Sampoerna, Igor Thaddeus (2023) Klasifikasi jenis sampah dengan metode convolutional neural network arsitektur resnet 50. Skripsi thesis, Universitas Tarumanagara.
Text
535190057_IGOR_Cover.pdf Download (1MB) |
|
Text
535190057_IGOR_Pengesahan.pdf Download (296kB) |
|
Text
535190057_IGOR_Daftar Isi.pdf Download (934kB) |
|
Text
535190057_IGOR_Bab 1.pdf Restricted to Repository staff only Download (1MB) |
|
Text
535190057_IGOR_Bab 2.pdf Restricted to Repository staff only Download (1MB) |
|
Text
535190057_IGOR_Bab 3.pdf Restricted to Repository staff only Download (1MB) |
|
Text
535190057_IGOR_Bab 4.pdf Restricted to Repository staff only Download (2MB) |
|
Text
535190057_IGOR_Bab 5.pdf Restricted to Repository staff only Download (1MB) |
|
Text
535190057_IGOR_Daftar Pustaka.pdf Download (1MB) |
Abstract
Sampah merupakan masalah yang dialami oleh semua negara, termasuk Indonesia. Banyak masyarakat yang masih belum bisa membedakan jenis-jenis sampah. Penting untuk memisahkan sampah sesuai dengan jenisnya, karena hal ini dapat membantu dalam proses daur ulang, meminimalisir jumlah sampah yang akhirnya dibuang ke tempat pembuangan akhir, dan menghindari pencemaran lingkungan. Skripsi ini membahas sebuah rancangan untuk membuat sebuah aplikasi yang dapat memberikan informasi kepada masyarakat mengenai klasifikasi jenis sampah dan cara pengolahannya. Jumlah dataset sebanyak 16.443 dengan 13 kelas digunakan data pembelajaran dan pelatihan. Metode yang digunakan dalam perancangan ini adalah Convolutional Neural Network dengan arsitektur Resnet 50. Pengujian dengan membandingkan jumlah data pelatihan dan pengujian dengan perbandingan rasio yaitu 90:10, 80:20, 70:30, dan 60:40. Selain itu, pengujian menggunakan 2 metode iterasi yang berbeda dengan menggunakan 100 epoch dan early stop. Hasil pengujian menunjukkan bahwa arsitektur Resnet 50 dengan rasio 90:10 dengan menggunakan early stop memiliki akurasi yang lebih tinggi yaitu sebesar 97.80%. Kata Kunci: Convolutional Neural Network, Klasifikasi, Resnet 50, Sampa
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi |
Divisions: | Fakultas Teknologi Informasi > Teknik Informatika |
Depositing User: | TDI Family perpus |
Date Deposited: | 15 Sep 2023 09:20 |
Last Modified: | 15 Sep 2023 09:20 |
URI: | http://repository.untar.ac.id/id/eprint/41809 |
Actions (login required)
View Item |