Identifikasi Objek/Produk untuk Proses Stock Taking Barang menggunakan Konsep Object Recognition

Abstract

Aktivitas pemeriksaan persediaan atau Stock-taking merupakan aktivitas pemeriksaan barang manual oleh petugas gudang yang dilakukan secara rutin pada aktivitas pergudangan. Aktivitas ini berfungsi untuk menentukan akurasi persediaan dan mengetahui kondisi persediaan sehingga dapat mengurangi resiko kehilangan, kerusakan, dan keausan persediaan. Aktivitas pemeriksaan persediaan termasuk aktivitas yang memerlukan biaya dan waktu yang besar. Selain itu, aktivitas ini juga tak luput dari kesalahan manusia karena aktivitas pengecekan merupakan aktivitas yang membutuhkan ketelitian tinggi. Penelitian ini bertujuan untuk melakukan identifikasi objek atau produk yang bertujuan untuk menggantikan pemeriksaan manual manusia sehingga proses pemeriksaan jenis dan jumlah barang dapat dilakukan secara otomatis dan presisi. Pengolahan citra digital berbentuk Object Recognition digunakan pada penelitian ini untuk menentukan jenis objek dan jumlah objek. Hasil penelitian menunjukan tingkat deteksi produk tunggal mencapai 90% yang dipengaruhi oleh sudut pengambilan gambar dan tingkat deteksi jumlah objek tunggal mencapai > 81% dengan tingkat pencahayaan yang normal dan sudut pengambilan gambar yang ideal. Diharapkan dengan adanya sistem ini, biaya untuk aktivitas pemeriksaan persediaan dan aktivitas pergudangan secara umum dapat ditekan sehingga efisiensi dan efektivitas dapat dicapai.

Sistem Manajemen Inventori Dengan Pengenalan Barang Secara Otomatis Menggunakan Metode Convolutional Neural Network

“…Inovasi terus dilakukan sampai pada akhirnya mulai diterapkannya teknologi computer vision seperti yang sudah dilakukan oleh Ardiansyah, M. N. et al pada tahun 2021 [10]. Metode Convolutional Neural Network (CNN) sendiri telah digunakan untuk berbagai aplikasi pengenalan, diantaranya untuk pengenalan terhadap data medis [11][12] [13], pengenalan wajah dan emosi manusia [14], serta aplikasi umum lainnya [15] [16].…”