Kursus OpenCV Python

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)