KLASIFIKASI JENIS SAMPAH OTOMATIS MENGGUNAKAN ALGORITMA CNN

Signori, Hilmy Fachri Aryan (2025) KLASIFIKASI JENIS SAMPAH OTOMATIS MENGGUNAKAN ALGORITMA CNN. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (170kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (603kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (277kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (52kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (423kB)
	Archive (SOURCE CODE) Sourcecode - 21.83.0728.zip Restricted to Repository staff only Download (5MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Permasalahan pemilahan sampah organik dan anorganik masih menjadi tantangan di Indonesia karena tingginya volume sampah dan kurangnya kesadaran masyarakat. Penelitian ini bertujuan mengembangkan sistem klasifikasi sampah otomatis berbasis citra menggunakan Convolutional Neural Network (CNN), serta membandingkan performa dua optimizer: ADAM dan Stochastic Gradient Descent (SGD).Dataset diambil dari Kaggle dan dibagi menjadi 70% data latih, 15% validasi, dan 15% uji. Seluruh data melalui proses resize dan normalisasi. Pelatihan dilakukan selama maksimal 30 epoch dengan batch size 32. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, F1-score, dan confusion matrix. Hasil menunjukkan bahwa model dengan optimizer SGD memperoleh akurasi tertinggi sebesar 81% dan F1-score 0,82. Sementara itu, optimizer ADAM mencapai akurasi 77% dan F1-score 0,79. Meski akurasinya lebih rendah, ADAM unggul dalam efisiensi pelatihan karena mencapai performa terbaik hanya dalam 17 epoch, sedangkan SGD memerlukan 30 epoch untuk hasil optimal. Hasil penelitian ini diharapkan menjadi solusi untuk mendukung klasifikasi sampah yang lebih optimal dan berkontribusi pada pengelolaan lingkungan berkelanjutan berbasis kecerdasan buatan.

Actions (login required)

View Item