Penerapan Convolutional Neural Network untuk Mengklasifikasikan Citra Sampah Organik dan Non Organik
Abstract
Waste is a major environmental problem in Indonesia that is increasing with population growth. This research aims to apply a Convolutional Neural Network (CNN) based classification model to separate organic and non-organic waste, reduce time, and increase the efficiency of the waste sorting process. By using the CRISP-DM method, there are main components, namely Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, and Deployment. The dataset used consists of 4500 images from Kaggle for training and validation data, and 300 manual images for testing data. The designed model uses VGG-16 architecture with Adam optimizer and learning rate 0.001. The evaluation results show that the model accuracy is 64.33% with a significant error rate in non-organic waste classification. The model is integrated into a Flask-based website application to make it easier for users to upload images and get prediction results. The results of this research are expected to reduce time and increase the efficiency of the waste separation process.
Keywords: Waste image classification; Waste management; Deep learning
Abstrak
Sampah menjadi masalah lingkungan utama di Indonesia yang semakin meningkat seiring pertumbuhan populasi. Penelitian ini bertujuan untuk penerapan model klasifikasi berbasis Convolutional Neural Network (CNN) untuk memisahkan sampah organik dan non-organik, mengurangi waktu, dan meningkatkan efisiensi proses pemilahan sampah. Dengan menggunakan metode CRISP-DM, terdapat komponen utama yaitu: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang digunakan terdiri dari 4500 gambar dari Kaggle untuk data training dan validation, serta 300 gambar manual untuk data testing. Model yang dirancang menggunakan arsitektur VGG-16 dengan Adam optimizer dan learning rate 0,001. Hasil evaluasi menunjukkan akurasi model sebesar 64.33% dengan tingkat kesalahan signifikan pada klasifikasi sampah non-organik. Model diintegrasikan ke dalam aplikasi website berbasis Flask untuk memudahkan pengguna mengunggah gambar dan mendapatkan hasil prediksi. Hasil penelitian ini diharapkan dapat mengurangi waktu dan meningkatkan efisiensi proses pemisahan sampah.
Keywords
References
L.G.M.L Susanti and N. N. J. Arsawati, “Alternatif Strategi Pengelolaan Sampah Berbasis Pemberdayaan Masyarakat Melalui Bank Sampah Di Desa Tunjuk, Tabanan,” Kaibon Abhinaya J. Pengabdi. Masy., vol. 3, no. 2, pp. 105–110, 2021, doi: 10.30656/ka.v3i2.3111.
D. J. K. Negara, “Pengelolaan sampah di Indonesia 2022.” [Online]. Available: https://www.antaranews.com/infografik/3331290/pengelolaan-sampah-di-indonesia-2022
L. Faizal, Y. Yuyun, and H. Hazriani, “Identifikasi Sampah Plastik Menggunakan Algoritma Deep Learning,” J. Ilm. Sist. Inf. dan Tek. Inform., vol. 6, no. 2, pp. 162–171, 2023, doi: 10.57093/jisti.v6i2.176.
SIPSN, “Sistem Informasi Pengelolaan Sampah Nasional,” 2024. [Online]. Available: https://sipsn.menlhk.go.id/sipsn/public/data/timbulan
O. D. S. Sunanto and P. H. Utomo, “Implementasi Deep Learning Dengan Convolutional Neural Network Untuk Klasifikasi Gambar Sampah Organik Dan Anorganik,” Pattimura Proceeding Conf. Sci. Technol., vol. 1, no. 2, pp. 335–340, 2022, [Online]. Available: https://jurnal.unej.ac.id/index.php/prosiding/article/view/33527
A. A. Firdaus, A. Yudhana, and I. Riadi, “Penerapan Model Arsitektur VGG16 Untuk Klasifikasi Jenis Sampah,” Decod. J. Pendidik. Teknol. Inf., vol. 3, no. 2, pp. 236–245, 2023, [Online]. Available: http://journal.umkendari.ac.id/index.php/decode
A. N. Sihananto, M. M. Al Haromainy, and A. P. Sari, “Pemilahan Jenis Sampah Menggunakan Algoritma CNN,” Scan J. Teknol. Inf. dan Komun., vol. 17, no. 3, pp. 23–27, 2022.
R. Adelia, N. Khairunisa, and R. Zulfiqri, “Implementasi Convolutional Neural Network (Cnn) Dalam Mendeteksi Sampah Organik, Plastik, Dan Kertas,” JUTIM (Jurnal Tek. Inform. Musirawas), vol. 9, no. 1, pp. 29–37, 2024, doi: 10.32767/jutim.v9i1.2233.
A. R. Fahcruroji, Madona Yunita Wijaya, and Irma Fauziah, “Implementasi Algoritma Cnn Mobilenet Untuk Klasifikasi Gambar Sampah Di Bank Sampah,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 11, no. 1, pp. 45–51, 2024, doi: 10.30656/prosisko.v11i1.8101.
A. P. P Prasetyo, M. Irfansyah, K. Exaudi, T. Wanda Septian, and Rendyansyah, “Sistem Pemilah Sampah Organik Berbasis Raspberry Pi Menggunakan Klasifikasi CNN Raspberry Pi Based Organic Waste Sorting System Using CNN Classification,” J. Sisfotenika, vol. 13, no. 1, pp. 76–90, 2023, [Online]. Available: http://sisfotenika.stmikpontianak.ac.id/index.php/ST
V. R. Ho, S. Devella, and D. Alamsyah, “Klasifikasi Media Pembuangan Sampah Menggunakan Metode Resnet101-V2,” MDP Student Conf., vol. 2, no. 1, pp. 151–157, 2023, doi: 10.35957/mdp-sc.v2i1.4338.
K. L. Kohsasih, M. Dipo, A. Rizky, T. Fahriyani, V. Wijaya, and R. Rosnelly, “Analisis Perbandingan Algoritma Convolutional Neural Network Dan Algoritma Multi-Layer Perceptron Neural Dalam Klasifikasi Citra Sampah,” J. Technol. Informatics dan Comput. Syst., vol. 10, no. 2, pp. 22–28, 2021, [Online]. Available: http://ejournal.stmik-time.ac.id
R. Kurniawan, P. B. Wintoro, Y. Mulyani, and M. Komarudin, “Implementasi Arsitektur Xception Pada Model Machine Learning Klasifikasi Sampah Anorganik,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 2, pp. 233–236, 2023, doi: 10.23960/jitet.v11i2.3034.
A. Mareta, B. E. Adiana, O. Wardhani, I. Alfath, and N. Fathony, “Implementasi Model Convolutional Neural Network dalam Aplikasi Android untuk Identifikasi Limbah Infeksius,” vol. 8, no. 2, pp. 113–124, 2024.
K. N. Anggraeni, “Penerapan Convolutional Neural Network (CNN) untuk Klasifikasi Sampah dan Optimalisasi Sistem Penukaran Sampah,” JIMU J. Ilm. Multi Disiplin, vol. 02, no. 03, pp. 3031–9498, 2024.
I. G. Agung, G. Arya, I. N. Artawan, and P. Herdy, “Klasifikasi Sampah Berbasis Convolutional Neural Networks ( CNN ) untuk Peningkatan Efisiensi Pengelolaan Sampah,” vol. 17, pp. 136–147, 1979.
A. K. Neighbor, L. Purnama, and T. Wahyudi, “Analisa Sentimen Tentang Piala Dunia u-20 Indonesia Menggunakan,” vol. 6, no. 2, pp. 217–222, 2024.
Z. Rahman Hakim and S. Sugiyono, “Analisa Sentimen Terhadap Kereta Cepat Jakarta – Bandung Menggunakan Algoritma Naïve Bayes Dan K-Nearest Neighbor,” J. Sains dan Teknol., vol. 5, no. 3, pp. 939–945, 2024, doi: 10.55338/saintek.v5i3.1423.
V. E. Smart, “Apa metodologi CRISP-DM? 2020” [Online]. Available: https://www.sv-europe.com/crisp-dm-methodology/
Z. I. Nugraha, K. Saputra, A. Setiawan, R. Maharani, and F. Zaharani, “Implementasi Algoritma Cnn Dalam Pengembangan Website Untuk Klasifikasi Sampah Organik, Dan Non-Organik,” J. Manaj. Inform. dan Sist. Inf., vol. 8, no. 1, pp. 90–101, 2025.
How To Cite This :
Refbacks
- There are currently no refbacks.
