EPrints Universitas Amikom YogyakartaKLASIFIKASI JENIS SAMPAH MENGGUNAKAN MODEL HYBRID CNN-SVMDamarGalihauthorSampah menjadi salah satu permasalahan serius di negara Indonesia yang harus segera diselesaikan. Rendahnya kesadaran masyarakat sering kali tidak memahami, memilah dan mengelola sampah dengan benar. Minimnya akses terhadap edukasi mengenai pengelolaan sampah juga turut memperparah kondisi ini. Akibatnya, sampah tidak terkelola dengan baik dan menyebabkan pencemaran lingkungan yang membahayakan keberlanjutan ekosistem. Oleh sebab itu, perlu adanya upaya untuk mengurangi dan menanggulangi masalah sampah yang kian hari semakin memprihatinkan. Dalam penelitian ini, penulis berupaya dengan memanfaatkan model hybrid CNN-SVM untuk mengklasifikasi jenis sampah. CNN yang digunakan merupakan CNN kustom dengan Residual Squeeze-and-Excitation (SE) Block, yang berperan sebagai ekstraktor fitur. Fitur-fitur yang dihasilkan diklasifikasikan menggunakan SVM sebagai klasifikator akhir. Dataset yang digunakan merupakan gabungan dari beberapa dataset dengan total 29.251 data, yang dibagi secara stratifikasi ke dalam data latih, validasi dan data uji. Pengembangan model difokuskan pada optimasi arsitektur dan hyperparameter tuning pada CNN dan SVM. Hasil penelitian menunjukan bahwa evaluasi akhir model mencapai accuracy sebesar 93%, dengan nilai precision, recall dan F1-score masing-masing sebesar 0.93, serta nilai ROC-AUC sebesar 0.9933. Hal ini mengindikasikan bahwa model dapat melakukan klasifikasi jenis sampah secara akurat dan konsisten. Hasil penelitian memberikan kontribusi dalam mendukung pengelolaan sampah, serta dapat dimanfaatkan oleh masyarakat umum, penggiat lingkungan dan lembaga pengelolaan sampah. Hasil penelitian dapat dijadikan sebagai dasar pengembangan sistem pemilahan sampah yang lebih efektif dan berkelanjutan. Juga diharapkan dapat meningkatkan kesadaran dan partisipasi dalam pengelolaan sampah yang lebih baik di masa yang akan datang.000 Ilmu komputer, informasi dan pekerjaan umum004 Pemrosesan data dan ilmu komputer2026-02-25Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.