Perbandingan Kinerja Yolov5 dan Yolov8 Dalam Implementasi CNN Terhadap Objek Produk di Perusahaan Manufaktur

Dalam industri manufaktur, terdapat dua jenis produk komponen, yaitu tipe A dan B. Salah satu masalah yang sering terjadi adalah kesalahan dalam proses sortir produk karena masih mengandalkan tenaga manusia. Keterbatasan tenaga manusia dapat menyebabkan kelelahan dan kesalahan dalam penyortiran produk, mengakibatkan kerugian bagi perusahaan. Penelitian telah dilakukan dalam bidang deteksi objek menggunakan metode pengolahan citra digital, terutama algoritma Convolutional Neural Network (CNN) yang merupakan bagian dari visi komputer. Salah satu kerangka kerja yang berkembang adalah YOLO (You Only Look Once), termasuk varian YOLOV5 dan YOLOV8, yang mampu mendeteksi objek dengan memperhitungkan kepercayaan objek. Penelitian ini bertujuan untuk mengevaluasi efektivitas penggunaan algoritma CNN dengan YOLOV5 dan YOLOV8 dalam mendeteksi objek produk tipe A dan B. Hasil penelitian menunjukkan bahwa YOLOV8 memiliki kinerja sangat baik daripada YOLOV5 dalam mendeteksi objek produk, dengan rata-rata kinerja sekitar 0.85 untuk produk tipe A dan 0.87 untuk produk tipe B, dibandingkan dengan rata-rata kinerja sekitar 0.84 dan 0.845 untuk YOLOV5, berturut-turut. Kesimpulannya, penggunaan YOLOV8 dapat meningkatkan akurasi deteksi objek produk dalam di Perusahaan manufaktur.

Kata kunci: YOLOV8, deteksi objek, produk manufaktur