Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Ngakan Gde Satria Abirama
Universitas Pendidikan Ganesha
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengembangan Aplikasi Mobile Klasifikasi Object Detection Sampah Anorganik Menggunakan Arsitektur SSD MobilenetV2 Ngakan Gde Satria Abirama; Ketut Agus Seputra; I Nyoman Saputra Wahyu Wijaya
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.11992

Abstract

Pengelolaan sampah anorganik yang masih dilakukan secara manual menyebabkan proses pemilahan menjadi kurang efisien dan berpotensi meningkatkan kesalahan identifikasi jenis sampah serta Kondisi tersebut dapat menghambat upaya pengelolaan dan daur ulang sampah yang efektif. Penelitian ini bertujuan mengembangkan aplikasi mobile dengan menanamkan model SSD-MobileNetV2 yang mampu mendeteksi sampah plastik dan kaca secara real-time untuk membantu proses identifikasi dan pemilahan sampah plastik dan kaca secara lebih cepat dan akurat.. Penelitian menggunakan metode Research and Development (R&D) yang meliputi tahapan pengumpulan dan pengolahan data, pengembangan model, pengembangan aplikasi, serta pengujian aplikasi. Model dilatih menggunakan pendekatan transfer learning dengan partial fine-tuning pada 10 layer terakhir backbone MobileNetV2 dan diimplementasikan ke dalam aplikasi Android menggunakan TensorFlow Lite sehingga dapat dijalankan secara optimal pada perangkat Android tanpa memerlukan koneksi internet. Berdasarkan hasil evaluasi, model memperoleh akurasi sebesar 89,90%, presisi 90,00%, recall 90,00%, F1-score 90,00%, dan mean Average Precision (mAP) sebesar 95,88%. Hasil pengujian Black Box Testing menunjukkan seluruh fitur aplikasi berjalan sesuai dengan kebutuhan sistem, sedangkan pengujian System Usability Scale (SUS) menunjukkan aplikasi mudah dipahami dan digunakan oleh pengguna. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan mampu mendeteksi sampah plastik dan kaca secara cepat dan akurat serta berpotensi menjadi solusi pendukung pemilahan sampah anorganik berbasis perangkat mobile untuk meningkatkan efektivitas pengelolaan sampah.
Co-Authors Agus Seputra I Ketut I Nyoman Saputra Wahyu Wijaya