Implementasi Convolutional Neural Network (CNN) untuk klasifikasi sampah organik dan anorganik pada gambar limbah rumah tangga

Dzikri, Muhammad (2026) Implementasi Convolutional Neural Network (CNN) untuk klasifikasi sampah organik dan anorganik pada gambar limbah rumah tangga. Sarjana thesis, UIN SUNAN GUNUNG DJATI BANDUNG.

Preview	Text Cover.pdf Download (158kB) | Preview
Preview	Text Abstrak.pdf Download (164kB) | Preview
Preview	Text Pernyataan karya sendiri.pdf Download (745kB) | Preview
Preview	Text Daftar Isi.pdf Download (235kB) | Preview
Preview	Text BAB 1.pdf Download (273kB) | Preview
	Text BAB 2.pdf Restricted to Registered users only Download (764kB) | Request a copy
	Text BAB3.pdf Restricted to Registered users only Download (551kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (563kB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (137kB) | Request a copy
	Text Daftar Pustaka.pdf Restricted to Registered users only Download (181kB) | Request a copy
	Text Lampiran.pdf Restricted to Repository staff only Download (154kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengatasi kendala pemilahan sampah rumah tangga melalui implementasi model klasifikasi gambar berbasis Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Menggunakan metodologi CRISP-DM, penelitian ini memanfaatkan dataset berjumlah 3.057 gambar yang mencakup data primer dan sekunder dari Kaggle. Proses pengembangan menerapkan teknik transfer learning, normalisasi piksel, serta augmentasi data pada tahap data preparation untuk menghasilkan model yang tangguh. Hasil evaluasi menunjukkan kinerja yang sangat optimal dengan tingkat akurasi mencapai 96% serta nilai rata-rata precision, recall, dan F1-score sebesar 0,96. Sebagai tahap akhir, model diimplementasikan ke dalam antarmuka web interaktif menggunakan framework Gradio untuk memudahkan pengguna melakukan klasifikasi sampah secara otomatis dan real-time.

Actions (login required)

View Item