UMN Knowledge Center

Rancang Bangun Aplikasi Mobile Image Classification Sampah Non-Organik Menggunakan Mobilenet

Setiawan, M. Irfan (2020) Rancang Bangun Aplikasi Mobile Image Classification Sampah Non-Organik Menggunakan Mobilenet. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (384kB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (78kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (18kB) | Preview
[img] PDF
BAB_II.pdf
Restricted to Registered users only

Download (298kB)
[img] PDF
BAB_III.pdf
Restricted to Registered users only

Download (197kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (1MB)
[img] PDF
BAB_V.pdf
Restricted to Registered users only

Download (8kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (1MB)

Abstract

Oleh: Muhammad Irfan Setiawan Sampah merupakan hal yang selalu dihasilkan oleh masyarakat setiap harinya yang berakhir di tempat pembuangan akhir. Sampah non-organik seperti plastik,kaca, dan kaleng awalnya sangat berguna. Namun jika sudah menjadi sampah sulit untuk terurai. Untuk mengurangi penumpukan yang terbengkalai tersebut masyrakat harus paham terhadap jenis sampah non-organik yang akan dia buang agar mudah untuk mendaur ulang sampah sesuai jenis sampah tersebut. Dengan menggunakan metode MobilenetV2 yang dapat mengklasifikasi jenis sampah non-organik seperti botol kaca, botol plastik, dan kaleng. Metode tersebut direalisasikan ke dalam OS Android dan dalam pengembangan metode menggunakan bahasa Python.Sebelum data ketahap training, data dimodifikasi dengan image augmentation agar data lebih bervariasi. Setelah melakukan training akan dilakukan convert menjadi TensorFlow Lite. Output dari penelitian ini merupakan sebuah aplikasi berbasis android yang bisa langsung digunakan oleh user untuk mengklasifikasikan gambar sampah yang diinput, setelah diklasifikasikan user akan menebak apakah itu sampah botol plastik, botol kaca, dan kaleng. Jika jawaban dari sistem dan tebakan user benar atau salah maka akan muncul notifikasi sesuai dengan salah atau benarnya. Dari hasil evaluasi model yang telah di-training didapat akurasi dengan rata-rata sebesar 79% dalam pengetesanya. Akurasi juga didapat setelah melakukan uji coba aplikasi yang akurasi keseluruhan percobaan sebesar 71%. Diharapkan penelitian ini menjadi salah satu komponen untuk menciptakan mesin penyeleksi sampah nonorganik secara otomatis.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Android, Sampah Non-organik, MobileNetV2, TensorFlow, Python
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T70 Information System
Divisions: Fakultas Teknik Informatika > Program Studi Sistem Informasi
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2020 14:45
Last Modified: 04 Dec 2020 14:45
URI: http://kc.umn.ac.id/id/eprint/14895

Actions (login required)

View Item View Item