Fantara, Fungki Pandu (2018) Implementasi Sistem Klasifikasi Sampah Organik Dan Anorganik Dengan Metode Jaringan Saraf Tiruan Backpropagation. Sarjana thesis, Universitas Brawijaya.
Abstract
Sampah organik dan anorganik memiliki lama penguraian yang berbeda. Sampah organik memiliki waktu penguraian yang Iebih cepat dibandingkan dengan sampah anorganik. Oleh sebab itu sampah organik dan anorganik memiliki cara penanganan daur ulang yang berbeda pula. Pemilahan sampah sebelum ditampung ke Tempat Pembuangan Akhir (TPA) sangat penting untuk mengurangi jumlah penimbunan sampah yang terus meningkat setiap tahunnya. Penelitian ini meneliti tentang implementasi sistem kiasifikasi sampah organik dan anorganik dengan menggunakan metode backpropagation. Arsitektur jaringan saraf tiruan yang diterapkan yaitu 3 unit neuron pada lapis masukan, 1 lapis tersembunyi yang mempunyai 4 unit neuron, serta 1 unit pada lapis keluaran. Pelatihan data tidak dilakukan pada sistem yang dibangun namun pada sistem tambahan untuk mencari bobot, sehingga sistem yang dibangun hanya melakukan prediksi data secara Iangsung dari pembacaan sensor. Berdasarkan penelitian ini, sistem dapat dibangun menggunakan 3 buah sensor yang digunakan sebagai data masukan yaitu sensor Light Dependent Resistor (LDR), proximity induktif, dan proximity kapasitif dan sebuah keluaran berupa servo yang dapat membuka tutup tempat sampah secara otomatis berdasarkan hasil kiasifikasi yang dilakukan oleh sistem. Sistem memiliki akurasi 90% dengan kinerja setiap melakukan prediksi membutuhkan waktu rata-rata 42,9ms
English Abstract
Organic and inorganic waste have different decomposition time. Organic waste has longer decomposition time than inorganic waste. So, organic and inorganic waste have a different ways of handling recycling. Sorting garbage before being accommodated to landfills (TPA) is very important to reduce the amount of garbage dump that keeps increasing every year. This research examines the implementation of classification system of organic and inorganic waste by using artificial neural network method backpropagation. Artificial neural network architecture applied is 3 neurons in the input layer, 1 layer hidden with 4 neurons, and 1 neurons on the output layer. Data training is not performed on built systems but on additional systems to search for weights, so the built system only predicts data directly from sensor readings. Based on this research, the system can be built using 3 sensors which are used as input data, they are: Light Dependent Resistor (LDR), inductive proximity, and capacitive proximity and a servo output which can open the lid automatically based on the classification result done by system. The system has 90% accuracy with the performance of each prediction takes 42.9ms average time.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/465/051808070 |
| Uncontrolled Keywords: | kiasifikasi, jaringan saraf tiruan, backpropagation, sampah classification, neural network, backpropagation, waste |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 12 Dec 2018 07:49 |
| Last Modified: | 21 Oct 2021 01:40 |
| URI: | http://repository.ub.ac.id/id/eprint/161577 |
Preview |
Text
Fungki Pandu Fantara.pdf Download (8MB) | Preview |
Actions (login required)
 |
View Item |