RANCANG BANGUN CARTESIAN ROBOT UNTUK SORTIR KEMASAN KALENG BERDASARKAN TINGKAT CACAT MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Proses inspeksi kualitas kemasan kaleng di industri masih banyak dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan dan meningkatkan biaya operasional. Penelitian ini berjudul “Rancang Bangun Cartesian robot untuk Sortir Kemasan Kaleng Berdasarkan Tingkat Cacat Menggunakan Algoritma Convolutional Neural Network (CNN)”. Penelitian ini mengimplementasikan algoritma CNN pada sistem sortir otomatis berbasis cartesian robot. Sistem terdiri atas konveyor sebagai media transportasi, sensor proximity untuk deteksi objek, serta kamera webcam untuk akuisisi citra. Citra yang diperoleh kemudian diproses menggunakan CNN untuk mengklasifikasikan kaleng normal dan cacat berdasarkan tekstur dan warna RGB. Hasil klasifikasi dikirim ke mikrokontroler yang mengendalikan cartesian robot dalam melakukan prosedur pick and place, yaitu memindahkan kaleng cacat ke wadah reject atau mengarahkan kaleng normal ke jalur distribusi. Integrasi CNN dan cartesian robot diharapkan dapat meningkatkan akurasi deteksi, konsistensi proses penyortiran, serta mengurangi biaya operasional dalam proses produksi.