Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Hisdianton, Oktavian
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Rancang Bangun Sistem Identifikasi dan Klasifikasi Sampah Menggunakan Deep Learning Arsitektur DenseNet201 Hisdianton, Oktavian; Utaminingrum, Fitri; Putri, Rekyan Regasari Mardi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Berdasarkan pada Undang-Undang Nomor 18 tahun 2008 menjelaskan tentang pengelolaan sampah yaitu sebagai barang bekas atau sisa-sisa yang dihasilkan dari suatu aktivitas manusia sehari-hari atau oleh proses alam yang berwujud padat atau setengah padat, dan dapat dibagi menjadi organik, anorganik, b3 dan residu, dimana benda-benda ini tidak dapat digunakan lalu dibuang ke lingkungan umum. Maka dari itu sampah yang berasal dari lingkungan juga memiliki salah satu langkah untuk mengurangi timbunan sampah dengan melakukan pemilahan sampah dengan benar, akan tetapi pemilahan sampah itu harus sesuai dengan kelasnya. Sementara kebiasaan masyarakat Indonesia masih banyak membudaya melakukan pembuangan sampah tidak sesuai dengan kelasnya yaitu mencampur semua jenis sampah. Berdasarkan data sampah yang dibuang pada tahun 2022, fasilitas umum menempati posisi kelima penyumbang sampah di Indonesia. Solusi yang diberikan pada penelitian ini yaitu merancang alat untuk mengklasifikasikan sampah organik, anorganik, b3, dan residu secara otomatis menggunakan metode deep learning arsitektur DenseNet201 untuk mempermudah dalam pemilahan sampah pada kelasnya. Untuk pengujian klasifikasi objek sampah pada sistem mendapatkan hasil nilai akurasi sebesar 98%, hasil nilai precision sebesar 98%, nilai recall sebesar 98%, dan nilai f1-score sebesar 98%. Dilakukan pengujian rata-rata waktu komputasi yang didapatkan untuk klasifikasi selama 1,2239675 detik. Dan dilakukan pengujian integrasi pada sistem yang mendapatkan hasil nilai akurasi sebesar 92,5%.
Co-Authors Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Utaminingrum, Fitri