan dalam aspek efisiensi, akurasi, dan konsistensi. Penelitian ini bertujuan untuk mengembangkan serta menganalisis performa sistem deteksi kebocoran kemasan produk snack dengan membandingkan dua pendekatan berbasis computer vision, yaitu model YOLOv8 tunggal dan model hibrida yang mengintegrasikan Canny Edge Detection sebagai tahap pra-pemrosesan citra.
Penelitian ini menggunakan Dataset yang dikumpulkan secara langsung di Swalayan Gading Mas 6 dengan total 424 citra awal, yang kemudian ditingkatkan menjadi 1.020 citra melalui teknik augmentasi (flip, rotasi, dan penyesuaian kecerahan) untuk data latih. Seluruh citra dianotasi ke dalam dua kelas, yaitu “normal” dan “bocor”. Dua skenario pelatihan dilakukan menggunakan arsitektur YOLOv8n (nano) dengan konfigurasi identik (50 iterasi dan ukuran input 640×640). Skenario pertama menggunakan citra RGB asli sebagai model baseline, sedangkan skenario kedua menggunakan citra hasil pra-pemrosesan Canny Edge Detection. Evaluasi performa dilakukan menggunakan metrik precision, recall, F1-score, mean Average Precision (mAP@0.5), serta mAP@0.5:0.95.
Hasil penelitian menunjukkan model baseline mencapai performa baik dengan nilai mAP@0.5 sebesar 98,36% dan mAP@0.5:0.95 sebesar 86,73%. Sebaliknya, model dengan pra-pemrosesan Canny mengalami penurunan performa yang signifikan dengan mAP@0.5 sebesar 96,67% dan mAP@0.5:0.95 sebesar 76,33%. Sistem yang dikembangkan berpotensi diimplementasikan sebagai alat bantu inspeksi kualitas yang cepat dan akurat di lingkungan ritel.

Kata Kunci: YOLOv8, Canny Edge Detection, Deteksi Kebocoran Kemasan, Computer Vision, Inspeksi Kualitas Ritel.

Item Type:	Tugas Akhir (Tugas Akhir)
Additional Information:	Aryamukti Satria Hendrayana (Penulis - 123220181) ; Ahmad Taufiq Akbar (Pembimbing)
Uncontrolled Keywords:	YOLOv8, Canny Edge Detection, Deteksi Kebocoran Kemasan, Computer Vision, Inspeksi Kualitas Ritel.
Subjek:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	A.Md Eko Suprapti
Date Deposited:	13 Mar 2026 01:15
Last Modified:	13 Mar 2026 01:15
URI:	http://eprints.upnyk.ac.id/id/eprint/47357

Actions (login required)

View Item