Rancang Bangun Linear Robot untuk Sortir Kertas Nota Berdasarkan Warna dan Kelayakan Menggunakan Algoritma convolutional Neural Network (CNN)

Proses penyortiran kertas yang masih dilakukan secara manual memiliki risiko tinggi terhadap kesalahan serta memerlukan waktu dalam proses pengerjaannya. Dalam proses meningkatkan kualitas kerja maka muncullah sebuah ide untuk membuat sebuah alat penyortir otomatis. Penelitian ini bertujuan untuk membuat alat penyortir kertas berdasarkan warna dan kelayakan menggunakan metode CNN. Sistem ini terdiri atas beberapa komponen, yaitu Mini PC sebagai unit pemrosesan utama, web camera untuk mendeteksi warna dan tampilan kertas. Suction cup berfungsi untuk mengambil kertas. Model klasifikasi citra pada penelitian ini dikembangkan menggunakan metode CNN dengan pendekatan transfer learning menggunakan arsitektur ResNet50 yang telah dilatih sebelumnya pada dataset ImageNet. Dataset yang digunakan berjumlah 1.180 citra yang terbagi ke dalam enam kelas. Data kemudian dibagi dengan perbandingan 80% untuk training dan 20% untuk validation, sehingga diperoleh 236 data uji. Proses pelatihan dilakukan dengan batch size 32 dan maksimum 30 epoch. Selama proses pelatihan, akurasi data latih meningkat dari sekitar 20% hingga mencapai ±52%, sedangkan validation accuracy mencapai ±46%. Namun, berdasarkan evaluasi akhir menggunakan confusion matrix diperoleh 51 prediksi yang benar dari total 236 data uji, sehingga menghasilkan nilai accuracy sebesar 21,6%. Selain itu, diperoleh rata-rata precision sebesar 13,6%, recall sebesar 13,5%, dan F1-score sebesar 13,5%.