Pemanfaatan convolutional neural network untuk klasifikasi efisien dan akurat pada berbagai jenis sampah

ahmad najib fadllurrohman(1*)


(1) Universitas Muhamadiyah Semarang
(*) Corresponding Author

Abstract


Produksi sampah yang semakin meningkat menuntut pengelolaan yang lebih efisien, salah satunya melalui pemilahan yang efektif. Artikel ini membahas tentang klasifikasi sampah (plastik, kaca, logam, kardus, kertas) menggunakan teknik Convolutional Neural Network (CNN). CNN menawarkan kecepatan, efisiensi, dan akurasi tinggi dibandingkan metode manual dalam pemilahan sampah. Penelitian ini menggunakan dataset klasifikasi sampah yang diperoleh dari situs Kaggle, dengan citra berukuran 300x300 piksel. Proses pra-pemrosesan mencakup normalisasi intensitas piksel, pengurangan noise, dan pengubahan ukuran gambar untuk konsistensi data. Arsitektur model CNN terdiri dari lapisan konvolusi untuk ekstraksi fitur, lapisan pooling untuk reduksi dimensi, dan lapisan fully connected untuk klasifikasi akhir. Model dilatih dengan algoritma optimisasi seperti Adam dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa klasifikasi sampah berbasis CNN mampu menghasilkan akurasi tinggi dan efisiensi yang lebih baik dibandingkan metode manual, menjadikannya solusi potensial untuk mengatasi masalah pengelolaan sampah.

Full Text:

PDF

References


Jinan, A., & Hayadi, B. H. (2022). Klasifikasi Penyakit Tanaman Padi Mengunakan Metode Convolutional Neural Network Melalui Citra Daun (Multilayer Perceptron). Journal of Computer and Engineering Science, 37-44.

Lawi, A., Intizhami, N. S., Mukhtarom, R., & Amir, S. (2023, February). Klasifikasi Penyakit Citra Daun Tanaman Tomat Dengan Ensemble Convolutional Neural Network. In Seminar Nasional Teknik Elektro dan Informatika (SNTEI) (Vol. 8, No. 1, pp. 239-243).

Solikin, S. (2020). Deteksi Penyakit Pada Tanaman Mangga Dengan Citra Digital: Tinjauan Literatur Sistematis (SLR). Bina Insani Ict Journal, 7(1), 63-72.

Purwadi, P., & Nasyuha, A. H. (2022). Implementasi Teorema Bayes Untuk Diagnosa Penyakit Hawar Daun Bakteri (Kresek) Dan Penyakit Blas Tanaman Padi. JURIKOM (Jurnal Riset Komputer), 9(4), 777-783.

Rofiqoh, S., Kurniadi, D., & Riansyah, A. (2020). Sistem Pakar Menggunakan Metode Forward Chaining untuk Diagnosa Penyakit Tanaman Karet. Prosiding Konstelasi Ilmiah Mahasiswa Unissula (KIMU) Klaster Engineering.

Krishnaswamy Rangarajan, A., & Purushothaman, R. (2020). Disease classification in eggplant using pre-trained VGG16 and MSVM. Scientific reports, 10(1), 2322.

Mahmud, K. H., Adiwijaya, A., & Al Faraby, S. (2019). Klasifikasi Citra Multi-Kelas Menggunakan Convolutional Neural Network. eProceedings of Engineering, 6(1).

Johan, T. M. (2023). Klasifikasi Citra Ikan Menggunakan Algoritma Convolutional Neural Network dengan Arsitektur VGG-16. KLIK: Kajian Ilmiah Informatika dan Komputer, 4(2), 978-985.

ANALISIS PERFORMA ALGORITMA CONVOLUTIONAL NEURAL NETWORKS MENGGUNAKAN ARSITEKTUR LENET DAN VGG16

Mayana, H. C., & Leni, D. (2023). Deteksi Kerusakan Ban Mobil Menggunakan Convolutional Neural Network dengan Arsitektur ResNet-34. Jurnal Surya Teknika, 10(2), 842-851.


Article Metrics

Abstract view : 91 times
PDF - 10 times

DOI: https://doi.org/10.26714/jkti.v2i2.13945

Refbacks

  • There are currently no refbacks.


=======================================================================================

Penerbit:

  • JKTI | Jurnal Komputer dan Teknologi Informasi
  • Program Studi S1 Informatika,  Unimus| Universitas Muhammadiyah Semarang
  • Sekretariat: Gedung Kuliah Bersama II (GKB II) Lantai 7,  Jl. Kedungmundu Raya No 18 Semarang
  • email: informatika@unimus.ac.id, Phone: + +62 813 2504 3677
  • e-ISSN: 2986-7592

Paper Template: Download

View My Stats

------------------------------------------------------------------------------------------------------------------------------------------------------