KLASIFIKASI CITRA UNTUK PENGELOMPOKAN SAMPAH DENGAN MENGGUNAKAN CONVOLUTION NEURAL NETWORK

Deep Learning adalah sebuah bidang keilmuan baru dalam bidang Machine
Learning yang akhir-akhir ini berkembang karena perkembangan teknologi GPU
accelaration. Deep Learning memiliki kemampuan yang sangat baik dalam visi
komputer. Salah satunya adalah pada kasus klasifikasi objek pada citra.
Penelitian kali ini mengimplementasikan salah satu metode machine
learning yang dapat digunakan untuk klasifikasi citra objek yaitu CNN. Metode
CNN terdiri dari dua tahap. Tahap pertama adalah klasifikasi citra menggunakan
feedforward. Tahap kedua merupakan tahap pembelajaran dengan metode
backpropagation. Dalam bidang deep learning sendiri terdapat sebuah framework
yaitu YOLO, dengan penggunaan YOLO klasifikasi pada citra sampah
menghasilkan akurasi yang cukup tinggi bahkan mencapai 99%. Sehingga dapat
disimpulkan bahwa metode CNN dan penggunkaan YOLO pada penelitian ini
mampu melakukan klasifikasi dengan baik.
Dalam penelitian ini memaanfaatkan dataset yang berjumlah 20 data citra
dari objek sampah organik dan anorganik untuk proses training, proses training
akan menghasilkan nilai,nilai akurasi, seperti Intersection over Union, Confusion
Matrix, Precision, Recall,

Kata kunci : Deep Learning, CNN, YOLO, Training, Organik, Anorganik