KLASIFIKASI KEBERSIHAN JALANAN MENGGUNAKAN MOBILENETV2 DAN TRANSFER LEARNING PADA CITRA JALANAN

UPT. PERPUSTAKAAN Universitas Esa Unggul Kampus Emas UEU - Jakarta Barat
Phone	:	021-5674223, ext 282
Fax	:
E-mail	:	[email protected]
Website	:	http://library.esaunggul.ac.id
Support (Customer Service) :
[email protected]

Welcome..guys!

Have a problem with your access?
Please, contact our technical support below:

LIVE SUPPORT

Astrid Chrisafi

! ATTENTION !

To facilitate the activation process, please fill out the member application form correctly and completely

Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently

Still Confuse?
Please read our User Guide

UEU » Undergraduate Theses » Teknik Informatika
Posted by [email protected] at 25/09/2024 15:53:31 • 144 Views

KLASIFIKASI KEBERSIHAN JALANAN MENGGUNAKAN MOBILENETV2 DAN TRANSFER LEARNING PADA CITRA JALANAN

Created by :
Novrizal Ferdyansah Alfariz ( 20200801132 )

Subject:	KLASIFIKASI KEBERSIHAN JALANAN MOBILENETV2 TRANSFER LEARNING CITRA JALANAN
Alt. Subject :	CLASSIFICATION STREET CLEANLINESS MOBILENETV2 TRANSFER LEARNING STREET IMAGE
Keyword:	Kebersihan jalan Deep Learning Augmentasi Citra Convolutional neural Network

Description:

Fenomena penumpukan sampah jalanan di Indonesia menimbulkan berbagai dampak negatif, termasuk bau tak sedap, kerusakan estetika, dan hambatan pada saluran pembuangan. Identifikasi yang efektif dari pihak berwenang masih menjadi tantangan, membutuhkan prosedur yang lebih baik dalam prosesnya. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan mengembangkan model klasifikasi jalanan menggunakan teknologi deep learning dengan memanfaatkan citra jalanan dan metode transfer learning dengan Convolutional Neural Network (CNN). Kompleksitas struktur jalanan yang dinamis dihadapi dengan penerapan augmentasi citra, meningkatkan keberagaman dataset untuk pelatihan model. Arsitektur MobileNetV2 dipilih karena efisiensinya dalam mengoptimalkan keseimbangan antara akurasi dan efisiensi komputasi. Hasil evaluasi model mencatat akurasi training tertinggi sebesar 93% dan akurasi validasi tertinggi 95% pada epoch 10, dengan nilai loss yang rendah berturut-turut sebesar 0,684 dam 0,557. Analisis confusion matrix mengungkapkan akurasi klasifikasi sebesar 96%, menunjukkan keberhasilan model dalam mengklasifikasikan citra jalanan sesuai kelasnya. Sensitivitas yang seimbang antar kelas (0,95238) menandakan kemampuan model dalam mengidentifikasi baik jalanan bersih maupun kotor. Presisi rata-rata sebesar 0,967741, sementara nilai F1-score mencapai 0,95 dan 0,96667 dalam masing-masing kelasnya, menunjukkan keseimbangan kinerja model dalam kedua kelas. MobileNetV2 menjadi model yang sangat baik dalam melakukan klasifikasi kebersihan jalanan berdasarkan citra jalanan karena kemampuannya untuk melatih model dengan waktu yang cepat. Penelitian ini diharapkan memberikan kontribusi dalam pengembangan sistem pemantauan lingkungan, pemeliharaan jalan, dan analisis kualitas jalan untuk memperbaiki kebersihan jalanan secara efektif dan berkelanjutan.

Contributor	:	Ir. Nixon Erzed, M.T
Date Create	:	25/09/2024
Type	:	Text
Format	:	PDF
Language	:	Indonesian
Identifier	:	UEU-Undergraduate-20200801132
Collection ID	:	20200801132

Source :
Undergraduate Theses of Informastics Engineering

Relation Collection:
Fakultas Ilmu Komputer

Coverage :
Civitas Akademika Universitas Esa Unggul

Rights :
@2024 Perpustakaan Universitas Esa Unggul

Publication URL :
https://digilib.esaunggul.ac.id/klasifikasi-kebersihan-jalanan-menggunakan-mobilenetv2-dan-transfer-learning-pada-citra-jalanan-36199.html

[ Free Download - Free for All ]