Implementasi Quality Management System Pada Baterai Lithium Dengan Metode Convolutional Neural Network (CNN)

Abstract

Baterai lithium-ion adalah termasuk dalam jenis baterai sekunder (jenis baterai yang dapat diisi ulang) yang berfungsi untuk menyimpan dan mengalirkan energi secara elektrokimia. Baterai Lithium-Ion umumnya digunakan dalam berbagai perangkat elektronik portabel seperti smartphone, laptop, tablet, kamera digital, dan perangkat elektronik lainnya. Baterai Li-Ion terdiri dari sel-sel individu yang memiliki elektroda positif (anoda) dari lithium dan elektroda negatif (katoda) yang biasanya terbuat dari grafit. Penggunaan metode Convolutional Neural Network berguna untuk deteksi kecacatan produk yang digabungkan dengan beberapa model seperti ResNet, MobileNet, dan Inception. Penggunaan kombinasi ini telah terbukti menghasilkan tingkat akurasi yang signifikan dalam mengidentifikasi cacat pada produk baterai. Model dilatih dengan dataset yang cukup besar dan memiliki arsitektur yang mampu untuk mendeteksi kecacatan baterai dengan lebih baik, dan canggih. Model CNN yang telah dikembangkan mampu mengklasifikasikan jenis baterai menggunakan 3 model berbeda dan menghasilkan tingkat akurasi yang cukup tinggi. Hasil pengujian dengan 100 epoch menggunakan optimizer Adam menghasilkan tingkat akurasi sebesar 96% untuk model Inception, model ResNet menghasilkan akurasi sebesar 94% dan model MobileNet yang menghasilkan tingkat akurasi sebesar 92%.  Dalam hal ini, model ResNet direkomendasikan  untuk klasifikasi karena dapat memprediksi hasil dengan  lebih akurat dibanding model MobileNet dan Inception.