Sistem Klasifikasi Sampah Organik dan Anorganik Menggunakan Metode Convolutional Neural Network

Inayati, Islahatul (2022) Sistem Klasifikasi Sampah Organik dan Anorganik Menggunakan Metode Convolutional Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (219kB) | Preview
Preview	PDF BAB_I.pdf Download (215kB) | Preview
Preview	PDF BAB_II.pdf Download (1MB) | Preview
Preview	PDF BAB_III.pdf Download (471kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (985kB)
Preview	PDF BAB_V.pdf Download (207kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (791kB)

Abstract

Sampah merupakan sisa pembuangan yang dihasilkan dari kegiatan manusia se- tiap harinya. Dalam kehidupan sehari-hari sering ditemukan kurangnya kepedu- lian manusia terhadap pentingnya proses pemilahan sampah sebelum dibuang, se- hingga mengakibatkan terjadinya penumpukan sampah. Menurut Kementerian Lingkungan Hidup dan Kehutanan (KLHK) menyatakan bahwa total produksi sam- pah di Indonesia pada tahun 2020 telah mencapai 67,8 juta ton sampah. Hal terse- but yang akan menjadi dasar dari penelitian ini, karena jika manusia tidak peduli dalam memilah sampah maka mesin akan menjadi solusi untuk mengatasi hal terse- but. Metode yang digunakan pada penelitian ini yaitu dengan menerapkan model Convolutional Neural Network (CNN) untuk mengklasifikasikan dua jenis gambar sampah yaitu sampah organik dan anorganik. Metode CNN merupakan salah satu metode yang memiliki hasil paling signifikan pada proses pengenalan citra. Selain itu penelitian ini juga bertujuan untuk mengetahui tingkat akurasi yang dihasilkan dari proses klasifikasi. Dataset diperoleh dari situs web kaggle sebanyak 25.078 dan juga dataset dari lapangan sebanyak 100 data. Hasil dari penerapan model Convo- lution Neural Network (CNN) diperoleh hasil akurasi sebesar 91,72% untuk data train dengan nilai train validation sebesar 91,35%. Kemudian model berhasil di- implementasikan pada data test dengan tingkat akurasi sebesar 85% untuk data test dari kaggle dan 88% untuk data test dari lapangan.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Convolutional Neural Network, Deep Learning, Image Processing, Sampah, Sampah Anorganik, Sampah Organik.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.4 System Programming, Operating System, Computer Interface
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 07:47
Last Modified:	08 Aug 2023 05:44
URI:	https://kc.umn.ac.id/id/eprint/22565

Actions (login required)

View Item