PERANCANGAN SISTEM DETEKSI CACAT PELEK BAN BERBASIS CITRA RADIOGRAFI MENGGUNAKAN ROBOFLOW DETECTION TRANSFORMER

Adinda Putri Rahmadani, Prof. Ir. Nazrul Effendy, S.T., M.T., Ph.D., IPM., ASEAN Eng.

2026 | Skripsi | FISIKA TEKNIK

Uji radiografi merupakan salah satu metode uji tanpa rusak (Non Destructive Testing) yang digunakan untuk mendeteksi cacat internal pada material tanpa merusak objek uji. Sebuah perusahaan manufaktur pelek aluminium di Indonesia menggunakan mesin radiografi Dandong untuk memeriksa kualitas material pelek ban berbahan aluminium, namun sebagian proses klasifikasi cacat masih dilakukan secara manual. Penelitian ini bertujuan mengimplementasikan dan mengevaluasi model RoboFlow Detection Transformer (RF-DETR) sebagai sistem deteksi cacat otomatis pada citra hasil radiografi material pelek ban.

Dataset yang digunakan merupakan citra radiografi hasil produksi perusahaan yang telah melalui tahap pra-pemrosesan gambar. Model RF-DETR dikembangkan dengan pendekatan transfer learning dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-Score. Model dilatih hingga 500 epoch  dengan variasi data mentah, data Augmentasi 1, dan data Augmentasi 2. 

Hasil penelitian menunjukkan bahwa model dengan variasi data  Augmentasi 2, yaitu dataset hasil pra-pemrosesan dengan data cleaning dan augmentasi data terarah memberikan performa terbaik dibandingkan model lainnya  dengan nilai akurasi 93%, presisi 83%, recall 83%, dan F1-Score 83%. Temuan ini mengindikasikan bahwa model RF-DETR memiliki potensi sebagai sistem deteksi cacat pada material pelek ban yang andal dan efisien.

Radiographic Testing (RT) is a non-destructive testing (NDT) technique widely used to detect internal defects in materials without causing damage to the inspected object. An aluminum wheel manufacturer in Indonesia utilizes a Dandong radiography system to evaluate the quality of aluminum wheel rim materials; however, defect classification is still partially conducted through manual inspection. This study aims to implement and evaluate the RoboFlow Detection Transformer (RF-DETR) model as an automated defect detection system for radiographic images of aluminum wheel rims.  

The dataset used in this study consists of radiographic images acquired directly from the production line and subjected to image pre-processing procedures. The RF-DETR model was developed using a transfer learning approach and evaluated using accuracy, precision, recall, and F1-score metrics. Model training was conducted for 500 epochs using three data configurations: raw data, augmentation dataset 1, and augmentation dataset 2. 

The experimental results indicate that the augmentation dataset 2 achieved  the best overall performance, with an accuracy of 93%, precision of 83%, recall of 83%, and an F1-score of 83%. These results demonstrate the strong potential of the RF-DETR model as a reliable and efficient automated defect detection system for radiographic inspection of aluminum wheel rim materials.

Kata Kunci : Radiografi, NDT, Pembelajaran Mendalam, RF-DETR