Model Mobile untuk Deteksi Objek pada On-Shelf Availability Produk Retail

Abstract

Supermarket sebagai toko retail yang menyediakan berbagai kebutuhan produk sehari-hari, dalam menjalankan proses bisnisnya, sering mengalami masalah kehabisan stok barang yang memberikan dampak kerugian paling banyak. Diperkirakan, kehabisan stok barang pada produk retail berkisar antara 7% hingga 10% diseluruh dunia, yang menyebabkan kerugian hingga miliaran tiap tahunnya. Masalah ini sebagian besar disebabkan oleh manajemen barang yang buruk. Adanya dukungan dari sistem deteksi objek diharapkan dapat meningkatkan kepedulian pihak manajemen terhadap pentingnya ketersediaan suatu barang sehingga proses jual beli pada toko retail menjadi lebih baik. Penelitian ini menerapkan arsitektur model deteksi objek YOLO (You Only Look Once), yakni YOLOv4-tiny yang akan dijalankan pada perangkat mobile. YOLOv4-tiny digunakan karena memiliki berbagai kelebihan diantaranya terbukti memiliki kinerja yang baik, ukuran modelnya yang kecil, kompleksitas komputasi yang rendah, dan dapat memproses gambar dengan cepat. Selain itu, pengolahan data pada penelitian ini meliputi data collection, data preprocessing, data annotation, training model, evaluation, dan testing. Adapun Dataset yang digunakan pada penelitian ini sebagai studi kasus adalah produk susu bubuk sebanyak 4637 data gambar yang berisikan 106 kelas. Performa yang dihasilkan dari model yang dibangun cukup tinggi dengan nilai mean average precision sebesar 92.14%. Terlebih lagi, pengujian pada perangkat android mendapatkan waktu inferensi rata-rata berkisar antara 600 hingga 700ms.