Mudita, Ida Bagus Anom Mudita (2025) PENERAPAN MOBILENETV2 PADA RASPBERRY PI 4 UNTUK MENYORTIR TUTUP BOTOL OTOMATIS STUDI KASUS: YAYASAN KAKI KITA SENUSANTARA. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2015051038-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
2015051038- ABSTRAK.pdf Download (295kB) |
|
Text (BAB 1 PENDAHULUAN)
2015051038-BAB 1 PENDAHULUAN.pdf Download (271kB) |
|
Text (BAB II KAJIAN TEORI)
2015051038-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2015051038-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB IV HASIL DAN PEMBAHASAN)
2015051038-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2015051038- BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (239kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2015051038-DAFTAR PUSTAKA.pdf Download (256kB) |
|
Text (LAMPIRAN)
2015051038-LAMPIRAN.pdf Download (2MB) |
Abstract
Yayasan Kaki Kita Senusantara (YKKS) merupakan pengerajin limbah plastik menjadi berbagai kerajinan seperti kursi, meja, tempat tisu, dan produk lainnya. Berdasarkan hasil observasi diketahui bahwa penyortiran tutup botol adalah tahapan yang paling memakan waktu dan tenaga, karena proses tersebut masih dilakukan secara manual, tujuan penelitian ini untuk mengembangkan sistem penyortiran tutup botol otomatis menggunakan MobileNetV2 dan Raspberry Pi 4 untuk mengklasifikasikan 13 jenis tutup botol. Metode yang diajukan terdiri dari lima tahapan yaitu pengembangan hardware, finalisasi dataset, data preparation, pembangunan model, dan pengembangan software. Dataset yang digunakan berjumlah 2600 citra, yang dibagi menjadi 90% (2340) untuk pelatihan menggunakan teknik cross validation dengan 9-fold dan 10% (260) sebagai subset test. Melalui penelitian ini, performa MobileNetV2 yang diuji menggunakan data subset test, mendapatkan akurasi sebesar 94%, dengan nilai precision 95%, recall 94% dan nilai f1-score 94%. Selanjutnya pengujian model MobileNetV2 pada Raspberry Pi 4 dengan 130 tutup botol mendapatkan tingkat prediksi yang tinggi dan waktu eksekusi yang sangat cepat, hal ini terbukti dari pengujian 130 tutup botol dengan 10 sampel per kelas, terdapat 128 prediksi berhasil dengan benar dan rata-rata waktu eksekusi mencapai 105 ms.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi Gambar, Tutup Botol, MobileNetV2, Raspberry Pi 4, CNN, Deep Learning, Raspberry Pi Camera Module 3 |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Pendidikan Teknik Informatika (S1) |
| Depositing User: | Ida Bagus Anom Mudita |
| Date Deposited: | 24 Dec 2024 06:13 |
| Last Modified: | 24 Dec 2024 06:13 |
| URI: | http://repo.undiksha.ac.id/id/eprint/22646 |
Actions (login required)
 |
View Item |