PENDEKATAN ALGORITMA YOLO V5 UNTUK MENDETEKSI CACAT PRODUK MASKER

Perkembangan teknologi di era revolusi industri sangatlah pesat akibat ketatnya persaingan antar industri untuk meningkatkan kualitas produknya. Dalam 2 tahun terakhir produksi alat medis terutama masker mengalami peningkatan yang sangat pesat akibat pandemi COVID 19. Dengan besarnya produksi harus di imbangi dengan proses qualiy control yang efektif untuk menjaga kualitas produk masker. Dalam produksi masker sering ditemui masker yang cacat terutama tali putus. Hal tersebut diakibatkan oleh keterbatasan kemampuan operator quality control yang terbatas. Hal tersebut dapat di Atasi dengan memanfaatkan teknologi yaitu image processing dengan metode Only Look Once (YOLO) v5. Metode ini akan membagi gambar menjadi beberapa wilayah untuk dideteksi atau biasa di sebut repurpose classifier sehingga masker dapat dideteksi apakah cacat atau tidak sehingga dapat meminimalisir masker yang cacat ikut terjual. Berdasar penelitian ini diperoleh bobot YOLOv5 dengan nilai mAP (Mean Average Precision) sebesar 0.92 dan seluruh objek masker dapat dideteksi dengan baik dengan tingkat ketelitian mencapai 97.1%. Implementasi YOLOv5 berhasil mendeteksi cacat produk pada proses quality control produksi masker sehingga dapat diaplikasikan sebagai sistem quality control produksi masker.