KLASIFIKASI JENIS SAMPAH TERURAI DAN TIDAK TERURAI
DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)
BERBASIS MOBILE APPS
Total View This Week0
Total View This Week0
Institusion
Universitas PGRI Semarang
Author
RIZKI, SAIFUL AMIN
Subject
H Social Sciences (General)
Datestamp
2024-06-19 03:55:25
Abstract :
Sampah telah menjadi masalah besar bagi negara-negara di dunia khususnya di Indonesia. Akibat tumpukkan sampah yang tidak terkelola dengan baik, lingkungan dan Kesehatan masyarakat dapat terancam. Kurangnya pengetahuan tentang pengelolaan sampah menjadi penyebab utama masalah ini. Di era modern ini pengetahuan dapat dicari dengan mudah melalui internet, apalagi dengan adanya teknologi-teknologi yang berkembang dengan pesat. Salah satu teknologi pada era modern ini adalah Artificial Intelligence (AI) atau kecerdasan buatan yang akhir- akhir ini viral. Dengan adanya AI dapat mempermudah masyarakat untuk pengelolaan sampah dengan baik yang dapat digunakan untuk membantu klasifikasi jenis sampah dan kategori sampah yang terurai dan tidak terurai. Algoritma yang dipakai untuk klasifikasi tersebut adalah Convolutional Neural Network (CNN). Penelitian ini akan berfokus pada klasifikasi sampah terurai dan tidak terurai menggunakan algoritma CNN dengan teknik transfer learning yang akan diimplementasikan dengan mobile apps. Dengan adanya penelitian ini berharap dapat membantu masyarakat dapat mengklasifikasikan jenis sampah terurai dan tidak terurai sehingga dapat mengelola sampah dengan baik. Penelitian ini menggunakan metode pengembangan waterfall yang diawali dengan analisis kebutuhan sampai pengujian. Penelitian ini menghasilkan accuracy yang memiliki presentase 97,54% dan validation accuracy memiliki presentase 97,96% dari hasil pelatihan model sebanyak 15 epoch yang menggunakan beberapa hyperparameter tuning untuk membantu mencapai hasil yang maksimal. Penelitian diakhiri dengan 3 jenis pengujian aplikasi, yaitu black box testing, white box testing, dan user acceptance testing (UAT). Hasil pengujian black box dan white box menunjukkan kesuksesan dalam mencapai presentase 100%, sementara UAT mendapatkan presentase 75,6% dengan hasil kategori baik. Kata kunci : Convolutional Neural Network, EffecientNet, Waterfall; Klasifikasi Sampah, Pemrosesan Gambar.
Sampah telah menjadi masalah besar bagi negara-negara di dunia khususnya di Indonesia. Akibat tumpukkan sampah yang tidak terkelola dengan baik, lingkungan dan Kesehatan masyarakat dapat terancam. Kurangnya pengetahuan tentang pengelolaan sampah menjadi penyebab utama masalah ini. Di era modern ini pengetahuan dapat dicari dengan mudah melalui internet, apalagi dengan adanya teknologi-teknologi yang berkembang dengan pesat. Salah satu teknologi pada era modern ini adalah Artificial Intelligence (AI) atau kecerdasan buatan yang akhir- akhir ini viral. Dengan adanya AI dapat mempermudah masyarakat untuk pengelolaan sampah dengan baik yang dapat digunakan untuk membantu klasifikasi jenis sampah dan kategori sampah yang terurai dan tidak terurai. Algoritma yang dipakai untuk klasifikasi tersebut adalah Convolutional Neural Network (CNN). Penelitian ini akan berfokus pada klasifikasi sampah terurai dan tidak terurai menggunakan algoritma CNN dengan teknik transfer learning yang akan diimplementasikan dengan mobile apps. Dengan adanya penelitian ini berharap dapat membantu masyarakat dapat mengklasifikasikan jenis sampah terurai dan tidak terurai sehingga dapat mengelola sampah dengan baik. Penelitian ini menggunakan metode pengembangan waterfall yang diawali dengan analisis kebutuhan sampai pengujian. Penelitian ini menghasilkan accuracy yang memiliki presentase 97,54% dan validation accuracy memiliki presentase 97,96% dari hasil pelatihan model sebanyak 15 epoch yang menggunakan beberapa hyperparameter tuning untuk membantu mencapai hasil yang maksimal. Penelitian diakhiri dengan 3 jenis pengujian aplikasi, yaitu black box testing, white box testing, dan user acceptance testing (UAT). Hasil pengujian black box dan white box menunjukkan kesuksesan dalam mencapai presentase 100%, sementara UAT mendapatkan presentase 75,6% dengan hasil kategori baik. Kata kunci : Convolutional Neural Network, EffecientNet, Waterfall; Klasifikasi Sampah, Pemrosesan Gambar.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
