Klasifikasi Sampah Organik dan Anorganik Menggunakan Algoritma CNN

Michael Emmanuel Purba, Angga Zefanya Situmorang, Geby Laurent Br Ginting, Muhammad Wahyu Pratama Lubis, Frans Mikael Sinaga

Abstract


Penelitian ini mengembangkan sistem klasifikasi sampah menggunakan algoritma Convolutional Neural Network (CNN) untuk membedakan sampah organik dan anorganik. Arsitektur CNN yang digunakan terdiri dari input layer berukuran 150 x 150 x 3, tiga lapisan konvolusi dengan filter 3x3 yang jumlahnya bertambah secara bertahap (32, 64, dan 128), dilengkapi dengan fungsi aktivasi ReL-U dan lapisan MaxPooling 2x2. Model juga menggunakan dense layer dengan 128 neuron, dropout 0.5, dan output layer dengan aktivasi sigmoid. Dalam proses pelatihan, model dikompilasi menggunakan optimizer Adam dengan learning rate 0.001 dan binary crossentropy sebagai loss function. Hasil evaluasi menunjukkan bahwa model mencapai akurasi yang sangat baik sebesar 94.88% pada data uji, membuktikan efektivitas model dalam mengklasifikasikan sampah. Tingkat akurasi yang tinggi ini menunjukkan bahwa arsitektur CNN yang dirancang mampu mempelajari dan mengenali pola-pola penting dari citra sampah dengan baik. Penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem pemilahan sampah otomatis yang dapat membantu meningkatkan efisiensi pengelolaan sampah. Model yang dikembangkan memiliki potensi besar untuk diimplementasikan dalam aplikasi praktis dan dapat diandalkan untuk sistem klasifikasi sampah yang efektif.


Keywords


Convolutional Neural Network (CNN), Klasifikasi Sampah, Deep Learning, Pengolahan Citra Digital, Sistem Pemilahan Otomatis

Full Text:

PDF

References


K. A. Priana and A. A. I. N. E. Karyawati, “Sistem Pendeteksi Sampah Secara Realtime Menggunakan Metode YOLO,” Jurnal Nasional Teknologi Informasi dan Aplikasinya, vol. 2, no. 1, pp. 31–36, 2023.

K. C. A. Unwaru, Sudarti, and Yushardi, “Analisis Pemanfaatan Sampah Organik Dan Anorganik Terhadap Teknologi PLTSa Di Beberapa Kota Besar Di Indonesia,” Jurnal Sains Dan Teknologi, vol. 5, no. 2, pp. 255–263, 2022.

F. P. Fantara, D. Syauqy, and G. E. Setyawan, “Implementasi Sistem Klasifikasi Sampah Organik dan Anorganik dengan Metode Jaringan Saraf Tiruan Backpropagation,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, vol. 2, no. 11, pp. 5577–5586, 2018.

R. Khoirunnisa Apriyani, N. Rustanti, D. Puspa Rahayu, and N. Dewi Utami Hamid, “Sosialisasi Pengenalan Dan Pemilahan Jenis Sampah Organik Dan Anorganik Di Panti Asuhan Anak Shaleh,” Jurnal Pengabdian Kepada Masyarakat, vol. 1, no. 2, pp. 43–60, 2023, doi: 10.59820/pengmas.v1i2.46.

G. A. Bahagia and M. Akbar, “KLASIFIKASI SAMPAH ORGANIK DAN ANORGANIK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN ),” vol. 8, no. 5, pp. 10349–10355, 2024.

N. H. Harani, C. Prianto, and M. Hasanah, “Deteksi Objek Dan Pengenalan Karakter Plat Nomor Kendaraan Indonesia Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Python,” Jurnal Teknik Informatika, vol. 11, no. 3, pp. 47–53, 2019, [Online]. Available: https://ejurnal.ulbi.ac.id/index.php/informatika/article/view/658

Edwin Febrywinata, “Pengenalan Dan Klasifikasi Jenis Buah Menggunakan Metode CNN Secara Sederhana Dengan Menggunakan Google Colab,” Merkurius?: Jurnal Riset Sistem Informasi dan Teknik Informatika, vol. 2, no. 4, pp. 185–193, 2024, doi: 10.61132/merkurius.v2i4.162.

B. Lintang Wibowo, O. Yoga Caesarizky, M. Ilham Hakim, and M. Munsarif, “Application of convolutional neural network (CNN) algorithm to classify vehicle category Penerapan algoritma convolutional neural network (cnn) untuk mengklasifikasi jenis kendaraan,” Jurnal Komputer dan Teknologi Informasi, vol. 2, no. 2, pp. 94–99, 2024, doi: 10.26714/jkti.v.

A. Hardirega and I. Jaelani, “IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK ( CNN ) KLASIFIKASI MOTIF BATIK MENGGUNAKAN EFFICIENTNET-B1,” vol. 8, no. 5, pp. 10023–10028, 2024.

M. M. Sebatubun and C. Haryawan, “Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Keris,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 3, pp. 595–602, 2024, doi: 10.25126/jtiik.937260.

M. Dandi Darojat, Y. A. Sari, and R. C. Wihandika, “Convolutional Neural Network untuk Klasifikasi Citra Makanan Khas Indonesia,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 11, pp. 4764–4769, 2021, [Online]. Available: http://j-ptiik.ub.ac.id

Z. Xu, S. Qian, X. Ran, and J. Zhou, “Application of Deep Convolution Neural Network in Crack Identification,” Applied Artificial Intelligence, vol. 36, no. 1, pp. 229–232, 2022, doi: 10.1080/08839514.2021.2014188.

D. Nafis Alfarizi, R. Agung Pangestu, D. Aditya, M. Adi Setiawan, and P. Rosyani, “Penggunaan Metode YOLO Pada Deteksi Objek: Sebuah Tinjauan Literatur Sistematis,” Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan, vol. 1, no. 1, pp. 54–63, 2023, [Online]. Available: https://jurnalmahasiswa.com/index.php/aidanspk

P. Musa, W. K. Anam, S. B. Musa, W. Aryunani, R. Senjaya, and P. Sularsih, “Pembelajaran Mendalam Pengklasifikasi Ekspresi Wajah Manusia dengan Model Arsitektur Xception pada Metode Convolutional Neural Network,” Rekayasa, vol. 16, no. 1, pp. 65–73, 2023, doi: 10.21107/rekayasa.v16i1.16974.

M. D. Payana, D. Ria, Y. Tb, Z. Musliyana, and M. B. Wibawa, “Deteksi Masker Wajah Menggunakan Metode Convolutional Neural Network ( CNN ) Meningkatkan Nilai Akurasi Melalui Arsitektur Layer Konvolusi,” Journal of Informatics and Computer Science, vol. 8, no. 1, pp. 30–35, 2022.

S. Ilahiyah and A. Nilogiri, “Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network _ Ilahiyah _ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia),” JUSTINDO(Jurnal Sistem & Teknologi Informasi Indonesia), vol. 3, no. 2, pp. 49–56, 2018.

P. A. Nugroho, I. Fenriana, and R. Arijanto, “Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) Pada Ekspresi Manusia,” Algor, vol. 2, no. 1, pp. 12–21, 2020.

M. Fasounaki, E. B. Yüce, S. Öncül, and G. Ince, “CNN-based Text-independent Automatic Speaker Identification Using Short Utterances,” Proceedings - 6th International Conference on Computer Science and Engineering, UBMK 2021, vol. 01, pp. 413–418, 2021, doi: 10.1109/UBMK52708.2021.9559031.

M. A. Hanin, R. Patmasari, and R. Y. Nur, “Sistem Klasifikasi Penyakit Kulit Menggunakan Convolutional Neural Network ( Cnn ) Skin Disease Classification System Using Convolutional Neural Network ( Cnn ),” e-Proceeding of Engineering, vol. 8, no. 1, pp. 273–281, 2021.

G. Thiodorus, A. Prasetia, L. A. Ardhani, and N. Yudistira, “Klasifikasi citra makanan/non makanan menggunakan metode Transfer Learning dengan model Residual Network,” Teknologi, vol. 11, no. 2, pp. 74–83, 2021, doi: 10.26594/teknologi.v11i2.2402.




DOI: https://doi.org/10.55601/jsm.v26i1.1510

Refbacks



Open Access

Indexing JSM:

   

      

 

Fakultas Informatika
Universitas Mikroskil
Jl. Thamrin No. 124 Medan - 20212
Gedung C.L6
Telp. 061-4573767
Email : jsm.fi@mikroskil.ac.id