Evaluasi Prapemrosesan Segmentasi U-Net pada Model EfficientNet-B0 untuk Klasifikasi Sampah Anorganik

Ammar Hakim, Farhan (2026) Evaluasi Prapemrosesan Segmentasi U-Net pada Model EfficientNet-B0 untuk Klasifikasi Sampah Anorganik. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (215kB)
	PDF BAB_II.pdf Download (2MB)
	PDF BAB_III.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (7MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (208kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (213kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000074745_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Permasalahan sampah di Kabupaten Tangerang masih menjadi isu lingkungan karena timbulan sampah belum sebanding dengan kapasitas pengelolaannya. Penelitian ini bertujuan melakukan klasifikasi multi-label sampah anorganik menggunakan EfficientNet-B0 serta mengevaluasi pengaruh prapemrosesan segmentasi semantik multikelas U-Net. Dataset berupa 200 citra primer dari Bank Sampah Tzu Chi Tangerang yang mencakup lima kelas, yaitu botol kaca, botol plastik kemasan tebal, botol plastik tipis, kaleng, dan kemasan plastik. Setiap citra memuat dua objek dari dua kelas berbeda. Dataset kemudian dibagi dengan rasio 70:15:15 menjadi data latih, data validasi, dan data uji. Penelitian membandingkan EfficientNet-B0 tanpa segmentasi dan EfficientNet-B0 dengan citra hasil masking serta cropping berdasarkan prediksi U-Net. Evaluasi segmentasi pada lima kelas objek menghasilkan mean Intersection over Union sebesar 0,2898 dan macro Dice sebesar 0,4215. Pada tahap klasifikasi, skenario tanpa segmentasi memperoleh micro F1-score sebesar 0,7000, macro F1-score sebesar 0,7029, dan mean average precision sebesar 0,7647. Skenario dengan segmentasi memperoleh nilai masing-masing sebesar 0,7424, 0,7444, dan 0,8112. Prapemrosesan segmentasi juga menurunkan Hamming loss dari 0,2800 menjadi 0,2267 serta meningkatkan subset accuracy dari 0,1667 menjadi 0,3333. Namun, waktu inferensi end-to-end meningkat dari 10,04 menjadi 403,81 milidetik per citra. Hasil tersebut menunjukkan bahwa prapemrosesan segmentasi U-Net meningkatkan kinerja klasifikasi multi-label EfficientNet-B0, tetapi memerlukan sumber daya komputasi yang lebih besar.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Ammar Hakim, Farhan (00000074745)
Contributors:	Permana, Angga Aditya
Keywords:	EfficientNet-B0, klasifikasi multi-label, prapemrosesan citra, sampah anorganik, segmentasi U-Net
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	25 Jul 2026 08:01
URI:	https://kc.umn.ac.id/id/eprint/48133

Actions (login required)

View Item