Modifikasi Mask R-CNN Dengan MobilenetV3 Small Untuk Deteksi Kardus

Manajemen persediaan barang di gudang kerap mengalami ketidaksesuaian jumlah kardus akibat pencatatan manual yang tidak akurat, yang dapat mengganggu efisiensi operasional dan akurasi data stok. Penelitian ini mengembangkan sistem deteksi kardus berbasis Mask R-CNN dengan dua konfigurasi backbone: ResNet-50 (default) dan MobileNetV3 Small (custom). Tujuan utama meliputi implementasi deteksi kardus, penentuan konfigurasi hyperparameter optimal untuk MobileNetV3 Small, serta perbandingan akurasi, ukuran model, dan kecepatan inferensi kedua model. Dataset dikumpulkan dari empat kategori kardus dan dianotasi menggunakan Roboflow, lalu dilatih dengan metode Stochastic Gradient Descent. Model custom menggunakan konfigurasi optimal dengan learning rate 0,002, batch size 2, dan 20.000 iterasi. Hasil menunjukkan model custom lebih efisien, dengan pengurangan parameter dari 43,9 juta menjadi 20,8 juta, serta peningkatan kecepatan inferensi hingga 8,66 FPS. Walaupun model default unggul dalam akurasi objek kecil, model custom tetap kompetitif dan layak untuk aplikasi real-time di perangkat terbatas.

Kata kunci: Mask R-CNN, MobileNetV3 Small, Deteksi Kardus, Konfigurasi Model