No image available for this title

Text

Klasifikasi Cacat Las CO₂ Pada Badan Mobil Menggunakan Metode Convolutional Neural Network Dengan Arsitektur ResNet50V2

Kualitas las pada badan mobil memegang peran penting dalam menjamin integritas
struktural dan estetika kendaraan. Cacat yang muncul selama proses ini dapat menyebabkan
kerugian finansial yang signifikan bagi produsen. Oleh karena itu, dibutuhkan suatu sistem
untuk mengklasifikasikan cacat las CO2 secara otomatis dengan akurat sebagai penjamin
kualitas las. Penelitian ini menerapkan salah satu metode deep learning yaitu Convolutional
Neural Network (CNN) dengan arsitektur ResNet50V2 untuk mengklasifikasikan cacat las
CO2 pada badan mobil. CNN telah terbukti efektif dalam mendeteksi berbagai macam objek
dan pola pada citra, termasuk dalam bidang pengindraan industri seperti pengelasan.
Arsitektur ResNet50V2 merupakan salah satu arsitektur yang dikenal memiliki kinerja yang
baik dalam memecahkan masalah klasifikasi citra dengan tingkat akurasi yang tinggi.
Penelitian ini menggunakan 27 skenario pelatihan dari kombinasi resolusi citra, rasio
pembagian data latih dan data validasi, dan nilai batch size. Dataset yang digunakan yaitu
citra cacat las CO2 yang telah dikumpulkan dari proses pengelasan di pabrik mobil. Dataset
dapat dikelompokkan menjadi empat kelas yaitu: good, hole, disconnected, dan underfill.
Skenario terbaik yang didapat menggunakan resolusi citra 224 x 224, rasio pembagian data
latih 90% dan data uji 10%, serta nilai batch size 8. Skenario tersebut memberikan hasil
akurasi sebesar 92,70%. Dengan sistem ini, produsen mobil dapat lebih efisien dalam
mengidentifikasi cacat las CO2 pada badan mobil mereka, mengurangi risiko kerugian
finansial, dan meningkatkan kualitas produk mereka secara keseluruhan.

Kata kunci : Klasifikasi cacat las CO2, Convolutional Neural Network, ResNet50V2

Ketersediaan
1257 F 20241257 F 2024Perpustakaan FSM UndipTersedia
Informasi Detail
Judul Seri
-
No. Panggil
1257 F 2024
Penerbit
: .,
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar
Anda harus masuk sebelum memberikan komentar