DETEKSI OBJEK SAMPAH ORGANIK DAN ANORGANIK MENGGUNAKAN YOLOV9

Dewangga, Rio Agung (2025) DETEKSI OBJEK SAMPAH ORGANIK DAN ANORGANIK MENGGUNAKAN YOLOV9. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

[img] Text (Full text)
RAMA_55201_2113020100.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (3MB) | Request a copy
[img] Text (Similarity)
RAMA_55201_2113020100_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (964kB)
[img] Text (Cover sd BAB 1 + References)
RAMA_55201_2113020100_0719068702_0729098903_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (525kB)
[img] Text (BAB 2)
RAMA_55201_2113020100_0719068702_0729098903_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (618kB) | Request a copy
[img] Text (BAB 3)
RAMA_55201_2113020100_0719068702_0729098903_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (669kB) | Request a copy
[img] Text (BAB 4)
RAMA_55201_2113020100_0719068702_0729098903_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (640kB) | Request a copy
[img] Text (BAB 5)
RAMA_55201_2113020100_0719068702_0729098903_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (155kB) | Request a copy
[img] Text (References)
RAMA_55201_2113020100_0719068702_0729098903_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (164kB)
[img] Text (Lampiran)
RAMA_55201_2113020100_0719068702_0729098903_07_lamp.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy

Abstract

Masalah besar yang dihadapi oleh setiap negara termasuk Indonesia, adalah persoalan sampah. Setiap harinya, sampah akan mengalami peningkatan jumlah seiring dengan pertambahan jumlah penduduk. Sampah tergolong menjadi dua jenis yakni sampah organik dan anorganik. Untuk membantu memaksimalkan pemilahan kedua jenis sampah tersebut, diperlukan bantuan dari sebuah teknologi yang mampu mendeteksi kedua jenis sampah tersebut. Salah satu teknologi yang dapat membantu dalam pemilahan sampah pada penelitian ini adalah computer vision. Model YOLOv9 mendapatkan performa sistem yang beragam dalam mengklasifikasi jenis sampah serta nilai confidence score yang beragam pada setiap kelasnya yang dimana untuk kelas dengan performa tertinggi ada pada kelas anorganik yaitu anorganic_paper, anorganic_plastic, anorganic_rubber, anorganic_metal dengan rata-rata nilai confidence score sebesar 93% dan pada kelas organik ada organic_leaf, organic_fruit_peel, organic_food_waste dengan rata-rata sebesar 97%. Dan sayangnya untuk kelas organic_branch masih terbilang kurang dikarenakan performa yang didapatkan dengan nilai confidence score sebesar 49%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Deteksi Objek, YOLOv9, Sampah
Subjects: 410 Engineering science > 459 Computer science
410 Engineering science > 463 Software engineering
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Rio Agung Dewangga
Last Modified: 07 Aug 2025 13:24
URI: http://repository.unpkediri.ac.id/id/eprint/20837

Actions (login required)

View Item View Item