1. DSpace Universitas Potensi Utama
  2. Penelitian Dosen Universitas Potensi Utama
  3. Rika Rosnelly
  4. A Paper
Please use this identifier to cite or link to this item: http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/5628
Full metadata record
DC FieldValueLanguage
dc.contributor.authorRosnelly, Rika-
dc.date.accessioned2023-04-27T15:06:32Z-
dc.date.available2023-04-27T15:06:32Z-
dc.date.issued2022-01-
dc.identifier.issn2337 – 3601-
dc.identifier.urihttp://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/5628-
dc.descriptionsampah merupakan salah satu masalah yang selalu muncul di Negara Indonesia bahkan didunia. Semakin lama semakin meningkat produksi sampah yang dihasilkan seiring dengan bertambahnya penduduk dan konsumsi masyarakat.[1] Bank Dunia melaporkan bahwa hampir 4 miliar ton sampah dihasilkan setiap tahun di seluruh dunia. dan perkotaan saja menyumbang banyak untuk jumlah ini, sampah diprediksi meningkat 70 persen pada tahun 2025[2]. Image classification merupakan salah satu bidang machine learning yang diminati karena mampu menggantikan kemampuan visual manusia. Dengan menggunakan image classification maka komputer dapat mengetahui Jenis sampah Seperti sampah kardus, plastik, kertas, logam dan kaca hanya berdasarkan gambar secara real time. Dengan aplikasi image classification dapat membantu dalam pengembangan self-autonomous machine atau Advance Driver Assistance System (ADAS)[3] Machine Learning dan teknik Image processing yang berbeda telah diusulkan dalam literatur untuk klasifikasi gambar dan objek yang berbeda[4]. Salah satu yang paling sering digunakan dalam metode pembelajaran untuk klasifikasi citra adalah Convolutional Neural Network (CNN) yang berkinerja baik dalam mengklasifikasikan kumpulan data gambar serta untuk pengenalan gambar waktu nyata Aplikasi[4][5][6]. Menurut Azis, F. A., Suhaimi, H., & Abas, E yang melakukan penelitian klasifikasi sampah daur ulang dengan menggunakan algoritma CNN untuk melakukan dengan ekstraksi beberapa fitur dari kumpulan data gambar, mengelompokkan kumpulan data dan kemudian, menggunakan informasi untuk mengklasifikasikan gambar menjadi 6 kelas yaitu karton, kaca, logam, kertas, plastik dan sampah lainnya[4].en_US
dc.description.abstractMenurut laporan bank dunia sampah merupakan salah satu permasalahan yang dihadapi dunia. Image clasification adalah salah satu bidang machine learning yang mampu melakukan klasikasi sampah berdasarkan jenisnya. Salah satu algoritma klasifikasi yang populer dan banyak digunakan adalah algoritma CNN yang merupakan algoritma deep learning. Pada penelitian ini kami akan melakukan analisis perbandingan kinerja algoritma CNN dengan algoritma MLP dalam melakukan klasifikasi jenis sampah. Dari penelitian yang kami lakukan, CNN mendapatkan performa yang lebih baik dimana hasil precision, recall, f1-score, dan accuracy sebesar 0,98 dan model CNN lebih efektif dalam melakukan klasifikasi sampah berdasarkan kelasnya.en_US
dc.publisherJURBAL TIMESen_US
dc.relation.ispartofseriesVolume X No 2, Januari 2022;22-28-
dc.subjectmachine learning, deep learning, image classification, multi-layer perceptron, convolutional neural networken_US
dc.titleANALISIS PERBANDINGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN ALGORITMA MULTI-LAYER PERCEPTRON NEURAL DALAM KLASIFIKASI CITRA SAMPAHen_US
dc.typeOtheren_US
Appears in Collections:A Paper

Files in This Item:
File Description SizeFormat 
26. ANALISIS PERBANDINGAN ALGORITMA CONVOLUTIONAL NEURAL.pdf484.56 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.