Satria Abirama, Ngakan Gde (2026) Pengembangan Aplikasi Mobile Dengan Mengintegrasikan Model SSD-MobilenetV2 Untuk Klasifikasi Sampah Anorganik. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2115101056-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
2115101056-ABSTRAK.pdf Download (235kB) |
|
Text (BAB 1 PENDAHULUAN)
2115101056-BAB 1 PENDAHULUAN.pdf Download (345kB) |
|
Text (BAB 2 KAJIAN TEORI)
2115101056-BAB 2 KAJIAN TEORI .pdf Restricted to Repository staff only Download (545kB) | Request a copy |
|
Text (BAB 3 METODOLOGI PENELITIAN)
2115101056-BAB 3 METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (537kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2115101056-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (926kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2115101056-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (256kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2115101056-DAFTAR PUSTAKA.pdf Download (253kB) |
|
Text (LAMPIRAN)
2115101056-LAMPIRAN.pdf Download (192kB) |
Abstract
Pengelolaan sampah anorganik di Indonesia masih menghadapi berbagai kendala, terutama pada proses pemilahan yang umumnya dilakukan secara manual sehingga kurang efisien dan berpotensi menimbulkan kesalahan klasifikasi. Penelitian ini bertujuan mengembangkan aplikasi mobile berbasis Android yang mengintegrasikan model SSD MobileNetV2 untuk mendeteksi, mengklasifikasikan, dan menghitung jumlah sampah plastik serta kaca secara real-time. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan pendekatan kuantitatif. Dataset terdiri atas 1.000 citra yang dibagi menjadi data latih (80%) dan data uji (20%), kemudian melalui tahapan preprocessing, augmentasi, pelatihan model, evaluasi, konversi ke format TensorFlow Lite, serta integrasi ke aplikasi Android yang dikembangkan menggunakan Kotlin dengan arsitektur MVVM dan penyimpanan lokal SQLite. Evaluasi model menggunakan metrik accuracy, precision, recall, F1-score, dan mean Average Precision (mAP), sedangkan aplikasi diuji menggunakan Black Box Testing dan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa model memperoleh accuracy sebesar 89,90%, precision 90,00%, recall 90,00%, F1-score 90,00%, dan mAP 95,88%, yang menunjukkan kemampuan deteksi objek yang baik. Seluruh pengujian fungsional aplikasi berhasil dijalankan sesuai kebutuhan sistem, sedangkan pengujian usability terhadap 33 responden menghasilkan skor SUS rata-rata 76,89, yang menunjukkan aplikasi berada pada kategori Good dan dapat diterima oleh pengguna. Dengan demikian, aplikasi yang dikembangkan mampu menjadi solusi yang efektif untuk membantu proses klasifikasi dan penghitungan sampah anorganik secara otomatis pada perangkat mobile
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | SSD MobileNetV2, TensorFlow Lite, deteksi objek, klasifikasi sampah anorganik, aplikasi mobile, Android |
| Subjects: | Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | Ngakan Gde Satria Abirama |
| Date Deposited: | 11 Aug 2026 04:55 |
| Last Modified: | 11 Aug 2026 04:55 |
| URI: | http://repo.undiksha.ac.id/id/eprint/32216 |
Actions (login required)
 |
View Item |