Akbar, Wildan Fatahillah (2024) PERBANDINGAN EMPAT MODEL ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA JENIS SAMPAH. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.
This is the latest version of this item.
![[img]](https://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Cover)
20082010122_COVER.pdf Download (3MB) |
|
Text (Bab 1)
20082010122_BAB 1.pdf Download (2MB) |
|
Text (Bab 2)
20082010122_BAB 2.pdf Restricted to Registered users only until 10 July 2027. Download (4MB) |
|
Text (Bab 3)
20082010122_BAB 3.pdf Restricted to Registered users only until 10 July 2027. Download (1MB) |
|
Text (Bab 4)
20082010122_BAB 4.pdf Restricted to Registered users only until 10 July 2027. Download (9MB) |
|
Text (Bab 5)
20082010122_BAB 5.pdf Download (1MB) |
|
Text (Daftar Pustaka)
20082010122_DAFTAR PUSTAKA.pdf Download (1MB) |
|
Text (Lampiran)
20082010122_LAMPIRAN.pdf Restricted to Registered users only until 10 July 2027. Download (2MB) |
Abstract
Sampah merupakan masalah yang terus muncul di Indonesia dan seluruh dunia seiring dengan meningkatnya volume sampah akibat pertumbuhan populasi dan konsumsi. Salah satu solusi yang efektif adalah pemilahan sampah, namun kesadaran masyarakat dan keterbatasan infrastruktur masih menjadi kendala utama. Skripsi ini mengeksplorasi penggunaan teknologi pengolahan citra berbasis Deep Learning, khususnya Convolutional Neural Network (CNN), untuk otomatisasi pemilahan sampah. Data yang digunakan terdiri dari 3300 gambar sampah yang dikategorikan ke dalam enam kelas: kardus, kaca, logam, kertas, plastik, dan organik. Untuk menentukan model terbaik, skripsi ini membandingkan performa berbagai arsitektur CNN seperti ResNet50, DenseNet169, MobileNetV3, dan InceptionV3. Keputusan untuk membandingkan model-model ini didasarkan pada skripsi terdahulu yang menunjukkan bahwa setiap arsitektur memiliki kelebihan dan kekurangan masing-masing dalam hal komputasi dan akurasi. Dengan membandingkan beberapa model, skripsi ini bertujuan untuk menemukan model yang paling efektif untuk klasifikasi jenis sampah, yang kemudian akan diimplementasikan pada antarmuka aplikasi Android. Hasil skripsi menunjukkan bahwa DenseNet169 memiliki performa terbaik dengan akurasi 93,33% dalam klasifikasi sampah. Model terbaik akan diimplementasikan pada aplikasi Android dengan harapan dapat meningkatkan efektivitas dan efisiensi proses pemilahan sampah di Indonesia.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | T Technology > T Technology (General) T Technology > T Technology (General) > T385 Computer Graphics |
||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Information Systems | ||||||||||||
| Depositing User: | Wildan Fatahillah Akbar | ||||||||||||
| Date Deposited: | 10 Jul 2024 07:15 | ||||||||||||
| Last Modified: | 10 Jul 2024 07:15 | ||||||||||||
| URI: | https://repository.upnjatim.ac.id/id/eprint/25743 |
Available Versions of this Item
-
PERBANDINGAN EMPAT MODEL ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA JENIS SAMPAH. (deposited UNSPECIFIED)
- PERBANDINGAN EMPAT MODEL ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA JENIS SAMPAH. (deposited 10 Jul 2024 07:15) [Currently Displayed]
Actions (login required)
 |
View Item |