DETEKSI MULTI OBJEK PADA PEMBELIAN BARANG MENGGUNAKAN ALGORITMA YOLOV3-TINY

Pasar tradisional merupakan pasar yang di kelola oleh pihak swasta yang tempat usahanya berupa kios, toko kelontong, warung dan lain-lain. Saat ini rata-rata pasar tradisional tergabung dalam suatu komunitas bernama SRC (Sampoerna Retail Community). Komunitas ini sedang banyak diikuti oleh pedagang untuk mendapatkan pelatihan dan tentunya meningkatkan daya jual karena memiliki supply barang untuk dijual. Pada penelitian ini telah dilakukan deteksi multi-objek pada produk Oishi. Oishi merupakan salah satu brand makanan ringan yang terdapat di banyak toko. Penelitian ini menggunakan algoritme YOLOv3-tiny. YOLOv3-tiny adalah model deteksi objek nyata yang diimplementasikan dengan beberapa model library. Algoritme ini membagi segmentasi gambar menjadi beberapa bagian, kemudian dilakukan proses konvolusi gambar. Pada penelitian ini pengerjaan dibagi menjadi enam bagian sesuai dengan konsep AI Project Cylce, yaitu memahami permasalahan (Problem Scoping), pengambilan gambar (Data Acquisition), pelabelan gambar (Data Exploration), training data (Modelling), analisa evaluasi (Evaluation) dan pengembangan aplikasi (Deployment). Dengan menggunakan algoritme YOLOv3-tiny yang dibantu dengan komputasi seperti proses GPU-CUDA dan CNN-Darknet53. Terdapat sekitar 300 total data gambar. Algoritme YOLOv3-tiny yang telah dikembangkan dapat mendeteksi dengan akurasi rata-rata sekitar 94.99% dari 20 gambar uji. Waktu komputasi dari deteksi objek, didapatkan rata-rata sekitar 2,18 detik. Kata Kunci: YOLOv3-tiny, Convolutional Neural Network, AI Project Cycle.