PROTOTIPE SISTEM DETEKSI CACAT BOTOL DAN EVALUASI KUALITAS CETAK TANGGAL KADALUARSA PRODUK MENGGUNAKAN YOLOV8 DAN GEMINI API

FIRNAS AL FARIZY, . (2026) PROTOTIPE SISTEM DETEKSI CACAT BOTOL DAN EVALUASI KUALITAS CETAK TANGGAL KADALUARSA PRODUK MENGGUNAKAN YOLOV8 DAN GEMINI API. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (2MB)
	Text BAB 1.pdf Download (1MB)
	Text BAB 2.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (3MB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (617kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (657kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Proses inspeksi kualitas kemasan botol dan kejelasan informasi tanggal kadaluarsa pada industri minuman manufaktur skala besar saat ini masih banyak bergantung pada pengamatan manual operator yang memiliki keterbatasan dalam hal kecepatan, konsistensi, dan ketelitian. Untuk mengatasi permasalahan tersebut, penelitian ini merancang dan membangun sebuah prototipe sistem quality control otomatis berbasis computer vision menggunakan kolaborasi algoritma You Only Look Once versi 8 (YOLOv8) dan Gemini API. Sistem ini menggunakan konveyor miniatur yang digerakkan oleh motor DC sebagai jalur simulasi produksi, sensor ultrasonik HC-SR04 sebagai pemicu (trigger) kehadiran objek, kamera digital sebagai pengakuisisi data visual, motor servo sebagai aktuator sortir fisik produk, serta Raspberry Pi sebagai unit pemrosesan utama. Metode penelitian yang diterapkan adalah rekayasa teknik (engineering design method). Logika sistem dikonfigurasi secara sekuensial interaktif; konveyor akan berhenti sesaat ketika sensor ultrasonik mendeteksi botol guna menghindari cacat gambar kabur (motion blur) saat pengambilan citra. Citra botol kemudian diproses secara bersamaan melalui dua arsitektur kecerdasan buatan cerdas. Algoritma YOLOv8 dijalankan secara lokal pada edge untuk mendeteksi kecacatan fisik bodi kemasan (botol penyok dan segel tutup tidak rapat), sementara data citra yang dikonversi ke format base64 dikirim melalui permintaan HTTP ke cloud untuk dianalisis oleh Gemini 3.1 Flash Lite API guna mengevaluasi keterbacaan teks penanggalan. Keputusan akhir pergerakan motor servo didasarkan pada logika gerbang "OR", di mana produk diklasifikasikan sebagai Not Good (NG) jika salah satu atau kedua modul AI mendeteksi adanya ketidaksesuaian standar kualitas. Model YOLOv8 dilatih menggunakan dataset mandiri sebanyak 7.008 gambar selama 100 epoch dan berhasil menghasilkan performa inferensi yang sangat tinggi dengan nilai Precision sebesar 97,4%, Recall sebesar 97,5–98%, dan mean Average Precision (mAP50) mencapai 98,75%. Hasil pengujian sistem secara keseluruhan terhadap sampel eksperimental menunjukkan bahwa sistem mampu mengintegrasikan data perangkat lunak dan respons aktuator mekatronika secara sinkron. Lengan servo merespons hasil keputusan sistem secara presisi dengan bergerak ke sudut 90 derajat selama 5 detik untuk membuang produk cacat. Meskipun Gemini API memiliki keterbatasan terhadap sudut kemiringan botol yang tidak menghadap kamera secara langsung, secara umum integrasi sistem hybrid ini terbukti efektif, andal, dan layak dikembangkan sebagai solusi otomasi inspeksi visual real-time pada skala industri manufaktur yang lebih luas *********** The quality inspection process for bottle packaging and the legibility of expiry date printing in large-scale beverage manufacturing industries currently still relies heavily on manual operator observation, which has limitations in terms of speed, consistency, and accuracy. To overcome these issues, this study designs and develops an automated quality control prototype system based on computer vision utilizing a collaboration of the You Only Look Once version 8 (YOLOv8) algorithm and the Gemini API. This system employs a miniature conveyor belt driven by a DC motor as a production line simulation, an HC-SR04 ultrasonic sensor as an object presence trigger, a high-resolution digital camera for visual data acquisition, a servo motor as the physical sorting actuator, and a Raspberry Pi as the main processing unit. The research methodology applied is the engineering design method. The system logic is configured sequentially and interactively; the conveyor halts temporarily when the ultrasonic sensor detects a bottle to avoid motion blur during image capture. The bottle image is then processed simultaneously through two intelligent artificial intelligence architectures. The YOLOv8 algorithm is executed locally on the edge to detect physical defects in the packaging body (deformed bottles and loose caps), while the image data converted into base64 format is transmitted via HTTP requests to the cloud for analysis by the Gemini 3.1 Flash Lite API to evaluate text legibility. The final decision for the servo motor movement is based on the "OR" logic gate, where a product is classified as Not Good (NG) if either one or both AI modules detect a mismatch with quality standards. The YOLOv8 model was trained using an independent dataset of 7,008 images for 100 epochs and successfully achieved very high inference performance with a Precision value of 97.4%, Recall of 97.5–98%, and a mean Average Precision (mAP50) reaching 98.75%. The overall system testing results on experimental samples demonstrate that the system is capable of synchronizing software data and mechatronic actuator responses effectively. The servo arm responds precisely to the system decision by rotating 90 degrees for 5 seconds to reject defective products. Although the Gemini API exhibits limitations regarding bottle orientation angles that do not directly face the camera, overall this hybrid integrated system proves to be effective, reliable, and feasible for development as a real-time visual inspection automation solution in broader manufacturing industries.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Ir. Heri Firmansyah, S.T., M.T. 2). Nur Hanifah Yuninda, S.T., M.T.
Subjects:	Teknologi dan Ilmu Terapan > Teknik Elektronika
Divisions:	FT > D IV Teknologi Rekayasa Otomasi
Depositing User:	Firnas Al Farizy .
Date Deposited:	12 Aug 2026 02:18
Last Modified:	12 Aug 2026 02:18
URI:	http://repository.unj.ac.id/id/eprint/68840

Actions (login required)

View Item