IDENTIFIKASI LIMBAH TEMPURUNG KELAPA UNTUK PEMBUATAN ARANG BRIKET BERBASIS VISI KOMPUTER

Limbah tempurung kelapa merupakan salah satu bahan baku terbaik untuk produksi arang briket. Memastikan kualitas tempurung kelapa dalam produksi arang briket sangatlah penting. Penelitian ini bertujuan untuk mengembangkan model untuk deteksi dan klasifikasi tempurung menggunakan Mask R-CNN. Model dapat mengidentifikasi kualitas tempurung kelapa sebelum melakukan pembelian, sehingga tempurung kelapa yang digunakan memenuhi standar yang diinginkan. Agar model dapat digunakan oleh pengusaha arang briket dan penyedia tempurung kelapa, dikembangkan sebuah website menggunakan Flask. Peneliti membuat dataset baru berisi 1611 gambar limbah tempurung kelapa. Model Mask R-CNN dilatih dengan berbagai backbone yaitu ResNet 50 FPN, ResNet 101 FPN dan modifikasi Mask R-CNN berbasis MobileNet FPN. model dioptimalkan menggunakan teknik augmentasi dan hyper-parameter tuning. Hasilnya Modifikasi Mask R-CNN berbasis MobileNet FPN memiliki waktu pelatihan tercepat (4 jam, 52 menit, 12 detik) dan ukuran model terkecil (85,2 MB). Mask R-CNN berbasis MobileNet FPN memiliki waktu pemrosesan deteksi tercepat pada website Flask, dengan rata-rata 2,35 detik, dan penggunaan memori terendah, dengan rata-rata 5,74 MB. Berdasarkan evaluasi, ResNet 101 FPN memberikan hasil terbaik dengan mAP 0.97 dan IoU 0.94