Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi)
Not a member yet
1071 research outputs found
Sort by
Optimasi Parameter Support Vector Machine Berbasis Algoritma Firefly Pada Data Opini Film
Get PDFThe Support Vector Machine (SVM) method is a method that is widely used in the classification process. The success of the classification of the SVM method depends on the soft margin coefficient C, as well as the parameter of the kernel function. The SVM parameters are usually obtained by trial and error, but this method takes a long time because they have to try every combination of SVM parameters, therefore the purpose of this study is to find the optimal SVM parameter value based on accuracy. This study uses the Firefly Algorithm (FA) as a method for optimizing SVM parameters. The data set used in this study is data on public opinion on several films. Class labels used in data classification are positive class labels and negative class labels. The amount of data used in this study is 2179 data, with the distribution of 436 data as test data and 1743 data as training data. Based on this data, an evaluation process was carried out on the Firefly Algorithm-Support Vector Machine (FA-SVM). The results of this study indicate that the Firefly Algorithm can obtain the optimal combination of SVM parameters based on accuracy, so there is no need for trial and error to get that value. This is evidenced by the results of the FA-SVM evaluation using a value range of C=1.0-3.0 and =0.1-1.0 resulting in the highest accuracy of 87.84%. The next evaluation using a range of values C=1.0-3.0 and =1.0-2.0 resulted in the highest accuracy of 87.15%.Metode Support Vector Machine (SVM) merupakan metode yang banyak digunakan dalam proses klasifikasi. Keberhasilan klasifikasi metode SVM bergantung pada koefisien soft margin C, serta parameter dari fungsi kernel. Parameter SVM tersebut biasanya didapatkan dengan cara trial and error, namun cara tersebut membutuhkan waktu yang cukup lama karena harus mencoba setiap kombinasi parameter SVM, maka dari itu tujuan dari penelitian ini adalah mencari nilai parameter SVM yang optimal berdasarkan akurasi. Penelitian ini menggunakan Firefly Algorithm (FA) sebagai metode optimasi parameter SVM. Data set yang digunakan dalam penelitian ini adalah data opini masyarakat terhadap beberapa film. Label kelas yang digunakan dalam klasifikasi data yaitu label kelas positif dan label kelas negatif. Banyaknya data yang digunakan dalam penelitian ini yaitu 2179 data, dengan pembagian data sebanyak 436 sebagai data pengujian dan 1743 data sebagai data pelatihan. Berdasarkan data tersebut dilakukan proses evaluasi terhadap Firefly Algorithm-Support Vector Machine (FA-SVM). Hasil penelitian ini menunjukkan bahwa Algoritma Firefly mampu mendapatkan kombinasi parameter SVM yang optimal berdasarkan akurasi, sehingga tidak diperlukan cara trial and error untuk mendapatkan nilai tersebut. Hal ini dibuktikan dengan hasil evaluasi FA-SVM menggunakan rentang nilai C=1.0-3.0 dan =0.1-1.0 menghasilkan akurasi tertinggi yaitu 87.84%. Evaluasi berikutnya menggunakan rentang nilai C=1.0-3.0 dan =1.0-2.0 menghasilkan akurasi tertinggi 87.15%
Sentiment Analysis of Work from Home Activity using SVM with Randomized Search Optimization
Get PDFGovernment policy on a problematic topic can lead to pros and cons, including the implementation of work from home during the COVID-19 pandemic in Indonesia. Lots of social media users express their opinions through social media, such as Twitter. Using Twitter API, data on Twitter can be obtained freely, so it can be utilized for sentiment analysis. Therefore, this study contains an analysis of public sentiment on the work from home policy using various preprocessing methods and Support Vector Machine with randomized search optimization. The result shows that the use of the acronym expansion method, slang word translation, and emoji translation in the preprocessing stage can increase the F1 Score value. The best F1 score results obtained were 83.362%. The results of the preprocessing method are used to predict unlabeled data. Prediction results show that 62.35% of tweets have positive sentiments, on the contrary, 37.65% of tweets have negative sentiments. So, it can conclude that most netizens support the policy of work from home. Government policy on a problematic topic can lead to pros and cons, including the implementation of work from home during the COVID-19 pandemic in Indonesia. Lots of social media users express their opinions through social media, such as Twitter. Using Twitter API, data on Twitter can be obtained freely, so it can be utilized for sentiment analysis. Therefore, this study contains an analysis of public sentiment on the work from home policy using various preprocessing methods and Support Vector Machine with randomized search optimization. The result shows that the use of the acronym expansion method, slang word translation, and emoji translation in the preprocessing stage can increase the F1 Score value. The best F1 score results obtained were 83.362%. The results of the preprocessing method are used to predict unlabeled data. Prediction results show that 62.35% of tweets have positive sentiments, on the contrary, 37.65% of tweets have negative sentiments. So, it can conclude that most netizens support the policy of work from home. 
Sistem Pendistribusian Air Bersih Metode Prabayar Terkendali Mikrokontroler Berbasis IoT
Get PDFA number of problems sometimes often arise regarding the flow of clean water from Regional Drinking Water Companies (PDAMs) to customers, such as the flow of water stops suddenly or there is no water at all, so it is necessary to manufacture a prototype system for monitoring the distribution of clean water with a microcontroller-controlled prepaid method. IoT based. The distribution of PDAM water that is channeled to consumers can be monitored online through the Internet network. The objectives of this research are (a) to make a prototype (prototype) of a prepaid clean water distribution system controlled by a microcontroller based on IoT, (b) to program an Arduino IDE-assisted system, and (c) to measure system performance. The research method starts from making a prototype physical form of clean water distribution assisted by a microcontroller, programming the microcontroller and Wi-Fi module, and measuring system performance. The results of measuring system performance are indicated by an error in the ultrasonic sensor reading HC-SR04 that occurs when the water level is low and too high with a maximum measured water level of 95%. The error when measuring the waterflow sensor at the water level is lower than 49% which is influenced by the water speed from the low pressure pump when the water level is below that value. The accuracy level of the waterflow sensor is 96.96% which is based on the sensor measurement results which are compared to the measurement results with a measuring cup. The system can monitor data readings from the waterflow sensor by using the NodeMCU ESP8266 on a web server from Thinkspeak via the smartphone screen. Overall the tool can function wellSejumlah masalah terkadang sering timbul berkenaan dengan pengaliran air bersih dari Perusahaan Daerah Air Minum (PDAM) ke pelanggan, seperti aliran air terhenti secara tiba-tiba atau ketiadaan air sama sekali, sehingga perlu dilakukan pembuatan purwarupa sistem untuk pemantauan pendistribusian air bersih metode prabayar terkendali mikrokontroler berbasis IoT. Pendistribusian air PDAM yang teralirkan ke konsumen dapat dipantau secara online melalui jaringan Internet. Sasaran penelitian ini, yaitu (a) membuat sebuah purwarupa (prototipe) sistem pendistribusian air bersih metode prabayar terkendali mikrokontroler berbasis IoT, (b) memrograman sistem berbantuan Arduino IDE, dan (c) mengukur kinerja sistem. Metode penelitian dimulai dari pembuatan wujud fisik purwarupa distribusi air bersih berbantuan mikrokontroler, pemrograman terhadap mikrokontroler dan modul Wi-Fi, dan pengukuran kinerja sistem. Hasil pengukuran kinerja sistem ditunjukkan dengan kesalahan pembacaan sensor ultrasonik HC-SR04 terjadi saat level air kondisi rendah dan terlalu tinggi dengan ketinggian air terukur maksimal sebesar 95%. Kesalahan saat pengukuran sensor waterflow pada ketinggian air lebih rendah dari 49% yang dipengaruhi oleh kecepatan air dari pompa dengan tekanan rendah saat ketinggian air di bawah nilai tersebut. Tingkat akurasi sensor waterflow sebesar 96,96% yang didasarkan kepada hasil pengukuran sensor yang dibandingkan terhadap hasil ukur dengan gelas ukur. Sistem dapat untuk pemantauan pembacaan data dari sensor waterflow dengan penggunaan NodeMCU ESP8266 pada web server dari Thinkspeak melalui layar smartphone. Secara keseluruhan alat dapat berfungsi dengan baik
Sistem Monitoring dan Deteksi Stres Pada Anak Berbasis Wearable Device
No full textThe need for monitoring of children today is very important, especially for children under five, whose physical and verbal abilities are still inadequate to be able to communicate effectively with their parents or caregivers about the conditions they are experiencing. Previous studies related to child safety that were studied generally focused on responses to events that could potentially harm children.This study aims to design a prototype child monitoring system consisting of a wearable device that is used on a child's wrist equipped with sensors and connected to a server via a wireless network. Monitoring software that runs on the server will collect all data parameters from wearable devices with built-in audio signal, temperature, and heart rate sensor then with machine learning algorithm implemented in software will allow the system to predict if stress conditions happen on children and then system can give warnings to child-caregiver through monitoring applications or SMS messages. Using the Decision Tree and Naive Bayes classification methods the system can effectively predict stress conditions in children with an accuracy of 82.8 percent using audio, temperature, and heart rate parameters. This shows that the system has the capability to contribute to increasing child safety in the supervision environment.
Kebutuhan pemantauan terhadap anak saat ini sangat penting terutama pada anak-anak usia balita yang secara kemampuan fisik dan verbal mereka masih belum memadai untuk dapat berkomunikasi secara efektif terhadap orang tua atau pengasuh mereka terhadap kondisi yang mereka alami. Penelitian-penelitian terdahulu terkait keamanan anak yang dikaji umumnya berfokus pada respon terhadap kejadian yang berpotensi membahayakan anak yang sebenarnya bisa dideteksi lebih dini melalui kondisi stres yang dialami anak. Penelitian ini bertujuan untuk merancang purwarupa sistem monitoring dan deteksi stres anak berupa perangkat wearable yang dikenakan pada pergelangan tangan anak yang dilengkapi dengan beberapa sensor dan terkoneksi ke server melalui jaringan nirkabel. Parameter yang diterima dari sensor perangkat yaitu data audio, denyut jantung dan suhu. Dengan metode pembelajaran mesin yang diimplementasikan pada perangkat lunak yang terdiri dari fase latih dan uji yang melibatkan proses ekstraksi fitur dari data audio, memilih fitur yang mempunyai nilai diskriminatif yang tinggi dan kemudian melatih metode pembelajaran mesin untuk melakukan klasifikasi berdasarkan data tersebut selanjutnya memungkinkan sistem dapat mendeteksi kondisi stres pada anak dan memberi peringatan kepada pengawas melalui aplikasi monitoring atau pesan SMS. Menggunakan metode klasifikasi Decision Tree dan Naive Bayes sistem mampu secara efektif memprediksi kondisi stress pada anak dengan akurasi sebesar 82,8 persen menggunakan kombinasi parameter audio, suhu dan denyut jantung. Dengan demikian purwarupa sistem yang dikembangkan mampu memberi kontribusi dalam peningkatan keamanan anak dalam lingkungan yang membutuhkan pengawasan
Pengembangan Karakterisasi Gelembung Mikro Menggunakan Metode PIV beserta Pemantauan dengan IOT
No full textThe development of microbubble technology has been widely used in various fields. One of these areas is sterilization technology using microbubbles to speed up and increase the effectiveness of the sterilization process. One example is room sterilization using vaporized ozone gas microbubbles which can minimize the spread of the Covid-19 virus. However, research and development of microbubbles are still not much related to the characterization of their size and hydrodynamic properties. In this study, we propose the development of a continuous characterization of the size of microbubbles using the image analysis method. Image analysis aims to find the displacement vector using particle image velocimetry (PIV) techniques. The Hadamard-Rybczynski equation was used to calculate the size of the microbubbles based on the rising velocity vector of the microbubbles. The image capture process uses an LED light shadow technique to get a brighter and more stable image. The template matching algorithm is used to speed up the displacement vector analysis process used in the PIV technique. The analysis process is carried out in-situ in parallel processing using the python program on the raspberry pi4 unit. The analysis process uses three program services that run parallel, namely recording, pre-processing, and processing services. The measurement process uses three validations, namely pixel validation, template matching algorithm validation, and interrogation window. Bubble size data is displayed in the form of real-time graphs and size distribution histograms online using IoT. The test results show the size distribution of the microbubbles produced has an average of 14.60 µm with a deviation value of 0.11µm.
Perkembangan teknologi gelembung mikro telah banyak dimanfaatkan di berbagai bidang. Salah satu bidang tersebut adalah teknologi sterilisasi menggunakan gelembung mikro untuk mempercepat dan meningkatkan efektifitas proses sterilisasi. Salah satu contohnya adalah sterilisasi ruangan menggunakan gelembung mikro gas ozon yang diuapkan yang dapat meminimalisir penyebaran virus Covid19. Akan tetapi penelitian dan pengembangan gelembung mikro masih belum banyak terkait karakterisasi ukuran dan sifat hidrodinamisnya. Dalam penelitian ini mengusulkan pengembangan karakterisasi ukuran gelembung mikro secara kontinyu menggunakan metode analisa citra. Analisa citra bertujuan untuk mencari vektor perpindahan menggunakan teknik particle image velocimetry (PIV). Persamaan Hadamard-Rybczynski digunakan untuk menghitung ukuran gelembung mikro berdasarkan vektor kecepatan naik gelembung mikro. Proses pengambilan citra menggunakan mekanisme teknik bayangan cahaya LED agar mendapatkan citra yang lebih terang dan stabil. Algoritma pencocokan template digunakan untuk mempercepat proses analisa vektor perpindahan yang digunakan dalam teknik PIV. Proses analisa dilakukan in-situ secara paralel menggunakan program python pada unit pengolah raspberry pi4. Proses analisa menggunakan 3 layanan program yang berjalan secara paralel yaitu layanan perekam, pra-pengolah dan pengolah. Proses pengukuran menggunakan 3 validasi yaitu validasi piksel, validasi algoritma pencocokan template dan validasi jendela interograsi. Data ukuran gelembung ditampilkan dalam bentuk grafik realtime dan histogram distribusi ukuran secara daring menggunakan IoT. Hasil pengujian menunjukkan distribusi ukuran gelembung mikro yang dihasilkan memiliki rata-rata 14.60 µm dengan nilai deviasi sebesar 0.11 µm
Pengembangan Antarmuka Portal Universitas untuk Meningkatkan Pengalaman Pengguna
No full textTechnology has been growing rapidly to help humans living their everyday life. Human, as the user interacts through an interface called user interface (UI), and the experience that the users are having is called user experience (UX). UI and UX are inseparable as a good user interface will result in a better user experience. Portal Unand is a web-based app that has all academic information for students. An initial survey was conducted to find out student’s thoughts on Portal Unand. Students have complaints towards Portal Unand due to its unresponsiveness, old-fashioned design, important features weren’t highlighted, etc. Hence, it reduced user experience in using Portal Unand. In this study, the redesign was done by using the design thinking. The study started from empathizing with the users until testing the prototype to the users by conducting usability testing. Usability testing was conducted by using Maze and System Usability Scale (SUS). The score of usability testing was 84 which fell into the high range. The SUS score was 83.33 which fell into grade A and acceptable category. As the new prototype managed to fulfill users’ needs and met users’ expectations, the prototype was usable and ready to be developed.
Teknologi telah berkembang sangat pesat guna membantu manusia dalam menjalani kehidupan sehari-hari. Manusia, sebagai pengguna berinteraksi melalui antarmuka yang disebut dengan user interface (UI), dan pengalaman yang dirasakan pengguna disebut dengan user experience (UX). UI dan UX tidak dapat dipisahkan karena user interface yang baik akan menghasilkan user experience yang baik. Portal Unand merupakan aplikasi berbasis web yang memiliki segala informasi akademik untuk mahasiswa. Survei awal dilakukan untuk mengetahui pendapat mahasiswa mengenai Portal Unand. Mahasiswa mempunyai beberapa keluhan terhadap Portal Unand yang disebabkan oleh web yang tidak responsive, desain yang kuno, fitur yang tidak ditonjolkan, dll. Oleh sebab itu, pengalaman pengguna dalam menggunakan Portal Unand tidak begitu memuaskan. Pada penelitian ini dilakukan perancangan ulang dengan menggunakan metode design thinking. Penelitian dimulai dengan berempati dengan pengguna hingga menguji prototipe kepada pengguna dengan melakukan usability testing. Setelah prototipe selesai, usability testing dilakukan dengan menggunakan Maze dan System Usability Scale (SUS). Skor dari usability testing adalah 84 dimana skor tersebut terdapat dalam rentang tinggi. Skor SUS adalah 83,33 yang masuk kedalam kategori A dan dapat diterima. Hasil dari penelitian ini adalah sebuah prototipe usulan yang memenuhi aspek usability, yaitu efektivitas, efisiensi dan kepuasan pengguna. Aspek efektivitas dan efisiensi dilihat berdasarkan skor Maze yaitu 84, dan aspek kepuasan pengguna dilihat berdasarkan skor SUS yaitu 83,33
Analisis Hybrid Decision Support System dalam Penentuan Status Kelulusan Mahasiswa
Get PDFDetermination of graduation status is often faced by lecturers in every university. The facts show that many of the decisions still have a fairly high error rate in determining graduation status. This study aims to develop an analytical model in the process of determining student graduation using the Hybrid Decision Support System (DSS). The methods used in the analysis process are Analytical Hierarchy Process (AHP) and Technique for Others Preference by Similarity to Ideal Solution (TOPSIS). The performance of AHP can determine the value of the weight criteria and TOPSIS performs rankings to produce solutions in determining. The criteria indicators used to consist of Depth (C1), Material Breadth (C2), Answer Accuracy (C3), Fluency of Answers (C4), Scientific Attitude (C5), Logical Consistency of Content (C6), Authenticity (C7), Scientific Quality ( C8), Language (C9), and Writing (C10). The results of this study indicate that the Analytical Hierarchy Process (AHP) method provides a weighting value for each criterion with a fairly good accuracy rate of 85,86%. These results conclude that each criterion has a consistent level of relationship in determining student graduation. Based on the output of the TOPSIS analysis, the results presented can determine the student's graduation status correctly and accurately.
Penentuan status kelulusan sering dihadapi oleh para dosen di setiap perguruan tinggi. Fakta yang ada mengambarkan bahwa masih banyak diantara beberapa keputusan masih memiliki tingkat kesalahan yang cukup tinggi dalam menentukan status kelulusan. Penelitian ini bertujuan untuk mengembangkan model analisis dalam proses penentuan kelulusan mahasiswa pada ujian komprehensif menggunakan Hybrid Decision Support System (HDSS). Metode yang digunakan dalam proses analisis yakni penggabungan metode Analytical Hiererchy Process (AHP) dengan Technique for Others Preference by Similarity to Ideal Solution (TOPSIS). Kinerja metode AHP mampu menentukan nilai bobot kriteria dan TOPSIS melakukan perankingan untuk menghasilkan solusi dalam penentuan status kelulusan. Indikator kriteria yang digunakan terdiri dariKedalaman (C1), Keluasan Bahan (C2), Ketepatan Jawaban (C3), Kelancaran Jawaban (C4), Sikap Ilmiah (C5), Konsistensi Logis Isi (C6), Keaslian (C7), Mutu Ilmiah (C8), Bahasa (C9), dan Tata Tulis (C10). Hasil penelitian ini menunjukan bahwa kinerja HDSS signifikan memberikan proses analisis yang lebih baik dengan tingkat akurasi sebesar 85,86%. Hasil ini tersaji dengan kinerja AHP dapat memberikan nilai pembobotan pada setiap kriteria yang nantinya diteruskan dengan metode TOPSIS dalam menentukan status kelulusan mahasiswa dengan melakukan perangkingan. Secara keseluruhan hasil ini menyimpulkan bahwa setiap kriteria memiliki tingkat hubungan konsistensi dalam penentuan kelulusan mahasiswa
Pengembangan Embedded Device Berbasis PLC untuk Simulator Rejection System dengan Penambahan Human Machine Interface
Get PDFChanges to the simulator rejection system from the previous research were carried out by replacing all sensors, drive motors, PLC systems, and adding HMI systems. The objectives in this research, namely (i) changing and developing a rejection system simulator, creating a ladder-based program structure and configuring HMI systems and (ii) measuring the performance of the simulators. Rejection system simulator is fabricated and reassembled, ladder-based syntax into PLCs and HMI is also configured, and observing the performance is done through the HMI layer. The results of programming is carried out through (i) providing software for PLCs, (ii) programming the PLC system, (iii) compiling and uploading programs from PC to PLC, (iv) configuring PLC and HMI via ethernet, and (v) compiling and uploading the program structure from PC to HMI. The performance for observing the condition of the bottle cap through the HMI is observed when (i) synchronization between the simulator system and the HMI-assisted PLC control, (ii) the reading of the sensors installed on the simulator, and (iii) the rotation process of the rejector arm. Overall, the rejection system simulator with a PLC-based assisted by HMI can be used as a process simulation against the implementation of the rejection systemPengubahan terhadap simulator rejection system hasil penelitian sebelumnya, dilakukan melalui penggantian seluruh sensor, motor penggerak, sistem PLC, dan penambahan sistem HMI. Sasaran pada penelitian ini, yaitu (i) pembuatan struktur program berbasis ladder diagram dan pengkonfigurasian sistem HMI dan (ii) pengukuran kinerja simulator. Simulator rejection system pada miniature mesin konveyor, dipabrikasi dan dirakit kembali, sintaks program ditanamkan ke PLC dan HMI dikonfigurasi, dan pengamatan terhadap kinerja simulator rejection system untuk pengamatan kondisi tutup botol dilakukan melalui layer pada HMI. Hasil pemrograman dilakukan melalui (i) penyediaan software untuk PLC, (ii) pemrograman sistem PLC, (iii) proses compiling dan uploading struktur program dari PC ke PLC, (iv) konfigurasi PLC dan HMI via ethernet, dan (v) proses compiling dan uploading struktur program dari PC ke HMI. Kinerja untuk pengamatan kondisi terhadap tutup botol melalui HMI, diamati saat (i) sinkronisasi antara sistem simulator dan kontrol PLC berbantuan HMI, (ii) pembacaan oleh sensor-sensor terpasang pada simulator, dan (iii) proses putaran lengan rejector. Secara keseluruhan, simulator rejection system berbasis PLC dan berbantuan HMI dapat digunakan untuk simulasi proses terhadap implementasi sistem rejection
Studi Literatur Human Activity Recognition (HAR) Menggunakan Sensor Inersia
No full textHuman activity recognition (HAR) is one of the topics that is being widely researched because of its diverse implementation in various fields such as health, construction, and UI / UX. As MEMS (Micro Electro Mechanical Systems) evolves, HAR data acquisition can be done more easily and efficiently using inertial sensors. Inertial sensor data processing for HAR requires a series of processes and a variety of techniques. This literature study aims to summarize the various approaches that have been used in existing research in building the HAR model. Published articles are collected from ScienceDirect, IEEE Xplore, and MDPI over the past five years (2017-2021). From the 38 studies identified, information extracted are the overview of the areas of HAR implementation, data acquisition, public datasets, pre-process methods, feature extraction approaches, feature selection methods, classification models, training scenarios, model performance, and research challenges in this topic. The analysis showed that there is still room to improve the performance of the HAR model. Therefore, future research on the topic of HAR using inertial sensors can focus on extracting and selecting more optimal features, considering the robustness level of the model, increasing the complexity of classified activities, and balancing accuracy with computation time.
Pengenalan aktivitas manusia atau Human Activity Recognition (HAR) merupakan salah satu topik yang sedang banyak diteliti karena implementasinya yang beragam dalam berbagai bidang seperti kesehatan, konstruksi, dan UI/UX. Seiring dengan berkembangnya MEMS (Micro Electro Mechanical Systems), akuisisi data HAR dapat dilakukan dengan lebih mudah dan efisien menggunakan sensor inersia. Pengolahan data sensor inersia untuk HAR membutuhkan serangkaian proses dan beragam teknik. Studi literatur ini bertujuan untuk merangkum berbagai pendekatan yang telah digunakan pada penelitian-penelitian yang sudah ada dalam membangun model HAR. Publikasi yang ditelaah diperoleh dari ScienceDirect, IEEE Xplore, dan MDPI dalam kurun waktu lima tahun terakhir (2017-2021). Dari 38 penelitian yang berhasil diidentifikasi, serangkaian informasi yang dikumpulkan adalah gambaran mengenai bidang implementasi HAR, akuisisi data, dataset publik, metode pra-proses, pendekatan ekstraksi fitur, metode pemilihan fitur, model klasifikasi, skenario pelatihan, performa model, dan tantangan penelitian dalam topik ini. Analisis yang dilakukan menunjukkan bahwa masih terdapat ruang untuk meningkatkan performa model HAR. Oleh sebab itu, penelitian mendatang mengenai topik HAR menggunakan sensor inersia dapat difokuskan pada ekstraksi serta pemilihan fitur yang lebih optimal, mempertimbangkan tingkat robustness model, meningkatkan kompleksitas aktivitas yang diklasifikasi, dan menyeimbangkan antara akurasi dengan komputasi
Garbage Classification Using Ensemble DenseNet169
No full textGarbage is a big problem for the sustainability of the environment, economy, and society, where the demand for waste increases along with the growth of society and its needs. Where in 2019 Indonesia was able to produce 66-67 million tons of waste, which is an increase from the previous year of 2 to 3 million tons of waste. Waste management efforts have been carried out by the government, including by making waste sorting regulations. This sorting is known as 3R (reduce, reuse, recycle), but most people do not sort their waste properly. In this study, a model was developed that can sort out 6 types of waste including: cardboard, glass, metal, paper, plastic, trash. The model was built using the transfer learning method with a pretrained model DenseNet169. Where the optimal results are shown for the classes that have been oversampling previously with an accuracy of 91%, an increase of 1% compared to the model that has an unbalanced data distribution. The next model optimization is done by applying the ensemble method to the four models that have been oversampled on the training dataset with the same architecture. This method shows an increase of 3% to 5% while the final accuracy on the test of dataset is 96%.Sampah menjadi permasalahan besar bagi keberlanjutan lingkungan, ekonomi, dan masyarakat, dimana tuntutan sampah meningkat seiring dengan pertumbuhan masyarakat dan kebutuhannya. Pada tahun 2019 Indonesia mampu menghasilkan sampah dengan jumlah 66-67 juta ton dimana angka ini naik dari tahun sebelumnya sebesar 2 hingga 3 juta ton sampah. Upaya pengelolaan sampah telah dilakukan oleh pemerintah diantaranya dengan membuat peraturan pemilahan sampah. Pemilahan tersebut dikenal dengan 3R (reduce, reuse, recycle), namun sebagian besar masyarakat tidak memilah sampah dengan benar. Pada penelitian ini dikembangkan model yang dapat memilah 6 jenis sampah diantaranya : cardboard, glass, metal, paper, plastic, trash. Model dibangun menggunakan metode transfer learning dengan pretrained model DenseNet169. Dimana hasil optimal ditunjukkan terhadap kelas yang telah dilakukan oversampling sebelumnya dengan accuracy sebesar 91% meningkat sebesar 1 % dibandingkan dengan model yang memiliki distribusi data yang tidak seimbang. Pengoptimalan model selanjutnya dilakukan dengan menerapkan metode ensemble pada lima model yang sudah dilakukan oversampling pada dataset pelatihan dengan arsitektur yang sama. Metode ini menunjukkan peningkatan sebesar 3% hingga 5% dimana accuracy akhir pada dataset test sebesar 96%