Sistem Deteksi Kecacatan Ban Dengan Convolutional Neural Network

Authors

  • Krisna Prayoga Telkom University
  • Rita Magdalena Telkom University
  • Sofia Sa'idah Telkom University

Abstract

Abstrak-Produksi kendaraan setiap tahun semakin meningkat, Setiap tahunnya pabrik kendaraan memproduksi ribuan kendaraan untuk memenuhi kebutuhan pasar disetiap negara. Ban adalah komponen sangat penting dalam suatu kendaraan, ban yang tidak maksimal atau cacat sering kali menimbulkan kecelakaan mulai dari kecelakaan ringan hingga fatal, memilih ban yang baik sangat dibutuhkan agar ketika kendaraan sedang melaju tidak menimbulkan kecelakaan seperti pecah ban atau ban tergelincir. Tujuan dari penelitian ini adalah melakukan analisis kerja sistem dalam mengidentifikasi ban yang dalam kondisi bagus dengan ban dalam kondisi rusak atau cacat. Penelitian Tugas Akhir ini meneliti bagaimana cara memilih ban yang baik dengan mengklasifikasikan ban kedalam 2 kategori yaitu ban yang bagus dengan ban yang cacat menggunakan metode Convolutional Neural Network (CNN) menggunakan CNN lima layer dan menguji paramter yang akan digunakan kedalam sistem untuk mengetahui parameter yang terbaik agar menghasilkan akurasi yang tinggi. Di dalam penelitian ini bisa diketahui hal-hal yang mempengaruhi performansi sistem, akurasi terbaik yang diperoleh dari penelitian ini yaitu 88% dengan menggunakan 1.039 sampel citra serta menggunakan parameter size 224x224, Optimizer Adam, Learning Rate 0.0001, Epoch 80, dan Batch size 16.

References

I Wayan Suartika E. P, Arya Yudhi Wijaya, dan Rully Soelaiman Teknik Informatika, “Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) pada Caltech 101” , Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS).

S. Sumahasan , Udaya Kumar Addanki , Navya Irlapati , Amulya Jonnala, “Object Detection using Deep Learning Algorithm CNN” , Department of Computer Science and Engineering, G.V.P.C.E.W, Visakhapatnam, India.

S Z Zhang , “Design of Tire Damage Image Recognition System Based on Deep Learning” J. Phys.: Conf. Ser. 1631 012015, 2020.

Analisa Cacat Dan Kegagalan Produk Pada Vulkanisir Ban Sistem Dingin, Proposal Skripsi Almanaf Program Studi Teknik Mesin SI Fakultas Teknik Universitas Riau 2015.

R. Aditya and A. Rakhmatsyah, “ANALISIS DAN IMPLEMENTASI FUZZY NEURAL NETWORK UNTUK,” pp. 2–5.’

IRZAL AHMAD SABILLA NRP , ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI JENIS DAN KESEGARAN BUAH PADA NERACA BUAH,.

Tire Defects Classication with Multi-Contrast Convolutional Neural Networks, International Journal of Pattern Recognition and Articial Intelligence Vol. 32, No. 4 (2018) 1850011 (17 pages) World Scientic Publishing Company DOI: 10.1142/S0218001418500118.

Company Profile PT Toyota Motor Manufacturing Indonesia 2017.

Dwinanda, Reiny. 2019. KNKT: 80 Persen Kecelakaan di Tol Akibat Pecah Ban. https://www.republika.co.id/berita/q0jh4b414/knkt-80-persen-kecelakaan-di-tol-akibat-pecah-ban . Rabu 6 Nov 2019.

Sarirotul Ilahiyah, Agung Nilogiri, IMPLEMENTASI DEEP LEARNING PADA IDENTIFIKASI JENIS TUMBUHAN BERDASARKAN CITRA DAUN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK.

Sofia Sa’idah, Andi Fany, I Putu Yowan Nugraha Suparta, “Convolutional Neural Network GoogleNet Architecture for Detecting the DefectTire School of Electrical Engineering Telkom University Bandung, Indonesia.

Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation, oleh Ari Peryanto, Anton Yudhana, Rusydi Umar Program Studi Magister Teknik Informatika, Universitas Ahmad Dahlan Program Studi Teknik Elektro, Universitas Ahmad Dahlan, 2020.

KLASIFIKASI PATOLOGI MAKULA RETINA MELALUI CITRA OCT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENET, Oleh: Putri Nada Zakiya1 , Ledya Novamizanti , Syamsul Rizal , 5 Oktober 2021.

Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle, Muhammad Rafly Alwanda*1 , Raden Putra Kurniawan Ramadhan2 , Derry Alamsyah3, Vol. 1, No. 1, Oktober 2020, Hal. 45 – 56.

Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network, Sarirotul Ilahiyah1) , Agung Nilogiri2), ) Jurusan Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember.

Interpretasi dan Pengolahan Citra, Rinaldi Munir, Program Studi Teknik Informatika, 2019.

Downloads

Published

2023-06-26

Issue

Section

Program Studi S1 Teknik Telekomunikasi