KLASIFIKASI SAMPAH BOTOL PLASTIK DAN KALENG MENGGUNAKAN ALGORITMA RESNET50 DAN SQUEEZENET1.1

Hanapi, Khaerunnisa (2023) KLASIFIKASI SAMPAH BOTOL PLASTIK DAN KALENG MENGGUNAKAN ALGORITMA RESNET50 DAN SQUEEZENET1.1. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

[img] Text (THESIS)
19.77.1219 - Khaerunnisa Hanapi.pdf
Download (2MB)

Abstract

Masalah sampah dewasa ini merupakan masalah yang crucial, apalagi diikuti oleh kepadatan penduduk, dan regulasi pemerintah serta faktor-faktor lainnya yang sedikit banyak mempengaruhi bagaimana sampah dapat dikelola secara baik dan benar. Hal ini sangat menentukan dan berefek pada kelayakan hidup orang-orang lingkungan sekitar dan menciptakan lingkungan yang bersih serta menata sampah yang sangat susah didaur ulang. Plastik dan kaleng merupakan tipe sampah yang sangat susah didaur ulang, oleh karenanya dengan menggunakan reverse vending machine permasalahan tersebut dapat diatasi. Pada position paper kali ini yang diusulkan adalah membandingkan algoritma SqueezeNet 1.1 dan ResNet-50 untuk dapat mengklasifikasikan sampah plastic dan kaleng dengan berbagai ukuran. Dari hasil simulasi algoritma tersebut dengan data set yang ada, diperoleh model terbaik untuk klasifikasi 2 kelas dan 4 kelas yaitu Squeezenet 1.1 dengan akurasi sebesar 96.13% dan 90.7%.

Item Type: Thesis (S2 - Magister)
Contributor:
Pembimbing
Setyanto, Arief
Hartanto, Anggit Dwi
Uncontrolled Keywords: Machine Learning, Deep Learning, Convolutional Neural Network, Waste Classification, Squeezenet1.1, Resnet50
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Pascasarjana Magister Informatika > PJJ Magister Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 24 Mar 2025 02:35
Last Modified: 24 Mar 2025 02:35
URI: http://eprints.amikom.ac.id/id/eprint/29026

Actions (login required)

View Item View Item