Penerapan Sistem Kontrol Kualitas dengan Mengunakan Model CNN Transfer Learning VGG 19 pada Inspeksi Kain di Industri Tekstil

Nauval Hernandoko, Pringgo Widyo Laksono, Cucuk Nur Rosyidi

Abstract

Industri tekstil dan produk tekstil (TPT) merupakan salah satu industri tertua di Indonesia. Tujuan industri ini dibangun awalnya yaitu untuk memenuhi kebutuhan dalam negeri dan ekspor. Kualitas produk dan produktivitas merupakan menjadi kunci keberhasilan sistem produksi dalam dunia industri. Hasil produk atau jasa yang memiliki kualitas tinggi menjadi faktor utama agar industri tersebut dapat bersaing dalam bisnis serta prospek jangka panjang. Adanya kontrol kualitas secara otomatis akan membantu dalam pekerjaan bagian inspeksi karena dalam industri tekstil proses inspeksi dilakukan tanpa teknik sampling sehingga kualitas inspeksi yang dilakukan manusia akan menurun seiring waktu inspeksi yang semakin banyak. Hasil dari penelitian ini yaitu model CNN VGG19 dapat dijadikan sebagai model untuk otomatisasi proses inspeksi yang dilakukan di industri tekstil karena akurasi testing yang mencapai 88% serta tidak terjadinya overffiting dalam proses training validation.

Keywords

Tekstil; Kualitas; Inspeksi; CNN; VGG19

References

Cabitza, F., Locoro, A., & Banfi, G. (2018). Machine learning in orthopedics: A literature review. In Frontiers in Bioengineering and Biotechnology (Vol. 6). Frontiers Media S.A.

Helm, J. M., Swiergosz, A. M., Haeberle, H. S., Karnuta, J. M., Schaffer, J. L., Krebs, V. E., Spitzer, A. I., & Ramkumar, P. N. (2020). Machine Learning and Artificial Intelligence: Definitions, Applications, and Future Directions. In Current Reviews in Musculoskeletal Medicine (Vol. 13, Issue 1, pp. 69–76).

Kholik, A. (2021). Klasifikasi Menggunakan Convolutional Neural Network (Cnn) Pada Tangkapan Layar Halaman Instagram. JDMSI, 2(2), 10–20.

Mahbubah, A. L. (2021). Analisis Defect Proses Produksi Songkok Berbasis Metode FMEA dan FTA di Home - Industri Songkok GSA Lamongan. Serambi Engineering, 2197-2206.

Nugroho, N. E. W., & Harjoko, A. (2021). Transliteration of Hiragana and Katakana Handwritten Characters Using CNN-SVM. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 15(3), 221.

Pangestu,. (2020). Implementasi Algoritma CNN Untuk Klasifikasi Citra Lahan Dan Perhitungan Luas. Jurnal Informatika Dan Sistem Informasi, 1(1), 166–174.

Pratiwi, D. R. (2020). Analisis Daya Saing Industri Tekstil Dan Produk Tekstil (Tpt) Indonesia Di Pasar Asean. JURNAL BUDGET, VOL. 5, NO. 2, 44-66.

Pratama. (2020). Analisis Defect Pada Proses Stranding Dengan Metode Dmaic PT. X. Jurnal Terapan Teknik Industri, 58 - 66.

Pria Utama, G. (2017). Segmentasi Pada Citra Buah Mangga Dengan Menggunakan Aplikasi Matlab. 14(2).

Putri, D. P. (2022). Analisa Pengendalian Kualitas Produk Guna Meminimalkan Defect Pada CV. Cipta Mandiri Sukses. Journal of Industrial View, 1-10.

Rafly Alwanda, M., Putra, R., Ramadhan, K., & Alamsyah, D. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. In Jurnal Algoritme (Vol. 1, Issue 1).

Ramadhan, F. E. (2020). Penerapan Image Classification Dengan Pre-Trained Model Mobilenet Dalam Clien-Side Machine Learning.

Singh, Satish K. & Roy, P. (2020). Computer Vision and Image Processing. 5th International Conference, CVIP 2020.

Suartika, I Wayan., Wijaya, Arya., & Soelaiman, Rully (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) Pada Caltech 101. Jurnal Teknik ITS, 5(1).

Tan, C., Sun, F., Kong, T., Zhang, W., Yang, C., & Liu, C. (2018). A Survey on Deep Transfer Learning.

DOI: https://doi.org/10.20961/performa.23.2.86589

Refbacks

  • There are currently no refbacks.