Berikut adalah silabus 20 sesi (masing-masing 1,5 jam) untuk disertasi berjudul:
Deteksi dan Klasifikasi Sampah Otomatis Menggunakan OpenCV dan Convolutional Neural Network (CNN)
Tahap 1: Dasar-Dasar & Persiapan Dataset (Sesi 1–5)
Sesi 1:
-
Pengantar computer vision dan peranannya dalam pengelolaan sampah
-
Studi literatur sistem klasifikasi sampah berbasis citra
Sesi 2:
-
Instalasi Python, OpenCV, TensorFlow/Keras, dan Jupyter Notebook
-
Pengenalan dasar image processing menggunakan OpenCV
Sesi 3:
-
Pengenalan jenis-jenis sampah: organik, anorganik, B3
-
Analisis dataset open-source (seperti TrashNet atau dataset Roboflow)
Sesi 4:
-
Praproses gambar: resize, grayscale, histogram equalization
-
Teknik augmentasi data untuk meningkatkan generalisasi model
Sesi 5:
-
Pengantar CNN: arsitektur dasar (Conv, Pool, Flatten, Dense)
-
Implementasi CNN sederhana dengan Keras
Tahap 2: Pelatihan Model & Evaluasi (Sesi 6–12)
Sesi 6:
-
Training model CNN untuk klasifikasi 3–5 jenis sampah
-
Evaluasi metrik: akurasi, loss, confusion matrix
Sesi 7:
-
Fine-tuning model menggunakan pretrained MobileNetV2/ResNet
-
Transfer learning & komparasi performa
Sesi 8:
-
Visualisasi hasil prediksi dengan Matplotlib
-
Analisis kesalahan klasifikasi
Sesi 9:
-
Optimasi dataset dan balancing kelas (jika dataset tidak seimbang)
-
Evaluasi ulang model dengan data validasi tambahan
Sesi 10:
-
Menerapkan deteksi objek dengan YOLOv5/OpenCV DNN (opsional)
-
Kombinasi deteksi objek + klasifikasi sampah
Sesi 11:
-
Implementasi sistem klasifikasi real-time dengan kamera/webcam
-
Menampilkan prediksi langsung di atas frame video
Sesi 12:
-
Logging hasil deteksi (jumlah sampah/tipe sampah) ke dalam file log/CSV
-
Penyusunan statistik sementara
⚙️ Tahap 3: Pengembangan Aplikasi & Uji Lapangan (Sesi 13–16)
Sesi 13:
-
Uji coba sistem dalam berbagai kondisi (pencahayaan, sudut pengambilan gambar)
-
Pengukuran kecepatan dan keakuratan klasifikasi real-time
Sesi 14:
-
Evaluasi sistem dengan data lingkungan nyata
-
Simulasi pemanfaatan di tempat pembuangan/TPA atau sekolah
Sesi 15:
-
Pengembangan antarmuka pengguna (Tkinter/Flask)
-
Tampilan real-time + visualisasi data
Sesi 16:
-
Perancangan alur kerja sistem: input kamera → klasifikasi → pelaporan data
-
Integrasi akhir dan uji kestabilan sistem
Tahap 4: Dokumentasi & Penyusunan Disertasi (Sesi 17–20)
Sesi 17:
-
Penulisan latar belakang, permasalahan, dan urgensi penelitian
-
Pembuatan diagram alur dan desain sistem
Sesi 18:
-
Penulisan metodologi: arsitektur CNN, preprocessing, eksperimen
-
Dokumentasi kode program (Python)
Sesi 19:
-
Penulisan hasil dan analisis eksperimen
-
Menyusun kesimpulan dan saran pengembangan ke depan
Sesi 20:
-
Simulasi presentasi sidang
-
Review laporan akhir dan konsultasi dengan dosen pembimbing
