Perbandingan Performa Klasifikasi Gambar Sampah Antara Mobilenetv2 Dan Densenet169

Azzahra, Nazzua (2024) Perbandingan Performa Klasifikasi Gambar Sampah Antara Mobilenetv2 Dan Densenet169. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB III.pdf - Published Version Download (6MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB V.pdf - Published Version Download (2MB)

Abstract

Pengelolaan sampah menjadi tantangan besar seiring dengan peningkatan populasi dan aktivitas manusia. Dalam upaya mengoptimalkan daur ulang dan pengelolaan sampah yang lebih efisien, solusi klasifikasi sampah otomatis menjadi kunci penting. Oleh karena itu, penelitian ini bertujuan untuk membandingkan kinerja dua arsitektur CNN, yaitu Mobilenetv2 dan Densenet169, dalam mengklasifikasikan gambar sampah. Dua dataset berbeda, dengan dan tanpa background, digunakan untuk mengevaluasi pengaruh background pada akurasi klasifikasi. Mobilenetv2 dipilih karena efisiensi dan ringannya, sedangkan Densenet169 dipilih karena keseimbangan antara akurasi dan kecepatan. Kedua model dilatih dan dievaluasi pada dataset dengan enam kelas sampah: plastic, metal, glass, cardboard, trash, dan paper. Selanjutnya, dataset yang sudah dilabeli dibagi menjadi data training, validasi, dan testing dengan rasio 8:1:1. Proses pelatihan dilakukan dengan menggunakan teknik augmentasi data untuk meningkatkan variasi data training dan mencegah overfitting. Untuk mengevaluasi kinerja model, peneliti menggunakan confusion matrix, kurva ROC-AUC, dan metrik evaluasi seperti akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Densenet169 dengan dataset mengandung background mencapai akurasi tertinggi, yaitu 88.33%, sedangkan Mobilenetv2 dengan dataset yang sama juga mencapai akurasi tinggi, yaitu 84.05%. Hasil ini menunjukkan bahwa baik Mobilenetv2 maupun Densenet169 berhasil dengan baik dalam mengklasifikasikan gambar sampah dengan background. Namun, Densenet169 sedikit lebih akurat, sehingga bisa menjadi pilihan yang lebih unggul untuk pengelolaan sampah yang lebih efisien.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Klasifikasi sampah, Densenet169, Mobilenetv2, Background dataset
Subjects:	000 Karya Umum > 005 Pemograman > 005.74 Database
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	28 Apr 2025 06:03
Last Modified:	28 Apr 2025 06:03
URI:	https://repositori.buddhidharma.ac.id//id/eprint/2568

Actions (login required)

View Item