Fernanda Pambudi, Sevito (2021) Rancang Bagun Alat Klasifikasi Material Plastik Berbasis Reflektansi Cahaya. Sarjana thesis, Universitas Brawijaya.
Abstract
Plastik merupakan salah satu material yang sangat banyak digunakan dalam bidang industri maupun dalam kehidupan sehari-hari. Banyaknya penggunaan plastik ini tidak terlepas dari sifat yang dimilikinya, yaitu ringan, daya tahan, keserbagunaan, dan biaya produksi yang murah. Namun, terlepas dari banyaknya kelebihan penggunaan plastik, terdapat kekurangan dari penggunaan plastik, yaitu umur pakai yang relatif singkat. Hal ini tentunya menyebabkan plastik menjadi salah satu penyumbang sampah terbesar di dunia. Salah satu pengelolaan sampah plastik adalah dengan cara mendaur ulang sampah plastik tersebut. Dalam proses daur ulang sampah plastik terdapat fase pemilahan jenis material sampah plastik. Hal ini dilakukan untuk menghindari adanya kontaminasi jenis material yang tidak homogen dan menyebabkan masalah serius dalam proses daur ulang plastik. Oleh karena itu, maka diperlukan cara alternatif untuk mengidentifikasi material plastik. Metode yang dapat digunakan untuk identifikasi material plastik adalah mengamati reflektansi cahaya dari berbagai jenis material plastik dengan panjang gelombang antara 400-940 nm. Selain metode identifikasi karakteristik plastik, dibutuhkan juga metode untuk mengklasifikasi plastik sesuai dengan jenis material penyusunnya, yaitu dengan algoritma Naïve Bayes atau K-Nearest Neighbours (KNN). Pada penelitian ini digunakan sensor AS7262 untuk menangkap reflektansi cahaya tampak untuk rentang panjang gelombang 450-650 nm dan sensor AS7263 untuk menangkap reflektansi cahaya near infrared (NIR) dengan rentang panjang gelombang 610-860 nm. Besarnya intensitas cahaya pada rentang 450-860 nm ini yang akan digunakan untuk parameter klasifikasi yang dilakukan oleh algoritma Naïve Bayes dan KNN. Performansi algoritma yang akan diamati dalam peneltian ini adalah tingkat akurasi untuk masing-masing algoritma. Variasi yang diberikan untuk algoritma Naïve Bayes adalah jumlah data latih, sedangkan untuk KNN jumlah data latih dan nilai K. Pengujian juga dilakukan pengamatan waktu rata-rata yang dibutuhkan algoritma untuk melakukan klasifikasi. Berdasarkan hasil pengujian, sensor dapat mengkap reflektansi cahaya dengan tingkat error untuk material PET 6.45%, PP 14.72%, dan HDPE 5.31%. Algoritma Naïve Bayes mampu mengklasifikasi material plastik dengan akurasi sebesar 87.22%, sensitivitas sebesar 80.83%, selektivitas sebesar 90.42%, dan presisi sebesar 81.09%. Implementasi algoritma Naïve Bayes dapat mengklasifikasikan material PET, HDPE, dan PP dengan membutuhkan waktu rata-rata 650.8 ms. Algoritma K-Nearest Neighbours dapat mengklasifikasikan material plastik dengan akurasi sebesar 84.44%, sensitivitas sebesar 76.67%, selektivitas sebesar 88.33%, dan presisi sebesar 76.93% pada K=9. Implementasi algoritma KNN dapat mengklasifikasikan material PET, HDPE, dan PP dengan membutuhkan waktu rata-rata 807.4 ms.
English Abstract
Plastic is one of the most widely used materials in industry and in everyday life. The many uses of this plastic cannot be separated from its properties, that are light weight, durability, versatility, and low production costs. However, despite the many advantages of using plastic, there are disadvantage to using plastic, that is a relatively short service life. This causes plastic to be one of the largest contributors to waste in the world. One way to manage plastic waste is to recycle the plastic waste. In the process of recycling plastic waste, there is a phase of sorting the types of plastic waste materials. This is done to avoid contamination with nonhomogeneous material types and cause serious problems in the plastic recycling process. Therefore, an alternative method is needed to identify plastic materials. The method that can be used to identify plastic materials is to observe the light reflectance of various types of plastic materials with wavelengths between 400-940 nm. In addition to the identification method of plastic characteristics, a method for classifying plastics according to the type of constituent material is also needed, that is the Naïve Bayes algorithm or K-Nearest Neighbors (KNN). In this research, the AS7262 sensor was used to capture the reflectance of visible light for the wavelength range of 450-650 nm and the AS7263 sensor to capture the reflectance of near infrared (NIR) light with a wavelength range of 610-860 nm. The amount of light intensity in the 450-860 nm range will be used for the classification parameters carried out by the Naïve Bayes and KNN algorithms. The performance of the algorithm that will be observed in this research is accuracy for each algorithm. The variation given for the Naïve Bayes algorithm is the number of training data, while for KNN the number of training data and the value of K. The test is also observing the average time required for the algorithm to classify. Based on the test results, the sensor can capture light reflectance with an error rate of 6.45% for PET, 14.72% for PP, and 5.31% for HDPE. The Naïve Bayes algorithm is able to classify plastic materials an accuracy of 87.22%, sensitivity of 80.83%, selectivity of 90.42%, and precision of 81.09%. The implementation of the Naïve Bayes algorithm can classify PET, HDPE, and PP materials with an average time of 650.8 ms. The K-Nearest Neighbors algorithm can classify plastic materials with an accuracy of 84.44%, sensitivity of 76.67%,iv selectivity of 88.33%, and precision of 76.93% at K=9. Implementation of the KNN algorithm can classify PET, HDPE, and PP materials with an average time of 807.4 ms.
Other obstract
-
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | 621.381 |
Uncontrolled Keywords: | reflektansi, plastik, Naïve Bayes, reflectance, plastic, Naïve Bayes, KNN. |
Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting > 621.38 Electronics, communications engineering > 621.381 Electronics |
Divisions: | Fakultas Teknik > Teknik Elektro |
Depositing User: | Unnamed user with email gaby |
Date Deposited: | 22 Oct 2021 07:45 |
Last Modified: | 01 Mar 2022 02:07 |
URI: | http://repository.ub.ac.id/id/eprint/185105 |
![]() |
Text (DALAM MASA EMBARGO)
Sevito Fernanda Pambudi.pdf Restricted to Registered users only until 31 December 2023. Download (8MB) | Request a copy |
Actions (login required)
![]() |
View Item |