IMPLEMENTASI DEEP LEARNING UNTUK IMAGE CLASIFICATION MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) PADA CITRA SAMPAH HOTEL (Studi kasus: Hotel Lombok Raya)

I Gusti Ngurah Agung, Bayu Adhipramana (2023) IMPLEMENTASI DEEP LEARNING UNTUK IMAGE CLASIFICATION MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) PADA CITRA SAMPAH HOTEL (Studi kasus: Hotel Lombok Raya). S1 thesis, Universitas Mataram.

	Text LAPORAN TUGAS AKHIR - F1D019037 - I.G.N.A. BAYU ADHIPRAMANA - TEKNIK INFORMATIKA.pdf Restricted to Repository staff only Download (3MB)
Preview	Text JURNAL TUGAS AKHIR - F1D019037 - I.G.N.A. BAYU ADHIPRAMANA - TEKNIK INFORMATIKA.pdf Download (627kB) | Preview

Abstract

Sampah merupakan limbah yang bersifat padat yang terdiri dari zat organik dan zat anorganik yang dianggap tidak berguna lagi dan harus didaur ulang atau dikelola dengan baik supaya tidak membahayakan bagi lingkungan. Adapun salah satu penyebab berbagai permasalahan lingkungan terkait dengan timbulnya sampah disebabkan oleh pariwisata. Mandalika merupakan salah satu dari lima destinasi wisata super prioritas yang terletak di Nusa Tenggara Barat (NTB). Perkembangan pariwisata di NTB mendorong semakin meningkatnya hotel di berbagai tempat di NTB salah satunya kota Mataram. Hotel Lombok Raya merupakan hotel yang terpantau mengalami kenaikan pengunjung secara signifikan. Hal tersebut sejalan dengan tumpukan sampah yang semakin banyak. Jumlah sampah yang terus meningkat tentunya memerlukan penanganan mengingat secara keseluruhan sekitar 1,9 juta ton sampah di NTB masih tidak tertangani. Peningkatan jumlah sampah yang tidak disertai dengan pengolahan dapat memberikan dampak negatif bagi lingkungan seperti merusak kualitas air, udara dan dapat menjadi sumber penyakit. Permasalahan pemilahan sampah tersebut dapat ditanggulangi dengan berbagai inovasi, yakni dengan memanfaatkan model deep learning seperti Convolutional Neural Network (CNN) yang memiliki banyak arsitektur untuk pengenalan citra. Adapun tujuan utama dari penelitian ini yaitu mengimplementasikan arsitektur VGG16 yang telah dimodifikasi untuk mendapatkan akurasi yang lebih baik pada kalasifikasi sampah hotel yang terdiri dari 3 kelas yaitu organik, anorganik, dan B3 dimana total dataset yang digunakan berjumlah 1300 citra. Berdasarkan hasil penelitian model terbaik yang diperoleh menghasilkan akurasi sebesar 97%, tingkat presisi 98%, tingkat recall 98%, dan F1-score sebesar 98%.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Sampah, Pariwisata, Klasifikasi, deep learning, CNN, VGG16
Subjects:	T Technology > TD Environmental technology. Sanitary engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	25 Jul 2023 03:41
Last Modified:	25 Jul 2023 03:41
URI:	http://eprints.unram.ac.id/id/eprint/41624

Actions (login required)

View Item