TY  - GEN
CY  - UNIVERSITAS LAMPUNG
ID  - eprints70141
UR  - http://digilib.unila.ac.id/70141/
A1  - Rian, Kurniawan
Y1  - 2023/01/31/
N2  - Sampah yang dihasilkan setiap hari dapat menjadi masalah karena beberapa jenis
sampah sulit untuk terurai sehingga dapat mencemari lingkungan. Sampah yang
berpotensi dapat didaur ulang dan memikili nilai jual adalah sampah jenis anorganik
terutama sampah kardus, logam, kertas, kaca, plastik, karet, dan sampah lainnya
seperti bungkus kemasan produk. Berbagai jenis sampah dapat diklasifikasi
menggunakan model machine learning. Model machine learning yang digunakan
untuk klasifikasi sistem sampah adalah model dengan metode Convolutional
Neural Network (CNN). Data yang digunakan pada penelitian ini berjumlah 2647
data tipe gambar. Pemilihan arsitektur CNN mempertimbangkan akurasi dan biaya
komputasi yang dibutuhkan. Penelitian ini bertujuan untuk mengetahui arsitektur,
optimizer, dan learning rate terbaik pada sistem klasifikasi sampah. Model yang
dirancang menggunakan arsitektur MobileNetV2 dengan optimizer SGD dan
learning rate 0.1 memiliki akurasi sebesar 86.07% dan model yang dirancang
menggunakan arsitektur Xception dengan optimizer Adam dan learning rate 0.001
memiliki akurasi sebesar 87.81%.
PB  - FAKULTAS TEKNIK
TI  - PERBANDINGAN NILAI AKURASI MODEL MACHINE LEARNING ANTARA ARSITEKTUR MOBILENETV2 DAN XCEPTION PADA SISTEM KLASIFIKASI SAMPAH
AV  - restricted
ER  -