PROPOSAL PROGRAM KREATIVITAS MAHASISWA

OTOMATISASI KASIR BERBASIS OBJECT DETECTION

MENGGUNAKAN METODE FASTER R-CNN UNTUK EFEKTIVITAS
PROSES TRANSAKSI

BIDANG KEGIATAN:
PKM-KARSA CIPTA

Diusulkan Oleh:

Hanief Widya Wardhana 4611420024; 2020

Ahmad Syafii 4611420012; 2020
Muhammad Hafidz A A 4611420008; 2020
Nur Fitri Sukrina 5301421036; 2021
Vinic Prasetya Damayanti 5301420028; 2020

UNIVERSITAS NEGERI SEMARANG

SEMARANG
2022
 DAFTAR ISI

DAFTAR ISI ............................................................................................................ i

BAB 1. PENDAHULUAN ..................................................................................... 1
1.1. Latar Belakang.......................................................................................... 1
1.2. Rumusan Masalah .................................................................................... 2
1.3. Tujuan ....................................................................................................... 2
1.4. Manfaat ..................................................................................................... 2
1.5. Luaran ....................................................................................................... 2
BAB 2. TINJAUAN PUSTAKA ............................................................................ 3
2.1. Kasir Konvensional ................................................................................... 3
2.2. Object Detection ........................................................................................ 3
2.3. Faster Regional Convolutional Neural Network (Faster R-CNN) ........... 3
BAB 3. TAHAP PELAKSANAAN ........................................................................ 5
3.1. Metode pelaksanaan .................................................................................. 5
3.2. Waktu dan Tempat .................................................................................... 6
3.3. Analisis Kebutuhan ................................................................................... 6
3.4. Perancangan Prototype/Alat ...................................................................... 7
3.5. Pengujian Keandalan Alat ......................................................................... 8
3.6. Evaluasi Alat ............................................................................................. 8
BAB 4. BIAYA DAN JADWAL KEGIATAN ...................................................... 9
4.1. Anggaran Biaya ......................................................................................... 9
4.2. Jadwal Kegiatan......................................................................................... 9
BAB 5. DAFTAR PUSTAKA .............................................................................. 10
LAMPIRAN-LAMPIRAN .................................................................................... 11
Lampiran 1. Biodata Ketua dan Anggota serta Dosen Pendamping ................. 11
Lampiran 2. Justifikasi Anggaran Kegiatan ...................................................... 19
Lampiran 3. Susunan Organisasi Tim Pelaksana dan Pembagian Tugas .......... 21
Lampiran 4. Surat Pernyataan Ketua Pelaksana ................................................ 22
Lampiran 5. Gambaran Teknologi yang akan Dikembangkan .......................... 23

i
 1

BAB 1. PENDAHULUAN

1.1. Latar Belakang

Sering kali dijumpai pada supermarket, adanya penumpukan antrian pada
kasir yang dikarenakan lamanya waktu pemindaian pada setiap barang, dan proses
pembayaran yang tidak praktis pada sistem kasir konvensional. Berdasarkan
laporan yang ditulis oleh Timorria pada situs berita bisnis.com, bahwasannya per
November 2021 terdapat 23.640 pemindaian QR code Peduli Lindungi di pusat
perdagangan modern berstatus hitam atau yang positif/kontak erat dengan kasus
COVID-19 dan 634.995 pemindaian berstatus merah atau belum menerima vaksin.
Tentunya, panjangnya antrian dan lamanya waktu pembayaran menjadi titik
masalah yang sangat rawan penyebaran COVID-19 pada sistem transaksi
konvensional. Dalam implementasinya, kemudahan dan kecepatan menjadi
kebutuhan saat bertransaksi dikala pandemi ini. Untuk mengurangi resiko
penyebaran virus tersebut, inovasi toko dengan kasir otomatis atau kerap juga
disebut smart cashier dapat memberikan kemudahan dan kecepatan saat
bertransaksi.
Penelitian terhadap smart cashier sebelumnya sudah pernah dilakukan.
Penelitian (Noor dkk., 2018) mengemukakan teknologi Smart Cashier yang
memanfaatkan tag Radio Frequency Identification (RFID) yang ditempel pada
setiap barang agar dapat dibaca oleh RFID Reader pada setiap troli.
Penelitian terkait smart cashier lainnya juga pernah dilakukan pada pusat
perbelanjaan grosir (Pradipta dkk., 2014). Penelitian ini menggunakan teknologi
tag passive RFID pada setiap produk di toko tersebut. Pembeli hanya perlu
melewatkan keranjang belanjaannya pada area RFID reader, dan seketika data
barang dan total belanjaan dapat terlihat pada monitor kasir.
Berdasarkan penelitian di atas, terdapat beberapa kekurangan dari penelitian
smart cashier sebelumnya. Yaitu RFID reader hanya dapat membaca barang ketika
barang tersebut telah ditambahkan tag RFID. Jika barang tersebut tidak ada tag
RFID, maka proses identifikasi tidak dapat berjalan (Noor dkk., 2018). Adanya tag
RFID juga akan dibebankan pada harga jual barang tersebut, dan juga setiap tag
RFID tersebut dengan jumlah yang sangat banyak pada akhirnya akan
memperbanyak limbah elektronik.
Berdasarkan kondisi tersebut, Otomatisasi kasir Berbasis Object Detection
Menggunakan Metode Faster R-CNN Untuk Efektifitas Proses Transaksi yang
digagaskan memiliki solusi pada masalah pemindaian barang yang menggunakan
tag RFID yang telah disebutkan sebelumnya.
Teknologi yang digagaskan akan mengidentifikasi produk dengan kamera
object detection menggunakan algoritma Faster R-CNN yang ditempatkan pada
meja conveyor. Barang belanjaan tersebut akan langsung masuk dalam tagihan
pelanggan secara real-time saat teridentifikasi oleh kamera, dan pelanggan dapat
langsung membayarnya dengan e-wallet yang telah terintegrasi. Object detection
 2

tersebut digunakan untuk mendeteksi sebuah objek visual dari kelas tertentu dalam
gambar digital, atau untuk mengidentifikasi setiap produk yang ada. Dan metode
Faster R-CNN yang digunakan merupakan algoritma yang sering kali digunakan
dalam hal object detection.
Tujuan dari teknologi ini pun selaras dengan program Sustainable
Development Goals (SDGs) atau pembangunan berkelanjutan. Tujuan
pembangunan berkelanjutan meliputi membangun infrastruktur yang tahan lama,
mendukung industrialisasi yang inklusif dan berkelanjutan dan membantu
perkembangan inovasi dengan diharapkan dapat menjadi solusi dari masalah pada
kasir konvensional seperti proses pemindaian barcode pada setiap barang yang
tergolong lama, dan panjangnya jumlah antrian yang beresiko terjadinya penularan
COVID-19. Dan diharapkan juga dapat mengefisienkan teknologi smart cashier
sebelumnya yang menggunakan tag RFID dari segi biaya, kemudahan, dan limbah.

1.2. Rumusan Masalah

Berdasarkan latar belakang di atas, permasalahan yang akan dikaji adalah:
Bagaimana unjuk kerja atau kehandalan teknologi kasir otomatis sebagai
pengganti kasir konvensional untuk keefektifan proses transaksi pada
supermarket/swalayan?

1.3. Tujuan
Tujuan yang hendak dicapai dalam PKM-KC ini adalah:
Menciptakan teknologi kasir otomatis sebagai pengganti kasir konvensional
dalam upaya efektivitas proses transaksi di kala pandemi.

1.4. Manfaat
Adapun manfaat yang diharapkan dalam kegiatan PKM-KC ini antara lain:
a) Mempercepat waktu saat bertransaksi di pusat perbelanjaan, sehingga
berkurangnya resiko penularan COVID-19 dalam lingkup pusat perbelanjaan.
b) Bagi pengelola toko, dapat mengalihkan profesi kasir toko menjadi penjaga
atau pemantau transaksi toko.

1.5. Luaran
Luaran yang diharapkan dalam kegiatan ini antara lain:
a) Laporan kemajuan
b) Laporan akhir
c) Prototype kasir otomatis
 3

BAB 2. TINJAUAN PUSTAKA

2.1. Kasir Konvensional

Menurut Setiawan (2016), kasir adalah pemegang kas (uang); orang yang
bertugas menerima dan membayarkan uang. Tugas dan tanggung jawab kasir antara
lain: menerima pembayaran dari pelanggan, mencatat semua transaksi keuangan,
mengatur pengeluaran, membuat laporan keuangan harian dan bulanan, mengarsip
segala bentuk bukti pembayaran dan pengeluaran dengan rapi dan tertib, serta
bekerjasama dengan karyawan lain untuk menyelesaikan tugas-tugas diluar
tanggung jawab pokok.

2.2. Object Detection

Deteksi objek merupakan pekerjaan yang penting dalam computer vision
dalam mendeteksi sebuah objek visual dari kelas tertentu dalam gambar digital. Hal
ini bertujuan untuk mengembangkan model dan teknik komputasi yang
menyediakan salah satu dari sebagian besar informasi dasar yang dibutuhkan (Zou
dkk., 2019).
Deteksi objek merupakan suatu pendekatan computer vision yang memiliki
proses yang cukup kompleks untuk dilakukan. Hal ini berguna untuk mengenali
bagian objek yang diinginkan dengan akurat. Proses deteksi objek akan mengolah
hasil dari proses segmentasi sehingga dapat diketahui seperti banyaknya objek yang
terdeteksi, luas area dan titik pusat tiap objek (Putranto dkk., 2011).
Adapun beberapa tantangan utama dalam mendeteksi sebuah objek,
diantaranya:
1) Oklusi atau penumpukan sebuah objek sehingga objek hanya terlihat
sebagian (Fulari, 2018; Mushawwir & Supriana, 2015).
2) Pencahayaan yang buruk, perbedaan intensitas cahaya hingga keadaan yang
dapat mengganggu saat mendeteksi seperti hujan, malam hari, sore hari dan
lain-lain (Buch dkk., 2011; Fulari, 2018) .
3) Terdapat bayangan pada objek sehingga dapat mengganggu pendeteksian
(Mushawwir & Supriana, 2015).
4) Sudut pandang kamera yang membuat ukuran dan dimensi objek menjadi
tidak pasti (He dkk., 2011).

2.3. Faster Regional Convolutional Neural Network (Faster R-CNN)

Faster Regional Convolutional Neural Network (Faster R-CNN) merupakan
algoritma yang sering kali digunakan dalam mendeteksi objek (object detection).
Algoritma ini juga merupakan penyempurnaan dari algoritma yang sebelumnya
yaitu R-CNN dan Fast R-CNN dengan menggunakan Regional Proposal Network
(RPN). Sehingga, algoritma Faster R-CNN dapat mendeteksi objek secara akurat
dan lebih cepat jika dibandingkan dengan kedua algoritma sebelumnya (Alom dkk.,
2019).
 4

R-CNN menggunakan algoritma Region of Interest (ROI) guna memperkuat

akurasi sistem ketika mendeteksi suatu objek (Ren dkk., 2015). Selanjutnya,
pengembangan dari algoritma ini adalah Fast R-CNN yang dapat melakukan
komputasi 25 kali lebih cepat dibandingkan algoritma R-CNN karena perbedaan
letak dari region of interest (Zhao dkk., 2019).
Algoritma Faster R-CNN menggunakan detector dari Fast R-CNN dan
menggunakan region proposer dari (Region Proposal Network) RPN. Peran
selective search telah digantikan oleh RPN yang merupakan sebuah neural network.
RPN bekerja dengan cara menghasilkan bounding box, kemudian di setiap
bounding box tersebut akan memiliki dua skor probabilitas yaitu apakah pada lokasi
tersebut terdeteksi sebuah objek atau tidak (Abadi, 2016). Pengenalan suatu objek
dilakukan dengan cara menelusuri ciri benda pada citra yang terlihat. penelusuran
suatu objek melewati beberapa layer pada proses konvolusi atau biasanya disebut
dengan convolutional neural network (CNN). Setelah mendapatkan convolution
layers, kemudian tahap selanjutnya adalah mengajukan Region proposal network
untuk ditentukan Region of interest yang akan digunakan untuk menentukan kelas
dari objek yang dideteksi tersebut (Ren dkk., 2015). Berikut ini adalah gambar dari
cara kerja algoritma Faster R-CNN:

Gambar 1. Arsitektur Faster R-CNN (Sumber: Ren dkk., 2015)

Algoritma ini memiliki kecepatan yang tinggi. Jika algoritma R-CNN dan
algoritma Fast R-CNN membutuhkan waktu 2 detik untuk mengidentifikasi
gambar, maka algoritma Faster R-CNN memiliki waktu 10 ms per gambar (Ren
dkk., 2015).
 5

BAB 3. TAHAP PELAKSANAAN

3.1. Metode pelaksanaan

Tahap pelaksanaan diperlihatkan pada Gambar 2. Blok diagram ini meliputi
studi literatur, proses pembuatan alat kasir otomatis, proses pengujian produk, dan
penyusunan laporan akhir PKM-KC. Berikut ini adalah tahapan pelaksanaan yang
akan dikerjakan dalam PKM-KC ini.

Gambar 2. Flowchart tahap pelaksanaan

3.1.1. Studi Literatur

Dalam pengembangan suatu alat, dibutuhkan pengumpulan data yang
valid untuk kasir konvensional dan tingkat efektivitasnya. Selain itu,
pengumpulan literatur terkait penelitian yang sudah dikembangkan mengenai
kasir otomatis merupakan sebuah data yang penting. Data tersebut digunakan
untuk mengukur kelemahan dari kasir konvensional yang sudah ada. Selain
itu, pada penelitian ini juga dibutuhkan observasi mendalam terkait kasir yang
ada di toko modern seperti mall ataupun supermarket. Data yang dihimpun
meliputi, teknologi yang dipakai pada kasir, panjang antrian, waktu
mengantri, dan cara pembayarannya.

3.1.2. Proses Pembuatan Kasir Otomatis

Proses pembuatan akan dilakukan dengan menggunakan metode
waterfall. Model waterfall adalah model pengembangan yang bersifat linear
dari tahap awal pengembangan sistem yaitu tahap perencanaan sampai tahap
akhir pengembangan sistem yaitu tahap pemeliharaan.
Metode ini akan digunakan pada pengembangan sistem karena
memiliki satu proses yang linear dan langsung dapat digunakan oleh client.
Jika terjadi kesalahan dalam proses pengembangan kasir otomatis, maka kita
dapat memulai lagi tahapannya dari tahapan yang paling awal. Metode ini
terlihat tidak fleksibel, akan tetapi dengan metode ini akan dapat terus
meningkatkan keakuratan pengidentifikasian produk sesuai dengan keadaan
dan kebutuhan pada saatnya. Tahapan dari metode Waterfall adalah sebagai
berikut.
 6

1. Requirements. Pada tahap ini, dilakukan pengumpulan berbagai data

yang sudah didapatkan dari tahap studi literatur. Selain itu, dilakukan
juga pengumpulan beragam peralatan yang diperlukan dalam
pembuatan sistem.
2. Design. Tahap ini adalah tahap untuk merancang kebutuhan dan
kenyamanan pengguna dalam melakukan transaksi secara otomatis.
3. Implementation. Tahap untuk mengimplementasikan hasil dari tahap
design agar dapat dibuat secara nyata.
4. Verification. Digunakan untuk memverifikasi alat kepada client dan
pengguna apakah sudah sesuai dan menghasilkan hasil yang sesuai
atau tidak.
5. Akan masuk ke dalam tahap maintenance jika terjadi kesalahan atau
ketidaksesuaian dalam pengidentifikasian produk dalam transaksi.

3.1.3. Produk Kasir Otomatis

Kamera berbasis object detection diletakkan pada langit-langit bagian
dalam tunnel tertutup yang terdapat alat penerangan agar tidak terjadi
intervensi dan memaksimalkan keakuratan, ketika proses identifikasi pada
berbagai produk yang melewatinya dengan menggunakan meja conveyor.

3.1.4. Penyusunan Laporan Akhir

Setelah dilakukan uji coba dan evaluasi seluruh kegiatan, hasil dari
evaluasi kegiatan akan dimasukkan ke dalam tahap penyusunan laporan akhir
PKM.

3.2. Waktu dan Tempat

Sistem kasir otomatis dengan teknologi kamera berbasis object detection akan
dikerjakan selama empat bulan. Pelaksanaan kegiatan ini dilakukan di
Laboratorium Ilmu Komputer Universitas Negeri Semarang.

3.3. Analisis Kebutuhan

Pelaksanaan program diawali dengan tahap menganalisis kemampuan alat
dalam mendeteksi dan mengidentifikasi setiap produk yang melewatinya. Ketika
proses identifikasi telah selesai, maka total belanjaan dan tagihannya dapat dilihat
pada monitor yang ada pada alat. Monitor tersebut juga menampilkan kode yang
dapat di scan menggunakan gawai guna proses pembayaran secara digital. Akurasi
dan kecepatan identifikasi menjadi dua hal yang menjadi hal yang harus
diperhatikan agar sesuai dengan tujuan PKM ini diusulkan. Berikut ini adalah
rincian kebutuhan yang dibutuhkan dalam pembuatan alat:
3.3.1. Perangkat keras
Pada bagian perangkat keras yang dibutuhkan dalam pembuatan alat
antara lain kamera sebagai media identifikasi, alat penerangan, tunnel,
 7

conveyor belt, motor listrik, dan kabel. Sedangkan perangkat keras yang
digunakan untuk menjalankan algoritma object detection untuk melakukan
proses identifikasi barang hasil tangkapan kamera, akan menggunakan
microcomputer Raspberry Pi 3 B+.
3.3.2. Perangkat lunak
Pada bagian perangkat lunak yang dibutuhkan dalam memperlancar
proses kerja alat adalah program yang menggunakan algoritma object
detection untuk melakukan pengidentifikasian barang yang ada pada
swalayan. Selain itu, monitor yang ada pada alat tersebut menggunakan
aplikasi yang menampilkan jumlah produk yang dibeli dan QR code yang
dapat digunakan untuk melakukan proses pembayaran digital yang
terintegrasi dengan OVO, GoPay, ShopeePay, dan model uang digital
lainnya.

3.4. Perancangan Prototype/Alat

Gambar 3. Flowsheet Kasir Otomatis

Gambar 3 tersebut menampilkan flowsheet cara kerja sistem

pengidentifikasian produk dalam tunnel dari kasir otomatis. Sistem yang digunakan
di dalam tunnel adalah dengan mengidentifikasi setiap produk yang melewatinya
dengan menggunakan 2 kamera di bagian kanan dan kiri (untuk mencegah adanya
barang yang tertutup oleh barang lainnya) dengan basis Object Detection. Adapun
langkah-langkah pengujiannya adalah sebagai berikut:
1) Pembeli menaruh seluruh barang belanjaannya pada meja conveyor.
2) Barang belanjaan tersebut kemudian berjalan secara otomatis menggunakan
conveyor menuju tunnel untuk proses identifikasi barang. Pengidentifikasi
dilakukan menggunakan metode Faster R-CNN, sehingga dapat
mengidentifikasi barang secara akurat dan cepat, yang membuat proses
checkout barang semakin efektif.
3) Setelah proses identifikasi selesai, jumlah barang yang dibeli dan total
harganya akan ditampilkan di layar.
4) Selanjutnya, pelanggan dapat memilih jenis e-wallet apa yang diinginkan
seperti OVO, GoPay, ShopeePay, dan model uang digital lainnya untuk
membayar tagihan belanjaannya.
 8

3.5. Pengujian Keandalan Alat

Secara teknis, parameter keandalan kasir otomatis yang mengidentifikasi
barang dengan object detection adalah tingkat akurasi dan kecepatan
identifikasinya. Pengujian berguna untuk memverifikasi apakah akurasi dan
kecepatan produk sudah berjalan sesuai dengan spesifikasi yang diharapkan. Untuk
mengetahui hal tersebut, pada pengujian ini dilakukan dengan beberapa sampel
barang dengan cara:
1) Pengujian dengan memberikan input barang yang memiliki bentuk kemasan
yang berbeda.
2) Pengujian dengan memberikan input barang yang memiliki bentuk yang
sama, tetapi dengan varian yang berbeda.
3) Pengujian dengan memberikan input beberapa barang secara bersamaan yang
memiliki bentuk kemasan dan varian yang berbeda.

3.6. Evaluasi Alat

Evaluasi hasil kerja alat dapat dilihat pada hasil pengujian dari sisi akurasi
dan kecepatan dalam pengidentifikasian barang. Alat tersebut dapat dikatakan
berjalan dengan baik jika akurasi ketepatan identifikasi diatas 80% dan kecepatan
mendeteksi produk kurang dari 50 ms per setiap gambar yang diambil.
 9

BAB 4. BIAYA DAN JADWAL KEGIATAN

4.1. Anggaran Biaya

Tabel 1. Rekapitulasi Rencana Anggaran Biaya
No Jenis Pengeluaran Sumber Dana Besaran Dana (Rp)
Belmawa 4.340.000
1 Bahan habis pakai Perguruan Tinggi 700.000
Instansi Lain -
Belmawa 360.000
2 Sewa dan jasa Perguruan Tinggi -
Instansi Lain -
Belmawa 2.150.000
3 Transportasi Perguruan Tinggi -
Instansi Lain -
Belmawa 150.000
4 Lain-lain Perguruan Tinggi 400.000
Instansi Lain -
Jumlah 8.100.000

Belmawa 7.000.000
Perguruan Tinggi 1.100.000
Rekap Sumber Dana
Instansi Lain -
Jumlah 8.100.000
4.2. Jadwal Kegiatan
Tabel 2. Rancangan Jadwal Kegiatan
Bulan ke:
No. Kegiatan Penanggung-jawab
1 2 3 4
1. Persiapan Muhammad
a. Identifikasi masalah Hafidz
Amanullah
b. Pengambilan data
Abyan
c. Membuat desain
prototipe produk
2. Pelaksanaan Hanief Widya
Wardhana
a. Membuat prototipe
berdasarkan desain
b. Uji coba prototipe
c. Revisi prototipe
3. Evaluasi Ahmad Syafii
4. Publikasi Vinic Prasetya
Damayanti
5. Laporan Akhir Nur Fitri Sukrina
 10

BAB 5. DAFTAR PUSTAKA

Abadi, M 2016, ‘TensorFlow: learning functions at scale’, Proceedings of the 21st

ACM SIGPLAN International Conference on Functional Programming, vol.
51, no. 9, hh. 1558-1160.
Alom, M, Z, et al 2019, ‘A State-of-the-Art Survey on Deep Learning Theory and
Architectures’, Electronics, vol. 8, no. 292, hh. 1-67.
Buch, N, Velastin, S, A, & Orwell, J 201, ‘A review of computer vision techniques
for the analysis of urban traffic’, IEEE Transactions on Intelligent
Transportation Systems, vol. 12, hh. 920-939.
Fulari, S & Lohani, R, B 2018, ‘Predicting the probability of people exiting from a
bank using spiking neural network by generating an artificial neural network’,
IJRAR, vol 6, no. 1, hh. 956-960.
He, L, Wang, H, & Zhang, H 2011, ‘Object detection by parts using appearance,
structural and shape features’, IEEE International Conference on
Mechatronics and Automation, hh. 489-494.
Mushawwir, L & Supriana, L 2015, ‘Deteksi dan tracking objek untuk sistem
pengawasan citra bergerak’.
Noor, I, Sunarya, U, & Aulia, S 2018, ‘Rancang bangun aplikasi smart cashier
berbasis QT’, e-Proceeding of Applied Science, vol. 4, no. 3, hh. 2864-2875.
Pradipta, G, Mustika, I, & Sulistyo, S 2014, ‘Perancangan kasir cerdas berbasis
teknologi passive RFID pada pusat perbelanjaan grosir’, Seminar Nasional
Teknologi Informasi dan Multimedia, vol. 1, no. 12, hh. 7-14.
Putranto, B, Hapsari, W, & Wijana, K 2011, ‘Segmentasi warna citra dengan
deteksi warna HSV untuk mendeteksi objek’, Jurnal Informatika, vol. 6, no.2.
Ren, S, He, K, Girshick, R, & Sun, J 2015, ‘Faster R-CNN: towards real-time object
detection with region proposal networks’, arXiv preprint, arXiv:1506.01497.
Setiawan, E 2016, Kamus Besar Bahasa Indonesia Online, dilihat 4 Januari 2022,
http://kbbi.web.id/kasir.
Timorria, L 2021, Duh! Upaya cegah penyebaran covid-19 di pusat perbelanjaan
lemah, dilihat 30 November 2021,
https://ekonomi.bisnis.com/read/20211130/12/1472173/duh-upaya-cegah-
penyebaran-covid-19-di-pusat-perbelanjaan-lemah.
Zhao, Z, Zheng, P, Xu, S, & Wu, X 2019, ‘Object detection with deep learning: a
review’, IEEE transactions on neural networks and learning systems, vol. 30,
no. 11, hh. 3212-3232.
Zou, Z, Shi, Z, Guo, Y, & Ye, J 2019, ‘Object detection in 20 years: a survey’,
arXiv preprint, arXiv:1905.05055.
 19

Lampiran 2. Justifikasi Anggaran Kegiatan

Harga Sumber
1. Bahan Habis Nilai
Volume Satuan Perguruan
Pakai (Rp) Belmawa
(Rp) Tinggi
Camera Module 2 350.000 700.000 700.000 -
Raspberry Pi 3 B+ 1 950.000 950.000 900.000 50.000
Power Supply 1 200.000 200.000 200.000 -
3.5 inch TFT
Touch Screen
1 380.000 380.000 - 380.000
Display Raspberry
Pi
Kabel 1 roll 500.000 500.000 500.000 -
Spiral cable 1 pax 30.000 30.000 - 30.000
Zip tie 2 20.000 40.000 - 40.000
Dinamo motor DC
1 900.000 900.000 900.000 -
FRB 770 Hualian
Solder 1 70.000 70.000 70.000 -
Timah solder 1 20.000 20.000 - 20.000
Bohlam LED 2 15.000 30.000 30.000 -
Lembaran plastik
5 25.000 125.000 - 125.000
PVC (55x75 cm)
Pipa PVC (20 mm
6 35.000 210.000 210.000 -
x 3 m)
Sambungan pipa 8 5.000 40.000 - 40.000
Lem pipa 1 15.000 15.000 - 15.000
Besi lubang 3 60.000 180.000 180.000 -
Conveyor Belt
1 200.000 200.000 200.000 -
PVC
Roda conveyor 4 50.000 200.000 200.000 -
Alat Tulis Kantor
5 50.000 250.000 250.000 -
(ATK)
SUB TOTAL (Rp) 5.040.000 4.340.000 700.000
Harga
Nilai
2. Sewa dan Jasa Volume Satuan
(Rp)
(Rp)
Jasa teknisi 3 hari 120.000 360.000 360.000 -
SUB TOTAL (Rp) 360.000 360.000 0
Harga
Nilai
3. Transportasi Volume Satuan
(Rp)
(Rp)
Keperluan
5 100.000 500.000 500.000 -
pembelian bahan
Keperluan survei
dan pengumpulan 5 150.000 750.000 750.000 -
data
Keperluan uji coba 5 100.000 500.000 500.000 -
 20

Akomodasi (hari) 2 200.000 400.000 400.000 -

SUB TOTAL (Rp) 2.150.000 2.150.000 0
Harga
Nilai
4. Lain-Lain Volume Satuan
(Rp)
(Rp)
Biaya
berlangganan 4 100.000 400.000 - 400.000
internet (bulan)
Protokol kesehatan
(masker dan hand 1 150.000 150.000 150.000 -
sanitizer)
SUB TOTAL (Rp) 550.000 150.000 400.000
GRAND TOTAL (Rp) 8.100.000 7.000.000 1.100.000
 21

Lampiran 3. Susunan Organisasi Tim Pelaksana dan Pembagian Tugas

No. Nama/NIM Program Bidang Alokasi Uraian Tugas
Studi Ilmu Waktu
(Jam/Minggu)
1 Hanief Teknik Developer 6 Jam/Minggu Penerapan
Widya Informatika algoritma pada
Wardhana/ otomatisasi
4611420024 kasir
2 Ahmad Teknik Data 6 Jam/Minggu Pencarian data
Syafii/ Informatika Mining dan research
4611420012 untuk
pengumpulan
sampel pada
otomatisasi
kasir
3 M. Hafidz Teknik Designer 6 Jam/Minggu Pembuatan
Amanullah Informatika desain kasir
Abyan/ otomatis dan
4611420008 desain
publikasi
4 Nur Fitri Pendidikan Engineer 6 Jam/Minggu Pembuatan
Sukrina/ Teknik struktur kasir
5301421036 Elektro otomatis
5 Vinic Pendidikan Technician 6 Jam/Minggu Perakitan
Prasetya Teknik rancangan
Damayanti/ Elektro kasir otomatis
5301420028
 23

Lampiran 5. Gambaran Teknologi yang akan Dikembangkan

Gambar 1. Ilustrasi Penggunaan Kasir Otomatis

Gambar 2. Ilustrasi Object Detection dalam Tunnel

Gambar 3. Daftar Produk Yang Terdeteksi dan Metode Pembayaran