<![CDATA[Pengelolaan sampah merupakan isu global yang memerlukan solusi inovatif untuk mengoptimalkan proses pemilahan sampah. Salah satu aspek penting dalam pengelolaan sampah adalah pengelompokan sampah menjadi sampah organik dan anorganik. Klasifikasi yang efektif ini memungkinkan penerapan praktik daur ulang yang lebih efisien, meminimalkan dampak negatif terhadap lingkungan, dan memberikan dasar bagi pengembangan kebijakan pengelolaan limbah berkelanjutan Salah satu pendekatan yang dapat digunakan adalah penggunaan Convolutional Neural Network (CNN) untuk mengklasifikasikan sampah menjadi kategori organik dan anorganik. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sampah menggunakan metode CNN dengan library TensorFlow. Metode CNN dipilih karena kemampuannya dalam mengekstraksi fitur-fitur penting dari gambar, yang sangat relevan dalam tugas klasifikasi gambar seperti pengenalan sampah. TensorFlow, sebagai salah satu library deep learning yang populer, digunakan untuk membangun dan melatih model CNN. Penelitian ini melibatkan beberapa tahapan, termasuk pengumpulan dataset sampah yang mencakup berbagai jenis organik dan anorganik, pengembangan arsitektur CNN dan pelatihan model menggunakan TensorFlow. Evaluasi dilakukan untuk mengukur akurasi dan kinerja sistem dalam mengklasifikasikan sampah. Hasil penelitian yang telah dilakukan, diperoleh beberapa kesimpulan diantaranya yaitu Dataset yang digunakan dalam pembuatan model CNN adalah data train, dan data validasi. Data train berjumlah 18052 gambar dan data uji berjumlah 4512 gambar. Model CNN dalam penelitian ini menggunakan input shape berukuran 224x224 piksel dan dilakukan augmentasi data didalamnya. Selain itu, menggunakan hyperparameter seperti nilai batch size 32, jumlah epochs 10, learning rate 0,001, dan optimizer Adam. Sehingga memperoleh akurasi sebesar 95% dan loss sebesar 35%.]]>
