Nuraini, NoviaUlfa (2017) Perancangan Dan Implementasi Sistem Klasifikasi Jenis Sampah Rumah Tangga Dengan Menggunakan Metode Naive Bayes. Sarjana thesis, Universitas Brawijaya.
Abstract
Permasalahan mengenai sampah, dari tahun ke tahun semakin meningkat termasuk di Indonesia, namun pengelolaan sampah di Indonesia masih sangat kurang. Jika pengelolaan sampah yang tidak baik ini terus belanjut, maka dimungkinkan kebutuhan lahan untuk Tempat Pembuangan Akhir (TPA) akan meningkat setiap tahunnya. Berdasarkan permasalahan tersebut, perlu adanya penelitian terkait pemilahan sampah yang baik dan benar agar kemudian sampah dapat dikelola dengan baik juga. Pada penelitian ini terdapat 3 sensor yang dapat dibaca nilainya menggunakan mikrokontroler Arduino Uno dan dapat digunakan sebagai fitur dalam sistem klasifikasi jenis sampah rumah tangga menggunakan metode Naïve Bayes. Sensor-sensor tersebut antara lain sensor proximity induktif, sensor proximity kapasitif dan sensor LDR (Light Dependent Sensor). Penelitian ini menggunakan metode Naïve Bayes dikarenakan kelas penggolongan sudah diketahui sejak awal, yaitu organik dan anorganik. Oleh sebab itu, maka peneliti memilih metode klasifikasi (Supervised Learning). Selain itu, tidak semua kombinasi nilai fitur terdapat dalam percobaan yang dilakukan. Pada penelitian ini, proses dari mulai pembacaan nilai sensor sampai dengan penentuan jenis sampah menggunakan 2 bahasa pemograman, yaitu C dan python. Setelah penelitian ini selesai dilakukan, terdapat beberapa kesimpulan. Kesimpulan pertama yaitu sensor proximity kapasitif yang digunakan sebagai fitur 1 mempunyai tingkat akurasi sebesar 77,50%, sensor proximity induktif sebagai fitur 2 sebesar 100% dan sensor LDR sebagai fitur 3 sebesar 100%. Tingkat akurasi tersebut dilakukan dalam percobaan sebanyak 40 kali terhadap sampah yang berbeda. Kemudian penelitian ini juga menunjukkan bahwa semakin banyak data latih pada sistem maka akan semakin tinggi nilai keakuratan, precision, dan recall dari sistem. Hal tersebut terbukti pada penelitian dengan jumlah data uji sebanyak 20 data dan jumlah data latih sebanyak 160 data menunjukkan tingkat akurasi sebesar 95.00%, precision sebesar 95,45% dan recall sebesar 95,00%. Nilai tersebut adalah nilai tertinggi dibandingkan 5 skenario lain dengan jumlah data perbandingan data uji dan data latih yaitu 120:60, 100:80, 80:100, 60:120, 40:140 dan 20:160. Berdasarkan semua kesimpulan tersebut, dapat disimpulkan bahwa penelitian ini berhasil dilakukan untuk mengklasifikasikan sampah dengan baik menggunakan metode Naïve Bayes.
English Abstract
The problems of trash is increased every year, including in Indonesia, but the waste management in Indonesia still bad. If that will be continue, then it’s possible requirement landfills will increase every year. Based on these problems, Indonesia need a research about a system which related waste sorting and then waste can be managed better. In the research, there are three sensors that can read the value using Arduino Uno microcontroller and it can be used as features in the classification system of household trash type by using Naïve Bayes method. The sensors include inductive proximity sensor, capacitive proximity sensors and sensor Light Dependent Sensor (LDR). The research using Naïve Bayes method because class from classification already known, that is organic and inorganic. That is the reason for choose Supervised Learning. The other reason because the features don’t have all of combination on the training data. In the research, the process start when sensors read sensor value until determination of the trash type using two programming languages, namely C and python. While the research is finished, the research result some conclusions. First is kapasitif proximity sensor has 77,50% accuracy rate, induktif proximity sensor has 100% accuracy rate, and LDR sensor has 100% accuracy rate. Accuracy rate is conclude from 40 experiment with different object. Then, the research also showed that more training data on the system, then higher the value of accuracy, precision and recall in the system. That is established in the research, when the number of training data is 20 data and test data is 160 data its showed the level of accuracy is 95.00%, precision is 95.45% and recall is 96.67% . The value is the highest value than five other scenario with comparison of test data and training data is 120:60, 100:80, 80:100, 60:120, 40:140 and 20:160. Based on the conclusions, then we can know that the research success to clasiffication of trash by Naïve Bayes method.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/9/051700585 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Kustati |
| Date Deposited: | 14 Feb 2017 10:04 |
| Last Modified: | 21 Oct 2021 02:29 |
| URI: | http://repository.ub.ac.id/id/eprint/147525 |
Preview |
Text
Laporan_FIX_Novia_Ulfa_Nuraini_135150301111090.pdf Download (5MB) | Preview |
Preview |
Text
Paper_Novia_Ulfa_Nuraini_Fix.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |