KLASIFIKASI CITRA LIMBAH MEDIS MENGGUNAKAN PRE-TRAINED MODEL YANG BERDASARKAN CNN - Dalam bentuk pengganti sidang - Artikel Jurnal
TIARA FEBRIYANTI

Informasi Umum

Kode

23.04.6460

Klasifikasi

004 - Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika, Hardware Komputer

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning

Dilihat

24 kali

Informasi Lainnya

Abstraksi

<h1> </h1>

<p>Penumpukan limbah medis pada Tempat Pembuangan Akhir (TPA) selama masa pandemic Covid-19 yang dilakukan oleh kelompok tertentu dari fasilitas layanan kesehatan seperti rumah sakit, puskesmas dan lain sebagainya mengakibatkan tercemarnya lingkungan. Limbah ini tentu saja harus diperhatikan pengelolaannya, karena limbah tersebut akan membahayakan bagi makhluk hidup sekitar jika tidak dikelola secara baik.</p>

<p> </p>

<p>Mesin Insenerator menjadi salah satu solusi untuk mengatasi pencemaran lingkungan akibat penumpukan limbah medis. Cara kerja mesin ini dengan membakar limbah tersebut. Terdapat satu langkah penting dalam pengelolaan limbah, yaitu pemisahan limbah menjadi beberapa komponen yang berbeda, dan tahap pemisahan limbah ini masih dilakukan secara manual oleh manusia, hal tersebut tentu saja akan menyebabkan manusia terinfeksi penyakit.</p>

<p>Karena itu mesin insenerator ini membutuhkan sistem yang dapat mengklasifikasikan limbah tersebut. Untuk mengatasinya penulis mengusulkan sistem klasifikasi limbah medis menggunakan metode <em>Transfer Learning </em>dengan beberapa <em>pre-trained</em> <em>Convolutional Neural Network </em>(CNN)  model yaitu VGG16, ResNet50 dan <em>Inception</em>-V3, Ketiga model tersebut sebagai perbandingan untuk mengetahui model mana yang paling akurat.  pada sistem ini masukan yang dibutuhkan berupa citra limbah medis, jumlah dataset citra limbah medis yang digunakan pada penelitian ini yaitu sejumlah 1600, yang terbagi menjadi empat kelas yang berbeda yaitu <em>syringe, masks, gloves </em>dan <em>drugs.</em></p>

<p> </p>

<p>Hasil terbaik diperoleh oleh model <em>Inception-</em>V3 dengan mendapatkan tingkat akurasi terbaik yaitu 93%, kemudian disusul oleh model VGG-16 dengan nilai 85% dan yang terakhir model ResNet50 mendapatkan nilai akurasi sebesar 63%.</p>

<p> </p>

<p><strong>Kata kunci : Limbah medis, CNN, Pre-trained</strong><strong> model, Transfer Learning</strong><strong>, Classification Image</strong><strong>, Insenerator</strong></p>

• CII1F4 - ALGORITMA PEMROGRAMAN
• CS4333 - DATA MINING
• CSH3L3 - PEMBELAJARAN MESIN
• CCH2A3 - PEMROGRAMAN WEB

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook