KLASIFIKASI JENIS SAMPAH MENGGUNAKAN MODEL HYBRID CNN-SVM

Galih, Damar (2026) KLASIFIKASI JENIS SAMPAH MENGGUNAKAN MODEL HYBRID CNN-SVM. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER - ABSTRAK) COVER.pdf - Published Version Download (3MB)
	Text (BAB I) BAB I.pdf - Published Version Download (175kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (553kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (2MB)
	Text (BAB V) BAB V.pdf - Published Version Download (94kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (239kB)
	Archive (SOURCE CODE) Sourcecode - 22.11.5209.zip Restricted to Repository staff only Download (10MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (814kB)

Abstract

Sampah 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.

Actions (login required)

View Item