HYBRID CNN-LSTM UNTUK PENGKLASIFIKASIAN JENIS KERUSAKAN CAT PADA BAK DUMP TRUK

Maskuri, Imam (2024) HYBRID CNN-LSTM UNTUK PENGKLASIFIKASIAN JENIS KERUSAKAN CAT PADA BAK DUMP TRUK. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (Cover) 20081010074-cover.pdf Download (1MB)
	Text (Bab I) 20081010074-bab1.pdf Download (96kB)
	Text (Bab II) 20081010074-bab2.pdf Restricted to Repository staff only until 17 July 2026. Download (873kB)
	Text (Bab III) 20081010074-bab3.pdf Restricted to Repository staff only until 17 July 2026. Download (762kB)
	Text (Bab IV) 20081010074-bab4.pdf Restricted to Repository staff only until 17 July 2026. Download (1MB)
	Text (Bab V) 20081010074-bab5.pdf Download (14kB)
	Text (Daftar Pustaka) 20081010074-daftarpustaka.pdf Download (90kB)
	Text (Lampiran) 20081010074-lampiran.pdf Restricted to Repository staff only until 17 July 2026. Download (2MB)

Abstract

Dump truk adalah alat transportasi berukuran besar yang digunakan untuk mengangkut bahan material atau hal lainnya mulai dari jarak menengah hingga jarak yang sangat jauh. Perusahaan karoseri merupakan perusahaan yang merancang sekaligus melakukan produksi badan (bak) kendaraan truk. PT. X adalah salah satu perusahaan karoseri sebagai tempat produksi khusus dump truk. Proses produksi akhir yang harus dilalui adalah proses pengecatan yang akan mengalami kerusakan apabila dibiarkan terlalu lama menumpuk di gudang. Adapun cara penanggulangan dari permasalahan tersebut yaitu dengan dilakukan pengklasifikasian jenis kerusakan cat pada bak setiap unit dump truk. Penelitian ini akan mengimplementasikan hybrid CNN-LSTM untuk melakukan klasifikasi jenis kerusakan cat bak dump truk, yang bertujuan untuk mengukur tingkat akurasi model tersebut dalam mengklasifikasi jenis kerusakan dalam tiga kelas, yaitu kelas normal, kusam, dan berkarat, sekaligus diharapkan dapat membantu PT. X dalam efisiensi dan ketepatan menilai kerusakan cat bak dump truk. Dataset yang digunakan sebanyak 300 data yang di ambil secara langsung. Hasil dari penelitian yang menggunakan 300 dataset dengan pembagian 3 kelas yaitu normal, kusam, dan berkarat. Hasil percobaan melalui 3 skenario pengujian didapatkan hasil yang baik menggunakan lapisan konvolusi (16, 32, 64, 128, 256) dengan lapisan LSTM (256) mendapatkan akurasi sebesar 80%.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Rahmat, Basuki	NIDN19690723 2021211 002	basukirahmat.if@upnjatim.ac.id
Thesis advisor	Wahanani, Henni Endah	NIDN19780922 2021212 005	henniendah@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76.6 Computer Programming
Q Science > QA Mathematics > QA76.87 Neural computers
T Technology > TS Manufactures > TS 155-194 Production Management, Operations Management

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Imam Maskuri

Date Deposited:

17 Jul 2024 06:06

Last Modified:

17 Jul 2024 06:06

URI:

https://repository.upnjatim.ac.id/id/eprint/26324