PENGGUNAAN MACHINE LEARNING UNTUK DETEKSI KERUSAKAN PADA SECURITY SEAL MELALUI CITRA DIGITAL MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

Abstrak

Security seal merupakan komponen krusial dalam menjaga integritas dan keamanan produk, terutama dalam sektor logistik, transportasi, dan distribusi. Fungsinya sebagai indikator pelanggaran menjadikannya alat penting dalam mendeteksi manipulasi atau akses tidak sah terhadap barang selama proses pengiriman. Namun, inspeksi kondisi Security seal secara manual masih menjadi kendala utama karena bergantung pada pengamatan manusia yang bersifat subjektif, memakan waktu, dan rawan kesalahan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis terhadap kerusakan pada Security seal dengan memanfaatkan algoritma Convolutional Neural Network (CNN) yang dilengkapi dengan teknik visualisasi CNN untuk meningkatkan interpretabilitas hasil prediksi. Metodologi yang digunakan mencakup beberapa tahapan, yaitu: pengumpulan dataset citra Security seal yang terbagi dalam dua kelas (baik dan rusak), preprocessing data berupa resizing, normalisasi, dan augmentasi, serta pelatihan model CNN menggunakan arsitektur bertingkat dengan fungsi aktivasi ReLU dan output sigmoid. Untuk memahami fokus klasifikasi model, digunakan teknik Grad-CAM yang menghasilkan visualisasi area penting pada gambar yang memengaruhi hasil prediksi. Hasil evaluasi menunjukkan bahwa model CNN mampu mencapai akurasi tinggi dan mendeteksi kerusakan secara konsisten. Sistem ini kemudian diimplementasikan ke dalam aplikasi berbasis web menggunakan framework Flask, sehingga dapat digunakan secara langsung oleh pengguna awam tanpa keahlian teknis. Dengan pendekatan ini, proses inspeksi Security seal dapat dilakukan secara lebih cepat, efisien, dan objektif. Penelitian ini diharapkan memberikan kontribusi dalam pengembangan sistem inspeksi visual otomatis yang dapat diterapkan secara luas di industri logistik maupun sektor lain yang memerlukan keamanan produk berbasis segel.