Text

“IDENTIFIKASI JENIS SAMPAH SEBAGAI UPAYA PENGOLAHAN LIMBAH PLASTIK BERBASIS DEEP LEARNING”

---

Pemilahan sampah sebelum ditampung ke Tempat Pemuangan Akhir (TPA) sangat penting untuk mengurangi jumlah penimbunan sampah yang terus meningkat setiap tahunnya. Permasalahan ini dapat ditangani dengan mengimplementasikan mesin yang dapat memilah sampah dengan otomatis. Penelitian ini berjenis kuantitatif dan menggunakan data sekunder, yakni data citra jenis-jenis sampah. Citra akan diklasifikasikan ke jenis sampah organic dan sampah anorganik dengan bantuan model deep learning. Pengukuran yang dilakukan berupa pengukuran tingkat akurasi model deep learning yang dirancang dalam mengklasifikasikan citra sampah ke jenis-jenis sampah yang sesuai. Sesuai dataset yang ada, akan dilakukan identifikasi sampah yang akan digunakan, yaitu sampah sisa makanan, kertas, kayu, dan daun serta sampah elektronik, logam, plastic, dan botol. Akurasi keseluruhan model adalah 94,42%, yang berarti bahwa model tersebut mengklasifikasikan dengan benar 94,42% sampel limbah. Model paling akurat dalam mengklasifikasikan limbah kayu (99,24%), kantong plastik (98,10%), dan limbah daun (98,49%). Model paling tidak akurat dalam mengklasifikasikan kaleng logam (85,25%) dan limbah makanan (94,47%). Model lebih cenderung salah mengklasifikasikan limbah kayu sebagai kantong plastik (1,75%) dan kantong plastik sebagai limbah kayu (1,90%). Model juga lebih cenderung salah mengklasifikasikan kaleng logam sebagai limbah makanan (14,75%) dan limbah makanan sebagai kaleng logam (5,53%).

Kata kunci: deep learning, sampah, identifikasi

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

-

No. Panggil

-

Penerbit

Yogyakarta : Politeknik ATK., 2023

Deskripsi Fisik

32 halaman, 30 cm, bibli. hal 32

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

limbah plastik

Info Detail Spesifik

Prodi TPKP

Pernyataan Tanggungjawab

-

Informasi Lainnya

Artikel

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar