Pengenalan objek berbasis kecerdasan buatan dan machine learning
mengalami perkembangan yang sangat pesat hingga saat ini. Salah satu bidang
yang memanfaatkan teknologi ini adalah pengolahan citra dengan menggunakan
deep learning yang menjadi kunci utama dalam proses pelatihan suatu data.
Penelitian ini bertujuan untuk memilih kecerdasan buatan yang sesuai pada
teknologi pengolahan citra yang digunakan untuk sistem sortir barang. Pada
penelitian ini menjelaskan tentang teknologi pengolahan citra yang
diimplementasikan untuk mengenali barang pada sistem sortir berdasarkan data
yang dilatih menggunakan TensorFlow Object Detection API pada Google Colab.
Dengan menggunakan metode pelatihan model pra-terlatih seperti SSD Mobilenet
V2 yang mampu memberikan akurasi dan area deteksi untuk berbagai kategori
objek pada gambar. Aplikasi ini dirancang untuk mendeteksi dan mengukur
akurasi dari input gambar yang telah dilatih, yaitu barang berdasarkan warna dan
bentuk menggunakan metode menemukan objek dalam gambar atau bisa disebut
dengan object detection. Penelitian ini menghasilkan model yang bisa digunakan
pada kontroler Raspberry Pi untuk sistem sortir barang berdasarkan kategori yang
sudah dilatih sebelumnya. Hasil dari pengujian menunjukkan bahwa sistem yang
dikembangkan berhasil mencapai tingkat akurasi deteksi objek dengan rata-rata
sebesar 88,7% menggunakan analisis perhitungan confusion matrix, melalui
pengujian pada empat jenis barang dengan tiga posisi yang berbeda.