IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI CACAT KAIN

Kain adalah bahan yang terbuat dari hasil tenunan benang yang dapat diolah menjadi pakaian, dan berbagai macam kebutuhan sandang lainnya. Dalam proses pembelian kain ada kalanya kain yang dibeli mengalami cacat. Cacat tersebut ada yang mudah dilihat ada juga yang samar. Factory outlet adalah toko ritel yang menjual barang-barang hasil limpahan dari pabrik (khususnya barang sandang) yang merupakan sisa kelebihan produksi untuk keperluan ekspor atau disisihkan oleh pabrik dikarenakan terdapat cacat pada produk tersebut. Masalah muncul ketika konsumen tidak dapat dengan mudah mendeteksi cacat pada produk yang ingin dibeli, baik kain di pasaran maupun barang sandang di factory outlet. Hal tersebut mengakibatkan pembelian produk menjadi tidak memenuhi standar kualitas yang diharapkan oleh konsumen. Oleh karena itu, diperlukan suatu solusi yang dapat membantu masyarakat dalam mendeteksi kecacatan pada kain sebelum melakukan pembelian. Sistem deteksi cacat kain pada penelitian ini dibangun menggunakan metode Convolutional Neural Network, arsitektur MobileNetV2 dengan hyperparameter tunning yang menghasilkan model lebih optimal yaitu epoch 30, batch size 10, steps per epoch dan validation steps diatur default, serta learning rate 0.0001. Dari proses pelatihan dengan jumlah data latih 405 citra dan proses validasi dengan jumlah data validasi 114 citra, memberikan hasil akurasi training 0.9855 dan loss 0.7092, serta hasil akurasi validation 0.9912 dan loss 0.7024. Kemudian tingkat keberhasilan sistem deteksi cacat kain yang diuji pada aplikasi mobile (android) dengan jumlah data uji 57 citra yaitu akurasi sebesar 96,49%. Hal ini menujukkan bahwa sistem mampu mendeteksi cacat kain dengan baik.