Car Body Surface Defect Detection System Based on Image Analysis and Big Data

Sistem Deteksi Cacat Permukaan Bodi Mobil Berbasis Analisis Citra dan Big Data

Abstract

Perkembangan industri otomotif modern menuntut sistem inspeksi kualitas yang cepat, akurat, dan skalabel seiring meningkatnya volume data citra pada lini produksi. Proses inspeksi manual memiliki keterbatasan dari sisi subjektivitas, konsistensi, dan efisiensi waktu, sehingga diperlukan sistem inspeksi visual otomatis berbasis teknologi komputasi cerdas. Penelitian ini bertujuan untuk merancang dan mengevaluasi sistem deteksi cacat permukaan bodi mobil berbasis integrasi pengolahan citra digital dan komputasi big data menggunakan pendekatan pembelajaran mesin terdistribusi. Seluruh proses eksperimen dilakukan menggunakan platform Google Colaboratory (Google Colab) dalam bentuk interactive Python notebook. Metode penelitian meliputi tahapan akuisisi data citra, preprocessing, segmentasi dan ekstraksi region of interest, ekstraksi bounding box, serta perhitungan fitur geometri, tekstur Haralick (GLCM), Local Binary Pattern (LBP), fitur warna, dan kepadatan piksel. Seluruh fitur dieksekusi dan diproses secara paralel menggunakan Apache Spark yang dijalankan pada lingkungan Google Colab, sehingga memungkinkan pemrosesan data terdistribusi berbasis komputasi awan yang fleksibel, reprodusibel, dan efisien. Evaluasi kinerja dilakukan menggunakan metrik accuracy, precision, recall, F1-score, serta waktu komputasi. Hasil eksperimen menunjukkan bahwa Neural Network memberikan performa terbaik dengan nilai F1-score sebesar 0,6746, diikuti Random Forest sebesar 0,6246 dan SVM sebesar 0,6201. Hasil penelitian ini menunjukkan bahwa integrasi analisis citra, big data, dan komputasi awan efektif meningkatkan efisiensi dan keandalan sistem inspeksi visual otomatis di industri otomotif.