Implementasi Computer Vision untuk Deteksi dan Verifikasi QR Code Anti-Pemalsuan Produk pada sistem Keamanan QTRUST.

Edeline, Novia (2026) Implementasi Computer Vision untuk Deteksi dan Verifikasi QR Code Anti-Pemalsuan Produk pada sistem Keamanan QTRUST. Pro-Step Report, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_I.pdf Download (216kB)
	PDF BAB_II.pdf Download (346kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (4MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (203kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (4MB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (52kB)

Abstract

Pemalsuan produk merupakan permasalahan yang dapat menimbulkan kerugian bagi perusahaan maupun konsumen sehingga diperlukan mekanisme verifikasi keaslian produk yang efektif. Salah satu solusi yang dapat diterapkan adalah penggunaan kode QR sebagai identitas unik produk, namun proses identifikasi yang masih dilakukan secara manual dinilai kurang efisien. Oleh karena itu, kegiatan kerja magang ini bertujuan mengembangkan sistem deteksi kode QR berbasis Computer Vision menggunakan algoritma YOLO (You Only Look Once) untuk mendukung proses verifikasi produk secara otomatis. Metodologi yang digunakan meliputi pengumpulan dan anotasi dataset, preprocessing data, pelatihan model, evaluasi model, serta implementasi sistem secara real-time. Enam model YOLO, yaitu YOLOv8n, YOLOv8s, YOLOv11n, YOLOv11s, YOLO26n, dan YOLO26s, dibandingkan menggunakan data uji yang tidak terlibat dalam proses pelatihan maupun validasi guna mengukur kemampuan generalisasi model. Hasil pengujian menunjukkan bahwa seluruh model mampu mendeteksi kode QR dengan baik, namun YOLOv11s memperoleh performa terbaik dibandingkan model lainnya pada dataset yang digunakan. Model tersebut kemudian diimplementasikan pada sistem deteksi real-time menggunakan kamera telepon pintar yang terhubung melalui DroidCam dan mampu mendeteksi kode QR secara akurat serta responsif pada berbagai kondisi pengujian. Berdasarkan hasil tersebut, sistem yang dikembangkan berhasil mendukung deteksi kode QR secara otomatis dan berpotensi menjadi dasar pengembangan sistem verifikasi keaslian produk yang lebih efektif di lingkungan perusahaan.

Item Type:	Technical Report (Pro-Step Report)
Creators:	Edeline, Novia (00000098387)
Contributors:	Wahjudi, Januar (0330017201)
Keywords:	Computer Vision, Deteksi Objek, Kode QR, Verifikasi Produk, YOLO.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Jul 2026 12:01
URI:	https://kc.umn.ac.id/id/eprint/47324

Actions (login required)

View Item