Rancang Bangun Sistem Inspeksi Visual Berbasis YOLO untuk Deteksi Cacat Stepnosing

Aliyah, Aliyah (2025) Rancang Bangun Sistem Inspeksi Visual Berbasis YOLO untuk Deteksi Cacat Stepnosing. S1 thesis, Universitas Andalas.

[img] Text (Cover & Abstrak)
Cover & Abstrak.pdf - Published Version

Download (331kB)
[img] Text (BAB I Pendahuluan)
BAB I Pendahuluan.pdf - Published Version

Download (4MB)
[img] Text (BAB V Penutup)
BAB V Penutup.pdf - Published Version

Download (269kB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf - Published Version

Download (331kB)
[img] Text (Skripsi full text)
Skripsi full text.pdf - Published Version
Restricted to Repository staff only

Download (8MB) | Request a copy

Abstract

Stepnosing merupakan komponen penting pada tangga yang berfungsi meningkatkan keselamatan dan estetika, sehingga kualitas produk menjadi faktor krusial. Pada praktiknya, proses inspeksi stepnosing di industri masih dilakukan secara manual dengan metode sampling, yang rawan menimbulkan kesalahan dan memungkinkan produk cacat tetap lolos ke pasaran. Penelitian ini bertujuan merancang sistem inspeksi visual otomatis berbasis You Only Look Once (YOLO) untuk mendeteksi cacat stepnosing secara real-time. Sistem dikembangkan menggunakan perangkat Jetson Nano, kamera Logitech C270 sebagai akuisisi citra, serta monitor sebagai antarmuka visual. Dataset yang digunakan terdiri atas citra stepnosing cacat dan normal yang telah melalui proses augmentasi, termasuk penambahan variasi latar belakang. Model YOLOv5 dilatih dan diuji dengan hasil Precision-Recall curve sebesar 0,995 dan tingkat kesalahan hanya 2% dari keseluruhan pengujian. Sistem mampu menampilkan hasil inspeksi melalui visualisasi bounding box dan edge detection, serta memberikan notifikasi instan dengan buzzer apabila ditemukan cacat. Hasil ini menunjukkan bahwa sistem yang dirancang efektif dalam mengurangi kesalahan inspeksi manual, meningkatkan konsistensi kualitas produk, dan memiliki potensi untuk diimplementasikan di industri manufaktur stepnosing.

Item Type: Thesis (S1)
Supervisors: Rifki Suwandi, M.T.
Uncontrolled Keywords: stepnosing; inspeksi visual; YOLOv5; edge detection; real-time
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Divisions: Fakultas Teknologi Informasi > S1 Teknik Komputer
Depositing User: S1 Teknik Komputer
Date Deposited: 28 Aug 2025 03:56
Last Modified: 28 Aug 2025 03:56
URI: http://scholar.unand.ac.id/id/eprint/506761

Actions (login required)

View Item View Item