Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Technology Sciences Insights Journal
Esra Louis
Politeknik Negeri Batam
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Metode Extra Trees Classifier untuk Klasifikasi Jenis Sampah Menggunakan Ekstraksi Fitur Histogram Warna, Histogram of Oriented Gradient, dan Local Binary Pattern Esra Louis; Adlian Jefiza; Feralia Fitri
Technology Sciences Insights Journal Vol. 3 No. 1 (2026): Technology Sciences Insights Journal
Publisher : MID Publisher International

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60036/7pc16r67

Abstract

Peningkatan jumlah sampah yang dihasilkan masyarakat menuntut adanya sistem pemilahan sampah yang lebih efektif dan otomatis. Salah satu teknologi yang dapat digunakan adalah computer vision yang mampu mengenali jenis sampah berdasarkan karakteristik visualnya. Penelitian ini bertujuan untuk mengklasifikasikan enam jenis sampah yaitu kardus, kaca, logam, kertas, plastik, dan sampah menggunakan metode Extra Trees Classifier. Dataset yang digunakan merupakan Dataset Klasifikasi Sampah yang diperoleh dari Kaggle dan telah dibagi menjadi data latih, validasi, dan pengujian. Tahapan penelitian meliputi preprocessing citra, ekstraksi fitur menggunakan Histogram Warna, Histogram of Oriented Gradient (HOG), dan Local Binary Pattern (LBP), kemudian dilanjutkan dengan proses klasifikasi menggunakan Extra Trees Classifier. Model evaluasi dilakukan menggunakan akurasi, presisi, recall, dan F1-score, konfusi matriks, dan ROC Curve. Hasil penelitian menunjukkan bahwa model mampu mencapai akurasi sebesar 99,88% dengan nilai presisi, recall, dan F1-score mendekati 1,00 pada seluruh kelas. Hasil tersebut menunjukkan bahwa kombinasi fitur Histogram Warna, HOG, dan LBP mampu merepresentasikan karakteristik objek sampah dengan baik sehingga menghasilkan performa klasifikasi yang sangat tinggi.
Co-Authors Adlian Jefiza Feralia Fitri