Hanson Enrique Wong, 1320017 (2023) Pemodelan Sistem Identifikasi Volume Sampah Pada Permukaan Sungai Menggunakan Metode Convolutional Neural Network. S1 publication, Institut Teknologi Harapan Bangsa.

Full text not available from this repository.

Abstract

Indonesia memiliki banyak sungai yang dapat dimaksimalkan untuk meningkatkan taraf hidup warganya. Namun saat ini banyak sungai yang sudah tercemar dimana 46% sungai di Indonesia dalam keadaan tercemar berat. Sungai yang tercemar ini mayoritas dicemari oleh sampah dan limbah. Volume sampah yang banyak hingga menumpuk ini mengakibatkan gangguan kepada ekosistem sungai dan merusak biota sungai. Volume sampah yang banyak hingga menumpuk ini memiliki banyak faktor, salah satunya adalah respon lambar dari pihak pengelola sungai. Oleh karena itu dibutuhkan model yang mampu mengidentifikasi volume sampah banyak dan volume sampah kurang. Model identifikasi volume sampah ini akan dibuat dengan menggunakan metode Convolutional Neural Network. Sistem ini akan berupa model machine learning yang mampu mengidentifikasi volume sampah banyak dan volume sampah kurang dengan menggunakan metode Convolutional Neural Network. Dengan adanya model ini, diharapkan sistem dapat mengidentifikasi volume sampah banyak dan volume sampah kurang. Selain itu, sistem juga diharapkan dapat diintegrasikan dengan perangkat lain seperti kamera pengawas sungai yang disertai dengan alarm. Kinerja dari sistem ini juga akan diukur melalui precision, recall, accuracy, dan F1-Score.

Item Type: Publication (S1)
Additional Information: Yoyok Gamaliel, M.Eng(Pembimbing) Dina Angela, M.T.(Pembimbing)
Uncontrolled Keywords: Volume Sampah, Sungai, Machine Learning, Convolutional Neural Network, Identification
Subjects: T Technology > T Technology (General)
Divisions: ITHB > Teknik Komputer
Depositing User: Staf Perpus - Mhs ithb
Date Deposited: 25 Nov 2025 08:37
Last Modified: 25 Nov 2025 08:37
URI: http://repository.ithb.ac.id/id/eprint/533

Actions (login required)

View Item
View Item

Ithb Repository is powered by EPrints 3.4 which is developed by the School of Electronics and Computer Science at the University of Southampton. About EPrints | Accessibility