Article Per Year (5 Year)
p-Index From 2021 - 2026
1.555
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi
Dedy Kiswanto
State University of Medan

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Perancangan Sistem Tempat Sampah Pintar Berbasis ESP32 dengan Klasifikasi Sampah Menggunakan Deep Learning dan Integrasi Dashboard Web Monitoring Stefen Agus Waruwu; Dedy Kiswanto; Rizky Ananda Hafika; Muhammad Yazid Noor
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.220

Abstract

Abstrak - Sistem tempat sampah pintar berbasis Internet of Things (IoT) dikembangkan untuk mengoptimalkan proses pemilahan sampah secara otomatis. Sistem ini menggunakan sensor ultrasonik pada ESP32 untuk mendeteksi keberadaan objek, kamera ESP32-CAM untuk mengambil citra, dan model deep learning MobileNetV2 untuk melakukan klasifikasi ke dalam dua kategori: organik dan daur ulang. Hasil klasifikasi digunakan untuk menggerakkan servo sebagai mekanisme pemisahan, sekaligus dikirim ke dashboard web melalui API untuk pencatatan dan pemantauan. Model dilatih menggunakan dataset 5.000 citra dengan teknik augmentasi, dan menghasilkan performa akurasi sebesar 93% pada data validasi. Sistem berhasil bekerja secara realtime, dengan rata-rata waktu inferensi kurang dari 1 detik. Dashboard mampu menampilkan statistik jumlah sampah, riwayat klasifikasi, dan grafik tren berdasarkan rentang tanggal. Hasil pengujian menunjukkan bahwa sistem dapat mendeteksi objek, mengklasifikasi citra, dan menggerakkan servo dengan stabil. Sistem ini dapat diimplementasikan pada lingkungan nyata untuk mendukung pengelolaan sampah yang lebih efisien dan terotomatisasi. Keywords : IoT; ESP32; ESP32-CAM; klasifikasi sampah; dashboard monitoring; Abstract - An Internet of Things (IoT)-based smart waste bin system was developed to optimize the automatic waste sorting process. This system uses an ultrasonic sensor on ESP32 to detect the presence of objects, an ESP32-CAM camera to capture images, and a MobileNetV2 deep learning model to classify waste into two categories: organic and recyclable. The classification results are used to activate the servo as a separation mechanism, while also being sent to the web dashboard via API for recording and monitoring. The model was trained using a dataset of 5,000 images with augmentation techniques, achieving an accuracy of 93% on the validation data. The system operates in real-time, with an average inference time of less than 1 second. The dashboard is capable of displaying statistics on the amount of waste, classification history, and trend graphs based on date ranges. The test results show that the system can detect objects, classify images, and activate the servo stably. This system can be implemented in a real environment to support more efficient and automated waste management. Keywords: IoT; ESP32; ESP32-CAM; waste classification; monitoring dashboard;
Co-Authors Albert Ramadhan Manik Alfin Syahri Alvin Hafiz Ananda Irya Shakila Syukron Anwar Shaleh Lbn Gaol Aqilah Defiyanti Ega Pratama Fadilla Amanah Fahra Pebiana Putri Fatima Asro Harahap Feby Juliana Silalahi Felix John Pardamean Hutabarat Fhadillah br Hutagalung Kristin Impana Manik Mhd Ilyasyah Drilanang Muhammad Alby Savana Hasibuan Muhammad Alfin Muhammad Budi Akbar Muhammad Hidayatul Arifin Muhammad Raffi akbar Tanjung Muhammad Yazid Noor Muhammad Zidane Al-Kautsar Najwa Latifah Hasibuan Najwatul Khoiriah Nazwar Farezi Paskah Abadi Simanullang Raihan Insan Pratama Siagian Ririn Amelia Br Siregar Rizky Ananda Hafika Salsa Nabila Harahap Sirus Daniel Haholongan Nababan Stefen Agus Waruwu Yuda Advis Ambrosius Sitohang