Industri retail terus mengalami revolusi dan berkembang mengikuti pesatnya perkembangan teknologi Internet of Things (IoT) yang juga melibatkanartificial intelligence (AI) dengan istilah Unmanned Retail Store. Penelitian sebelumnya telah menunjukkan bahwa computer vision berperan besar dalam mendukung smart retail, di mana selain dukungan pengembangan pemrosesan citra, dilakukan pula pengembangan algoritma deep-learning yang mampu mengenali dan menghitung produk secara matematis. Namun, pengembangan dataset yang melibatkan tahapan dan skema pengambilan data gambar dalam skenario checkout memiliki keberagaman yang masih terbatas. Hal ini dikarenakan adanya representasi fine-grained yang ditandai oleh keberagaman objek dan kemiripan objek di dalam satu kelas, atau disebut dengan intra-class variations dan inter-class similarity. Maka, dibutuhkan solusi pengembangan dataset dengan tahap dan skema yang memenuhi kebutuhan representasi fine-grained agar eksperimen dan implementasi sesuai dengan kebutuhan smart retail pada kondisi nyata. Penelitian ini mengembangkan dataset citra dalam kategori grocery product yang meliputi (i) pengambilan data, (ii) anotasi/pelabelan, (iii) eksperimen berbasis deep-learning, serta (iv) analisis dan evaluasi sebagai indikator temuan penelitian. Peta jalan penelitian, kebutuhan pengembangan data set, pemodelan eksperimen, beserta parameter evaluasi turut dijelaskan.

kecerdasan buatan, computer vision, deep-learning, grocery store, smart retail.

• Davy Ronald Hermanus, S.Si., M.Kom.

• Dr. Ronny Samsul Bahri, S.T., M.Kom.

• Annisa Istiqomah Arrahmah, S.T., M.T.

• Rissa Rahmania, S.T., M.T.