• Login
    View Item 
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Industrial Technology
    • Informatics Engineering
    • View Item
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Industrial Technology
    • Informatics Engineering
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Pengembangan Model Deteksi Untuk On-shelf Availability Produk menggunakan Yolov8 Pada Aplikasi Bergerak

    Thumbnail
    View/Open
    20523239.pdf (3.560Mb)
    Date
    2024
    Author
    Andaru, Gabriel Imam
    Metadata
    Show full item record
    Abstract
    Pengelolaan ketersediaan produk di rak merupakan tantangan utama bagi toko retail dalam memastikan kepuasan pelanggan dan meningkatkan efisiensi operasional. Kehilangan penjualan akibat kekosongan stok dapat berdampak signifikan pada pendapatan dan reputasi toko. Oleh karena itu, diperlukan sebuah sistem yang efektif dan efisien untuk memantau ketersediaan produk secara real-time. Penelitian ini bertujuan untuk mengembangkan sistem deteksi ketersediaan produk di rak (On-Shelf Availability) menggunakan teknologi YOLOv8 pada aplikasi bergerak. Sistem ini dirancang untuk membantu toko retail dalam mengoptimalkan manajemen inventaris dan mengurangi kejadian kekosongan stok. Dalam pengembangan sistem, digunakan perangkat bergerak Samsung A6 dan Samsung A54 untuk melakukan perbandingan kinerja. Model YOLOv8 dilatih menggunakan dataset gambar produk retail yang bervariasi, kemudian diintegrasikan ke dalam aplikasi bergerak berbasis Android. Sistem ini mampu mendeteksi dan mengidentifikasi produk yang tersedia maupun yang kosong di rak berdasarkan input gambar dari kamera perangkat bergerak. Model YOLOv8 yang digunakan adalah YOLOv8n dan YOLOv8s. Hal ini didasari dengan pertimbangan bahwa kedua model tersebut memiliki waktu inferensi yang relatif lebih rendah daripada model YOLOv8 lainnya. Hasil penelitian menunjukkan bahwa YOLOv8s memiliki hasil yang lebih bagus daripada YOLOv8n dengan masing-masing mAP50 sebesar 0,962 dan 0,947. Selain itu, penelitian ini juga menunjukkan perbedaan kinerja antara kedua perangkat. Samsung A54 menunjukkan performa yang lebih unggul dengan rata-rata waktu proses deteksi 0,075 detik. Sementara itu, Samsung A6 memiliki rata-rata waktu proses 0,341 detik. Kesimpulan dari penelitian ini adalah bahwa sistem deteksi On-Shelf Availability produk menggunakan YOLOv8 pada aplikasi bergerak memiliki kinerja yang memuaskan dan layak diterapkan dalam pengelolaan inventaris di toko retail. Implementasi sistem ini diharapkan dapat memberikan manfaat signifikan dalam operasional toko, mengurangi kekosongan stok, dan meningkatkan pengalaman belanja konsumen.
    URI
    dspace.uii.ac.id/123456789/51069
    Collections
    • Informatics Engineering [2510]

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV