Pemodelan Inspeksi Painting Defect Pada Mobil Menggunakan Convolutional Neural Netwok (CNN)

Pengendalian Kualitas merupakan sebuah proses penting yang dilakukan pada tahapan proses produksi pada bagian terakhir, aktivitas ini dikerjakan dengan melakukan pengecekan terhadap sebuah produk. Kecacatan Cat pada mobil merupakan masalah yang harus diperhatikan dalam proses produksi sebuah mobil pada perusahaan mobil. Kesempurnaan sebuah produk itu hal yang penting untuk meningkatkan tingkat kepuasan pada pelanggan. Pada aktivitas pengecekan tersebut, masih dilakukan secara manual dengan tenaga manusia, yang dimana hal tersebut masih dapat menyebabkan terlewatnya produk cacat dalam sebuah proses produksi yang terjadi akibat dari kesalahan manusia. Pemanfaatan kecerdasan buatan dapat digunakan untuk pendeteksian terhadap objek gambar maupun video, digunakan untuk dapat mengatasi permasalahan dari kesalahan manusia tersebut dalam melakukan sebuah pengecekan. Convolutional Neural Networks (CNN) salah satu algoritma yang dapat digunakan dalam pemeriksaan cacat produk, pengenalan gambar, dan klasifikasi gambar. Kajian tersebut fokus pada pemodelan pemeriksaan dan deteksi Kecacatan Cat pada mobil menggunakan CNN, menekankan pentingnya Pengendalian Kualitas dalam memastikan kualitas produk. Model CNN dilatih dengan data gambar cat mobil normal dan cat mobil yang cacat, dan dievaluasi menggunakan matriks konfusi untuk parameter optimal. Hasilnya menunjukkan akurasi yang cukup tinggi dalam mendeteksi cacat cat mobil sebesar 98% dengan bantuan dari arsitektur CNN transfer learning ResNet50.

Kata kunci: Pengendalian Kualitas, Kesalahan manusia, Kecacatan Cat, CNN.