Identifikasi Objek Fragile dan Non-Fragile untuk Pengelompokan Secara Otomatis Menggunakan CNN

Jason, Charles and Rino, Rino and Edy, Edy (2024) Identifikasi Objek Fragile dan Non-Fragile untuk Pengelompokan Secara Otomatis Menggunakan CNN. Bit-Tech (Binary Digital - Technology), 7 (2). pp. 315-322. ISSN 2622-2728

	Text Identifikasi Objek Fragile dan Non-Fragile untuk Pengelompokan Secara Otomatis Menggunakan CNN.pdf - Published Version Download (497kB)
	Text Turnitin - Identifikasi Objek Fragile dan Non-Fragile untuk Pengelompokan Secara Otomatis Menggunakan CNN (1).pdf - Published Version Download (586kB)

Abstract

Pada masa perkembangan teknologi ini, penggunaan marketplace dalam transaksi jual beli semakin pesat di Indonesia, permasalahan yang muncul pada kegiatan jual beli secara online ini adalah adanya pihak ketiga diantara pembeli dan penjual, yaitu bidang pengiriman. Disaat pembeli membeli barang melalui marketplace, penjual harus mengirim barang tersebut sebelum dapat dengan langsung diterima oleh pembeli, seperti halnya transaksi jual beli tradisional. Hal ini membuat timbulnya resiko kerusakan barang pada saat pengiriman akibat kelalaian pada pihak pengirim disaat mengelompokan barang fragile dan non-fragile. Dari masalah modern ini, dibutuhkan solusi modern yang dapat mengelompokan barang fragile dan non-fragile secara otomatis, penelitian ini menawarkan solusi terhadap masalah tersebut melalui implementasi model CNN dengan arsitektur InceptionV3. Arsitektur ini memiliki keunggulan dalam meminimalkan jumlah operasi dan tetap mempertahankan akurasi tinggi. penelitian ini bertujuan untuk menghindari potensi skenario kerusakan selama proses pengiriman, dengan cara mendeteksi sebelum pengiriman barang yang akan dikirim, apakah barang tersebut termasuk kedalam kategori fragile atau non-fragile. Penelitian ini menggunakan dataset visual berupa gambar objek yang tersedia secara online dalam pembuatan model, dan menggunakan metode SDLC pada perancangan website untuk memastikan sistem yang dibangun dapat memiliki kualitas tinggi serta sesuai dengan tujuan utamanya. Hasil penelitian berupa sistem yang dapat melakukan klasifikasi objek fragile dan non-fragile secara otomatis melalui gambar dengan akurasi rata-rata 90%. Dengan akurasi tersebut, hasil dari penelitian ini diharapkan dapat menjadi solusi alternatif pada pengelompokan barang di bidang pengiriman. Penelitian ini juga membuka penelitian kedepannya untuk dapat mengoptimasi model dan menambah model arsitektur yang digunakan, guna memberikan hasil klasifikasi yang lebih akurat.

Item Type:	Article
Uncontrolled Keywords:	Bidang Pengiriman InceptionV3 Klasifikasi Gambar Machine Learning Metode SDLC
Subjects:	000 Karya Umum > 005 Pemograman > 005.5 Program Aplikasi dengan Kegunaan Khusus
Divisions:	Fakultas Sains & Teknologi > Sistem Informasi Fakultas Sains & Teknologi > Teknik Informatika Fakultas Sains & Teknologi > Teknik Perangkat Lunak
Depositing User:	Hariyanto Rie
Date Deposited:	28 Aug 2026 08:46
Last Modified:	28 Aug 2026 08:46
URI:	https://repositori.buddhidharma.ac.id//id/eprint/3453

Actions (login required)

View Item