CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI LIMBAH SAMPAH

Yudha, Padang Perwira (2020) CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI LIMBAH SAMPAH. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (923kB)
	Text (BAB I) BAB I.pdf Download (470kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (698kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (216kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (102kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (87kB)
	Text (PUBLIKASI) Publikasi-17.12.0349-Padang Perwira Yudha - Padang Perwira Yudha.pdf Restricted to Repository staff only Download (651kB)

Abstract

Sampah merupakan material sisa yang tidak diinginkan setelah berakhirnya suatu proses. Sampah berdasarkan sifatnya dapat dibagi menjadi dua yaitu sampah organik dan sampah anorganik. Riset mengatakan bahwa 24 persen sampah di Indonesia masih tidak terkelola [11], salah satu penyebabnya adalah masyarakat Indonesia yang masih kurang informatif dalam membedakan antara sampah organik dan sampah anorganik. Pendeteksian limbah sampah penting dilakukan, mengingat diperlukan penyimpanan, pengolahan, dan pembuangan limbah sampah sesuai dengan tempatnya. Limbah sampah harus dibuang ke situs TPA yang benar dan tidak boleh dibuang ke limbah yang berbahaya. Salah satu metode Deep Learning yang sedang berkembang saat ini adalah Convolutional Neural Network (CNN). Model jaringan syaraf tiruan yang diperuntukkan untuk klasifikasi citra. Dalam penelitian ini akan dibangun lima arsitektur model Convolutional Neural Network (CNN) untuk menemukan arsitektur terbaik yang dapat digunakan sebagai pengenalan jenis limbah sampah organik dan anorganik di Indonesia. Penelitian dilakukan dengan menggunakan dataset dari Kaggle, yang memiliki data latih sebanyak 22564 gambar dan data uji sebanyak 2513 gambar, didapatkan hasil arsitektur terbaik yaitu CNN5 dalam mengklasifikasi limbah sampah dengan data uji dari dataset validasi dengan perolehan akurasi sebesar 81%. Sedangkan CNN4 menjadi arsitektur terbaik dalam mengklasifikasi limbah sampah dengan data uji yang didapat dari sekitar lingkungan peneliti dengan perolehan akurasi sebesar 82%.

Actions (login required)

View Item