Penerapan Machine Learning Menggunakan Metode Artificial Neural Network (ANN) Untuk Memprediksi Volume Sampah

Rismawanti, Mutia (2024) Penerapan Machine Learning Menggunakan Metode Artificial Neural Network (ANN) Untuk Memprediksi Volume Sampah. Skripsi thesis, Universitas Sangga Buana YPKP.

	Text SKRIPSI - COVER - MUTIA RISMAWANTI - 2113201072-1.pdf Download (25kB)
	Text LEMBAR PERNYATAAN KEASLIAAN.pdf Download (300kB)
	Text LEMBAR PERSETUJUAN.pdf Download (296kB)
	Text SKRIPSI - ABSTRAK - MUTIA RISMAWANTI - 2113201072-6-7.pdf Download (105kB)
	Text SKRIPSI - BAB I - MUTIA RISMAWANTI - 2113201072-14-22.pdf Download (257kB)
	Text SKRIPSI - WATERMARK FULL - MUTIA RISMAWANTI - 2113201072.pdf Restricted to Repository staff only Download (4MB) | Request a copy
	Text SKRIPSI - DAFTAR PUSTAKA - MUTIA RISMAWANTI - 2113201072-100-101.pdf Download (233kB)
	Text PLAGIARISM - MUTIA RISMAWANTI.pdf Download (796kB)

Abstract

Pola hidup konsumtif berkontribusi menyumbang jumlah sampah yang besar. Kurangnya pengetahuan masyarakat mengenai pembuangan sampah yang benar terus berlanjut. Adapun akar permasalahannya adalah tidak ada dorongan terhadap praktik hidup bersih dan sehat. Permasalahan ini kemudian diperburuk oleh terbatasnya jumlah Tempat Pembuangan Sampah Sementara (TPS) akibatnya sampah yang diperkirakan akan langsung dikirim ke Tempat Pembuangan Akhir (TPA) bisa saja tertumpuk di berbagai daerah di Kota Bandung. Adapun tujuan dari penelitian ini adalah untuk memprediksi volume sampah di UPT Pengelolaan Sampah Kota Bandung untuk memberikan gambaran tentang perkiraan volume sampah dalam memantau kapasitas daya tampung TPA menggunakan metode Artificial Neural Network (ANN) dengan memanfaatkan Machine Learning. Sehingga apabila TPA sudah tidak dapat manampung sampah lagi, pihak UPT Pengelolaan Sampah dapat mengambil tindakan sedini mungkin dalam mempersiapkan lahan untuk TPA baru. Berdasarkan hasil evaluasi pada tahapan pelatihan dan pengujian, maka diperoleh nilai akurasi training sebesar 95.238% dengan nilai MSE terendah 0.0143. Dan diperoleh nilai akurasi testing sebesar 92,95% dengan nilai rata-rata error terendah 70.5%. Sehingga diperoleh skenario terbaik dengan persentase 70% Training dan 30% Testing. Adapun parameter ANN yang digunakan meliputi, neuron input sebanyak 2, hidden layer sebanyak 6, neuron output sebanyak 1, learning rate 0.8, dan iterasi sebanyak 800. Pada tahap prediksi menggunakan data pada bulan Maret 2021 hingga April 2024, untuk memprediksi 8 bulan ke depan, yaitu bulai Mei, Juni, Juli, Agustus, September, Oktober, November, dan Desember 2024. Adapun hasil dari prediksi jumlah volume sampah mengalami peningkatan dari bulan ke bulannya. Kata Kunci: Prediksi, Volume Sampah, Machine learning, Artificial Neural Network (ANN)

Actions (login required)

View Item