Sistem Deteksi Citra Blur Menggunakan Convolutional Neural Network Untuk Customer Relationship Management

Ardhana, Made Yudhista (2023) Sistem Deteksi Citra Blur Menggunakan Convolutional Neural Network Untuk Customer Relationship Management. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10311910000035-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

PT. United Tractors Tbk. merupakan perusahaan yang bergerak di bidang distributor bis, truk, dan alat berat. Perusahaan tersebut memiliki cabang yang tersebar di seluruh Indonesia. Setiap penjualan unit memiliki masa garansi, apabila terdapat kerusakan atau komponen yang tidak lengkap maka dapat mengajukan klaim garansi. Untuk mendapatkan klaim garansi maka pelanggan atau mekanik harus mengirim foto terkait komponen yang diajukan dengan jelas ke Customer Relationship Management (CRM). Terkadang tim CRM mendapatkan gambar dengan kualitas blur dari pelanggan sehingga mempersulit tim CRM untuk mengidentifikasi kerusakan pada barang yang diajukan karena pada sistem CRM tidak dapat mendeteksi kualitas dari sebuah gambar. Maka dari itu membutuhkan sistem untuk mendukung CRM dalam deteksi kualitas gambar Penelitian sebelumnya merancang sistem deteksi menggunakan metode deteksi tepi laplacian. Namun metode tersebut memiliki kekurangan dalam mendeteksi gambar pada objek besi berkarat dengan kualitas blur yang dianggap clear. Penelitian ini mendeteksi gambar blur menggunakan Convolutional Neural Netwoks (CNN). CNN digunakan untuk salah satunya mengklasifikasikan gambar ke dalam kategori yang berbeda. CNN dapat secara otomatis mempelajari dan mengekstraksi fitur dari gambar dan memungkinkan untuk mengidentifikasi objek atau pola tertentu di dalam gambar. Hasil dari penelitian ini, sistem yang telah dirancang menggunakan CNN dapat membedakan gambar blur dan clear dengan tingkat akurasi 100% dengan menggunakan 400 dataset training dengan epoch sebanyak 200.
=================================================================================================================================
PT. United Tractors Tbk. is a company engaged in the distribution of buses, trucks and heavy equipment. The company has branches spread throughout Indonesia. Each sales unit has a warranty period, if there is damage or incomplete components, you can submit a warranty claim. To get a warranty claim, the customer or mechanic must send a photo regarding the component that is clearly submitted to Customer Relationship Management (CRM). Sometimes the CRM team gets images with blurry quality from customers, making it difficult for the CRM team to identify damage to the submitted goods because the CRM system cannot detect the quality of an image. Therefore, it requires a system to support CRM in image quality detection. Previous research designed a detection system using the Laplacian edge detection method. The Nemun method has a drawback in detecting images on rusty iron objects with blur quality that is considered clear. This study detects image blur using Convolutional Neural Networks (CNN). CNN is used for one of them classifying images into different categories. CNN can automatically study and extract features from images and make it possible to identify certain objects or patterns in images. The results of this study, the system that has been designed using CNN can distinguish blur and clear images with an accuracy of 100% using 400 training datasets with 200 epochs.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Customer Relationship Management, Convolutional Neural Networks, Blur. Customer Relationship Management, Convolutional Neural Networks, Blur, Convolutional Neural Networks.
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Made Yudhista Ardhana
Date Deposited:	11 Aug 2023 00:57
Last Modified:	11 Aug 2023 00:57
URI:	http://repository.its.ac.id/id/eprint/104232

Actions (login required)

View Item