<![CDATA[Sampah yang dihasilkan setiap hari dapat menjadi masalah karena beberapa jenis sampah sulit terurai sehingga dapat mencemari lingkungan. Sampah yang berpotensi dapat didaur ulang dan memiliki nilai jual adalah sampah anorganik terutama sampah kardus, logam, kertas, kaca, plastik, karet dan sampah lainnya seperti kemasan produk. Berbagai jenis limbah dapat diklasifikasikan menggunakan model pembelajaran mesin. Model pembelajaran mesin yang digunakan untuk klasifikasi sistem limbah adalah model dengan metode Convolutional Neural Network (CNN). Pemilihan arsitektur CNN memperhitungkan akurasi yang diperlukan dan biaya komputasi. Penelitian ini bertujuan untuk menentukan arsitektur, pengoptimal, dan laju pembelajaran terbaik dalam sistem klasifikasi limbah. Model yang dirancang menggunakan arsitektur Xception dengan Adam optimizer dan learning rate 0,001 memiliki akurasi sebesar 87,81%.]]>
Copyrights © 2023
