FAISHAL, Salman Ahmad (2025) Penerapan Convolutional Neural Network dengan Pendeteksian Outlier pada Klasifikasi Jenis Sampah. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (209kB)
	Text 3. Halaman Pengesahan I.pdf Download (187kB)
	Text 4. Halaman Pengesahan II.pdf Download (164kB)
	Text 5. Kata Pengantar.pdf Restricted to Repository staff only Download (195kB) | Request a copy
	Text 6. Abstrak.pdf Download (176kB)
	Text 7. Abstract.pdf Download (119kB)
	Text 8. Daftar Isi.pdf Download (178kB)
	Text 12. Bab I.pdf Download (309kB)

Abstract

ABSTRAK
Sampah merupakan salah satu permasalahan lingkungan yang dihadapi berbagai negara termasuk Indonesia. Pemilahan sampah daur ulang, seperti kardus, logam, kertas, kaca, dan plastik, berpotensi menjadi solusi untuk mengurangi volume sampah yang dikirim ke tempat pembuangan akhir. Teknologi Convolutional Neural Network (CNN), dapat digunakan untuk mengembangkan model yang secara otomatis mengidentifikasi dan memilah jenis-jenis sampah. CNN mampu mengidentifikasi objek pada data gambar. Namun, kinerja model CNN sangat dipengaruhi oleh kualitas gambar dan dataset yang digunakan.
Keberadaan outlier dalam dataset dapat menyebabkan model mempelajari gambar yang salah sehingga mengurangi akurasi model. Identifikasi outlier pada data gambar dilakukan dalam tiga tahap yaitu: mengekstrak fitur gambar menggunakan CNN, mereduksi dimensi fitur menggunakan Uniform Manifold Approximation and Projection (UMAP), dan mendeteksi outlier dari fitur hasil reduksi menggunakan Interquartile Range (IQR). Penerapan metode ini pada dataset trashnet berhasil mendeteksi outlier pada dua kelas (Logam dan Plastik), serta tidak ada outlier pada tiga kelas lainnya (Kardus, Kaca, Kertas). Model CNN yang
dirancang menggunakan arsitektur Residual Network (ResNet) yang dilatih pada data ber-outlier mendapatkan akurasi sebesar 87%. Sedangkan, model yang sama yang dilatih pada data yang outlier-nya sudah dihapus mendapatkan akurasi sebesar 90%.
Kata Kunci: Sampah Daur Ulang, Convolutional Neural Network, Deteksi Outlier, Uniform Manifold Approximation and Projection, Interquartile Range

Actions (login required)

View Item