ABDILLAH, FEBRIAN (2024) IMPLEMENTASI ALGORITMA YOLOV5 DALAM DESAIN SISTEM PINTAR UNTUK IDENTIFIKASI OBJEK PADA CONVEYOR PEMILAH SAMPAH. S1 thesis, Universitas Mercu Buana - Buncit.
|
Text (COVER)
41420010051 - Febrian Abdillah - 02 Cover.pdf Download (1MB) | Preview |
|
|
Text (ABSTRAK)
41420010051 - Febrian Abdillah - 03 Abstrak.pdf Download (443kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB 1)
41420010051 - Febrian Abdillah - 04 BAB 1.pdf Restricted to Registered users only Download (491kB) |
|
|
Text (BAB 2)
41420010051 - Febrian Abdillah - 05 BAB 2.pdf Restricted to Registered users only Download (707kB) |
|
|
Text (BAB 3)
41420010051 - Febrian Abdillah - 06 BAB 3.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB 4)
41420010051 - Febrian Abdillah - 07 BAB 4.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB 5)
41420010051 - Febrian Abdillah - 08 BAB 5.pdf Restricted to Registered users only Download (496kB) |
|
|
Text (DAFTAR PUSTAKS)
41420010051 - Febrian Abdillah - 10 Daftar Pustaka.pdf Restricted to Registered users only Download (354kB) |
|
|
Text (LAMPIRAN)
41420010051 - Febrian Abdillah - 11 Lampiran.pdf Restricted to Registered users only Download (392kB) |
Abstract
Penelitian ini membahas implementasi algoritma YOLOv5 pada sistem pintar untuk identifikasi objek pada conveyor pemilah sampah, yang bertujuan meningkatkan efisiensi dan akurasi dalam proses pemilahan sampah organik dan anorganik. Dalam pelaksanaan eksperimen, beberapa kendala yang ditemukan antara lain resolusi gambar yang kurang optimal dan variasi data yang terbatas, yang berdampak pada performa model. Untuk mengatasi masalah ini, disarankan untuk meningkatkan kualitas gambar dan menambah variasi serta jumlah data latih. Selain itu, penggunaan teknik augmentasi data dapat membantu memperkaya dataset dan meningkatkan kemampuan model dalam mengenali objek dalam berbagai kondisi pencahayaan dan sudut pandang. Dengan peningkatan tersebut, diharapkan sistem pintar ini dapat lebih efektif dalam mendukung proses pemilahan sampah secara otomatis, mengurangi ketergantungan pada tenaga kerja manual, dan meningkatkan efisiensi pengelolaan sampah. Implementasi ini tidak hanya berpotensi untuk diterapkan pada skala industri pengelolaan sampah, tetapi juga pada sistem pengelolaan sampah di kota kota besar yang membutuhkan solusi efektif dan efisien dalam penanganan limbah. Dataset yang digunakan dalam penelitian ini terdiri dari 17.365 gambar sampah organik dan anorganik. Model YOLOv5 dilatih dengan 50 epochs dan batch size 16, menghasilkan nilai mAP@0,5 sebesar 55,8% serta akurasi total sebesar 64%. Hasil ini menunjukkan bahwa model memiliki kemampuan yang cukup baik dalam mengidentifikasi dan mengklasifikasikan sampah, meskipun masih terdapat ruang untuk peningkatan.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41420010051 |
| Uncontrolled Keywords: | YOLOv5, sistem pintar, identifikasi objek, conveyor pemilah sampah, sampah organik, sampah anorganik, machine learning, deteksi objek |
| Subjects: | 600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan > 621 Applied Physics/Fisika terapan 600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan > 621 Applied Physics/Fisika terapan > 621.3 Electrical Engineering, Lighting, Superconductivity, Magnetic Engineering, Applied Optics, Paraphotic Technology, Electronics Communications Engineering, Computers/Teknik Elektro, Pencahayaan, Superkonduktivitas, Teknik Magnetik, Optik Terapan, Tekn |
| Divisions: | Fakultas Teknik > Teknik Elektro |
| Depositing User: | Nasruddin Mansyur S.Hum |
| Date Deposited: | 20 Aug 2024 07:53 |
| Last Modified: | 20 Aug 2024 07:53 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/90415 |
Actions (login required)
 |
View Item |
