Journal of Informatics and Computer Science (JINACS) https://ejournal.unesa.ac.id/index.php/jinacs <p>JINACS (Journal of Informatics and Computer Science) diterbitkan oleh Program Studi S1 Teknik Informatika Universitas Negeri Surabaya dalam empat kali setahun dengan No ISSN Online :&nbsp;2686-2220</p> <p align="left">JINACS merupakan jurnal ilmiah dalam bidang Teknik Informatika dan Computer Science. Jurnal ini mencakup bidang ilmu Rekayasa Perangkat Lunak, Jaringan dan Arsitektur Komputer, Komputasi Bergerak, Sistem Temu Kembali Informasi, Kecerdasan Buatan, Pengolahan Citra Digital, Data Mining dll.</p> <p align="left">JINACS terbit 4 (empat) nomor dalam setahun, yaitu bulan September, Desember, Maret dan Juni. Artikel yang telah dinyatakan diterima akan diterbitkan dalam nomor In-Press sebelum nomor regular terbit.</p> <p align="left">Artikel yang diterbitkan telah melalui tes plagiasi maksimal 25%.</p> <p align="left">Template dapat diunduh <a href="https://drive.google.com/file/d/1iMbSZmV1hJ6lvyDC2j_FZmixIeRTXoh-/view?usp=sharing">di sini</a>&nbsp;. Artikel yang diunggah maksimum berukuran 2 MB. Harap mengisikan semua author yang terlibat dalam penulisan artikel.</p> en-US jinacs@unesa.ac.id (Martini Dwi Endah Susanti) jinacs@unesa.ac.id (Martini Dwi Endah Susanti) Mon, 09 May 2022 23:07:16 +0000 OJS 3.1.1.0 http://blogs.law.harvard.edu/tech/rss 60 Sistem Klasifikasi Limbah Menggunakan Metode Convolutional Neural Network (CNN) Pada Websercive Berbasis Framework Flask https://ejournal.unesa.ac.id/index.php/jinacs/article/view/45868 <p><em>Abstrak</em>— Di berbagai negara sampah merupakan permasalahan yang dihadapi sehari-hari seluruh aktivitas tidak bisa terhindar dari kata sampah. banyak sekali jenis–jenis sampah di lingkungan kita, dan kebanyakan masyarakat Indonesia masih belum bisa membedakan jenis sampah apa yang setiap hari mereka buang sehingga banyak sekali sampah yang tidak diklasifikasikan. Yang menyebabkan proses klasifikasi limbah pada pabrik daur ulang sangat susah untuk dilakukan. Maka dari itu bagaimana jika limbah yang ada diklasifikasikan menjadi 9 macam dan setiap masyarakat dapat membuang limbah sampah mereka sesuai dengan 9 macam class yang telah dibedakan yaitu battery, pakaian, e-limbah, kaca, bola lampu, metal, organic, kertas, plastic. sehingga mempermudah pabrik daur ulang dalam proses klasifikasi sampah. Oleh karena itu Sistem Klasifikasi Limbah Pada <em>Web Service</em> Berbasis <em>Framework Flask</em> akan sangat membantu masyarakat dalam mengklasifikasikan limbah sampah yang dihasilkan. Sistem klasifikasi limbah pada aplikasi berbasis web ini menggunakan metode <em>Convolutional Neural Network </em>(CNN). Metode CNN merupakan suatu metode <em>deep learning</em> yang dapat mengidentifikasi dan mengklasifikasi sebuah <em>object</em> pada citra digital. Penelitian ini menggunakan arsitektur <em>VGGNet. VGGNet</em> merupakan arsitektur dari <em>Convolutional Neural Network</em>.</p> <p>Penelitian ini menggunakan 9 class limbah sampah. Dataset yang digunakan yaitu 8371 citra limbah sampah. Dimana dataset tersebut digunakan untuk melakukan <em>training</em> data yang telah dibagi menjadi 1.122 citra battery, 729 pakaian, 624 e-limbah, 773 kaca, 651 bola lampu, 1092 metal, 671 organic, 1468 kertas dan 1241 plastic. Pada proses training dilakukan sebanyak 28 epoch, yang mendapatkan akurasi tertinggi 69,77% dengan loss terendah 0,34. Untuk data testing didapatkan hasil 64,45% accuracy.</p> Parole Nimadinaga Dacipta, Ricky Eka Putra ##submission.copyrightStatement## https://ejournal.unesa.ac.id/index.php/jinacs/article/view/45868 Mon, 09 May 2022 23:05:30 +0000