Implementasi arm robot menggunakan ESP32-CAM untuk pemilah sampah dengan metode CNN

Mauludi, Putra Rizqina (2025) Implementasi arm robot menggunakan ESP32-CAM untuk pemilah sampah dengan metode CNN. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
01_Cover.pdf

Download (253kB) | Preview
[img]
Preview
Text (ABSTRAK)
02_Abstrak.pdf

Download (247kB) | Preview
[img]
Preview
Text (SURAT PERNYATAAN KARYA SENDIRI)
03_Surat Pernyataan Karya Sendiri.pdf

Download (293kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
04_Daftar Isi.pdf

Download (366kB) | Preview
[img]
Preview
Text (BAB I)
05_BAB I.pdf

Download (227kB) | Preview
[img] Text (BAB II)
06_BAB II.pdf
Restricted to Registered users only

Download (492kB)
[img] Text (BAB III)
07_BAB III.pdf
Restricted to Registered users only

Download (70kB)
[img] Text (BAB IV)
08_BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (BAB V)
09_BAB V.pdf
Restricted to Registered users only

Download (554kB)
[img] Text (BAB VI)
10_BAB VI.pdf
Restricted to Registered users only

Download (142kB)
[img] Text (DAFTAR PUSTAKA)
11_Daftar Pustaka.pdf
Restricted to Registered users only

Download (253kB)
[img] Text (LAMPIRAN)
12_Lampiran.pdf
Restricted to Repository staff only

Download (668kB)

Abstract

Masalah pengelolaan sampah masih menjadi tantangan serius di Indonesia, terutama karena rendahnya efisiensi dalam proses pemilahan. Penelitian ini bertujuan untuk mengembangkan sistem arm robot pemilah sampah otomatis berbasis kecerdasan buatan menggunakan ESP32-CAM dan metode CNN-FOMO (Faster Objects, More Objects). Sistem ini dirancang untuk mengenali dan mengklasifikasikan jenis sampah seperti kaleng dan cup plastik berdasarkan citra yang ditangkap oleh kamera, lalu memindahkannya ke tempat yang sesuai secara otomatis. Model CNN-FOMO dilatih melalui platform Edge Impulse dan di-deploy ke ESP32-CAM dalam format library Arduino. Pengujian dilakukan terhadap akurasi deteksi objek pada berbagai jarak, kapasitas angkat arm robot, serta sensitivitas terhadap intensitas cahaya. Hasil menunjukkan bahwa sistem mampu mendeteksi objek pada jarak optimal 15–50 cm, mengangkat beban hingga 80 gram, dan bekerja efektif pada pencahayaan antara 430–1200 lux. Penelitian ini menunjukkan bahwa integrasi ESP32-CAM dan CNN-FOMO cukup efisien dalam otomatisasi proses pemilahan sampah skala kecil.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Arm Robot, ESP32-CAM; CNN-FOMO; Pemilahan Sampah, Edge Impulse
Subjects: Applied Physics > Electrical Engineering
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Elektro
Depositing User: Mauludi Putra Rizqina
Date Deposited: 01 Aug 2025 01:51
Last Modified: 01 Aug 2025 01:51
URI: https://digilib.uinsgd.ac.id/id/eprint/113843

Actions (login required)

View Item View Item