Anda di halaman 1dari 10

PROYEK AKHIR JATAYU 3

PEMBUATAN APLIKASI
BERBASIS AI UNTUK
KLASIFIKASI SAMPAH
MENGGUNAKAN CNN
TRANSFER LEARNING
OUR TEAM

Adel Georgina
Steven
Universitas Negeri Jember Universitas Sam Ratulangi
Universitas Sam Ratulangi

Ayano
Galih
Universitas Sam Ratulangi
Universitas Negeri Surabaya
INTRODUCTION

Latar Belakang
AI dapat bertindak sebagai pendukung pada 134 target (79%) di semua
SDG, umumnya melalui peningkatan teknologi, yang memungkinkan
untuk mengatasi keterbatasan saat ini. Banyak sekali permasalahan
di lingkup masyarakat tentang klasifikasi sampah. Dimana, diperlukan
sebuah teknologi untuk mengklasifikasi sampah menggunakan salah
satu metode AI yaitu CNN Transfer Learning. Dengan adanya inovasi
ini, akan memudahkan untuk mewujudkan implementasi salah satu
tujuan dari SDG, yaitu dalam hal pendidikan untuk masyarakat luas.
3. Bagaimana mengoptimalkan model
1. Bagaimana menerapkan teknologi AI dalam 2. Bagaimana membangun dataset yang
CNN Transfer Learning untuk
pengklasifikasian sampah menggunakan metode cukup dan representative untuk melatih
mendapatkan akurasi yang tinggi dalam
CNN Transfer Learning? model CNN Transfer Learning dalam
klasifikasi sampah?
mengklasifikasikan sampah?

5. Bagaimana menyediakan antarmuka


4. Bagaimana mengintegrasikan model
pengguna yang intuitif dan mudah
CNN Transfer Learning ke dalam aplikasi
dipakai dalam aplikasi untuk
berbasis AI yang dapat diakses oleh
mengklasifikasikan sampah dengan
pengguna?
menggunakan AI?
1.Mengembangkan aplikasi berbasis AI yang bisa
mengklasifikasikan sampah dengan akurasi yang
tinggi
2.Meningkatkan kesadaran tentang pentingnya
Tujuan pengelolaan sampah melalui penggunaan
teknologi AI
3. Membantu pengguna dalam membedakan
jenis sampah dan cara yang tepat untuk
mengelolanya

15.515 Gambar
Dataset Isi Dataset : Battery, biological, brown-glass,
cardboard, clothes, green-glass, metal, paper,
plastic, shoes, trash, white-glass
FLOWCHART Yes

SYSTEM
Membuat model AI klasifikasi
Apakah
performa
Mulai jenis sampah model baik?

Model disimpan

No

Load model Membuat antarmuka (front-


Flask dijalankan AI dan Membuat Restful API dengan end) dari web dengan HTML,
melalui localhost hubungkan FLask (back-end) CSS & JS
antarmuka

Melakukan percobaan
untuk memprediksi Hasil prediksi Selesai
gambar yang dimasukkan didapatkan
oleh user
ARSITEKTUR
SYSTEM

MODEL AI CSS, HTML, JS FLASK

WEB
USER
USER
INTERFACE
ANALISA DAN KESIMPULAN

Analisa dan kesimpulan dari project ini:

Anda mungkin juga menyukai