IMPLEMENTASI ALGORITMA YOLOv8 DAN PENGGUNAAN ESP32-CAM UNTUK DETEKSI KUALITAS OLI MOTOR BERBASIS WEB

Abstract

Maraknya peredaran oli motor palsu menimbulkan risiko signifikan terhadap keamanan dan kerugian ekonomi bagi konsumen, sementara metode deteksi konvensional tidak dapat diakses secara luas. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengevaluasi sebuah sistem deteksi kualitas oli non-invasif berbiaya rendah yang dapat diakses secara real-time. Metode yang diterapkan adalah Research and Development (R&D) dengan pendekatan prototyping. Sistem ini mengintegrasikan algoritma deep learning YOLOv8 untuk analisis visual dengan perangkat Internet of Things (IoT) ESP32-CAM untuk akuisisi citra, yang dikelola melalui aplikasi web dengan arsitektur client-server. Model kecerdasan buatan dilatih menggunakan dataset kustom berisi 875 citra sampel oli yang diklasifikasikan ke dalam lima kategori kualitas. Hasil penelitian menunjukkan bahwa sistem berhasil diwujudkan secara fungsional. Model deteksi mencapai kapabilitas klasifikasi dasar dengan nilai mean Average Precision (mAP50) sebesar 60.7%. Pengujian kinerja sistem mengidentifikasi waktu respons total berkisar antara 10 hingga 16 detik. Analisis lebih lanjut mengungkap dua faktor penghambat utama: sensitivitas durasi pemrosesan inferensi oleh model YOLOv8 terhadap kondisi pencahayaan ambien, dan latensi jaringan yang timbul saat berinteraksi dengan API eksternal. Penelitian ini berhasil membuktikan kelayakan konsep sistem deteksi yang diusulkan dan menyediakan tolok ukur kinerja yang berharga, serta menyoroti pentingnya standardisasi lingkungan akuisisi citra dan stabilitas jaringan sebagai faktor krusial untuk pengembangan di masa mendatang.