Mauludi, Putra Rizqina (2025) Implementasi arm robot menggunakan ESP32-CAM untuk pemilah sampah dengan metode CNN. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
01_Cover.pdf Download (253kB) | Preview |
|
|
Text (ABSTRAK)
02_Abstrak.pdf Download (247kB) | Preview |
|
|
Text (SURAT PERNYATAAN KARYA SENDIRI)
03_Surat Pernyataan Karya Sendiri.pdf Download (293kB) | Preview |
|
|
Text (DAFTAR ISI)
04_Daftar Isi.pdf Download (366kB) | Preview |
|
|
Text (BAB I)
05_BAB I.pdf Download (227kB) | Preview |
|
![]() |
Text (BAB II)
06_BAB II.pdf Restricted to Registered users only Download (492kB) |
|
![]() |
Text (BAB III)
07_BAB III.pdf Restricted to Registered users only Download (70kB) |
|
![]() |
Text (BAB IV)
08_BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
![]() |
Text (BAB V)
09_BAB V.pdf Restricted to Registered users only Download (554kB) |
|
![]() |
Text (BAB VI)
10_BAB VI.pdf Restricted to Registered users only Download (142kB) |
|
![]() |
Text (DAFTAR PUSTAKA)
11_Daftar Pustaka.pdf Restricted to Registered users only Download (253kB) |
|
![]() |
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 |