Klasifikasi Tingkat Kerapihan Instalasi Panel Listrik Industri Menggunakan Computer Vision dan Algoritma Random Forest

Abstract

Kerapihan instalasi panel listrik merupakan salah satu faktor penting yang menentukan keamanan, efisiensi, dan kualitas kerja sistem kelistrikan industri. Pemeriksaan kerapihan biasanya dilakukan secara manual oleh teknisi atau inspektur, namun cara ini membutuhkan waktu, bersifat subjektif, dan sering menghasilkan penilaian yang tidak konsisten antar pemeriksa. Penelitian ini mengusulkan sistem otomatis untuk mengklasifikasikan tingkat kerapihan panel listrik industri menggunakan pendekatan computer vision dan algoritma Random Forest. Sistem ini bekerja dengan cara mengambil citra panel listrik, kemudian melakukan proses pengolahan gambar seperti deteksi tepi, pengenalan pola kabel, dan analisis tekstur untuk menghasilkan fitur visual.  Hasil ekstraksi fitur tersebut digunakan oleh algoritma Random Forest untuk menentukan kategori kerapihan, yaitu rapi, sedang, atau berantakan. Implementasi dilakukan dengan bahasa Python menggunakan pustaka OpenCV. Selain itu, dibuat juga antarmuka pengguna yang mudah digunakan. Hasil uji coba menunjukkan bahwa metode ini mampu memberikan akurasi tinggi dalam membedakan tingkat kerapihan panel. Sistem ini diharapkan dapat membantu proses audit dan pemeliharaan panel listrik di lingkungan industri dengan lebih cepat, objektif, dan efisien serta dapat menjadi langkah awal menuju sistem inspeksi visual otomatis pada bidang instalasi kelistrikan industri yang lebih objektif, cepat, dan adaptif terhadap berbagai kondisi lapangan.