KLASIFIKASI JENIS SAMPAH TERURAI DAN TIDAK TERURAI DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS MOBILE APPS

RIZKI, SAIFUL AMIN (2024) KLASIFIKASI JENIS SAMPAH TERURAI DAN TIDAK TERURAI DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS MOBILE APPS. Other thesis, UNIVERSITAS PGRI SEMARANG.

[thumbnail of Saiful Amin Rizki.pdf] Text
Saiful Amin Rizki.pdf
Restricted to Repository staff only

Download (5MB)

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.

Item Type: Thesis (Other)
Subjects: H Social Sciences > H Social Sciences (General)
L Education > L Education (General)
Divisions: Fakultas Teknik dan Informatika > Informatika
Depositing User: Perpus Pusat Upgris
Date Deposited: 19 Jun 2024 03:55
Last Modified: 19 Jun 2024 03:55
URI: http://eprints3.upgris.ac.id/id/eprint/4024

Actions (login required)

View Item
View Item