Text

Implementasi Convolutional Neural Network (cnn) Dengan Arsitektur Densenet Untuk Klasifikasi Sampah Anorganik

---

Pengelolaan sampah anorganik menjadi salah satu tantangan utama di era modern mengingat sifatnya yang sulit terurai secara alami dan dampaknya terhadap lingkungan. Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) dengan arsitektur DenseNet-121, DenseNet-169, dan DenseNet-201 dalam klasifikasi jenis sampah anorganik. Dataset yang digunakan terdiri dari lima kelas, yaitu cardboard, glass, metal, paper, dan plastic, dengan total 3.537 citra yang diperoleh dari platform Kaggle. Proses penelitian meliputi data preprocessing, data augmentation, pelatihan model dengan konfigurasi hyperparameter, serta evaluasi menggunakan confusion matrix untuk mengukur akurasi, presisi, recall, dan nilai f1-score . Hasil penelitian menunjukkan bahwa DenseNet-201 memberikan performa terbaik dengan tingkat akurasi 90%, diikuti oleh DenseNet-169 (89%) dan DenseNet-121 (88%). Sistem klasifikasi berbasis web yang dikembangkan menggunakan framework Flask memungkinkan pengguna untuk mengunggah citra sampah dan menerima hasil klasifikasi secara otomatis.

---

Availability

Detail Information

Call Number

-

Language

Indonesia

NPM

183510542

Publisher

Teknik Informatika : Universitas Islam Riau., 2024

Keyword(s)

machine learning
Klasifikasi gambar
Flask
Convolutional Neural Network (CNN)
Sampah anorganik
DenseNet

Other Information

Petugas

Putri

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment