Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Ardana, Wildan Muhammad
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Optimasi Algoritma Convolutional Neural Network dengan Arsitektur Efficientnet-B0 dan Resnet-50 untuk Klasifikasi Jenis Sampah: Optimization of Convolutional Neural Network Algorithm with Efficientnet-B0 and Resnet-50 Architecture for Waste Type Classification Ardana, Wildan Muhammad; Kusrini, Kusrini
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2030

Abstract

Penelitian ini mengembangkan sistem klasifikasi sampah otomatis menggunakan deep learning untuk membedakan sampah organik dan dapat didaur ulang. Penelitian dilakukan menggunakan dataset dari Kaggle yang terdiri dari 25.077 gambar sampah dengan dua kategori utama: organik (O) dan dapat didaur ulang (R). Metodologi penelitian berfokus pada perbandingan transfer learning menggunakan arsitektur EfficientNet-B0 dan ResNet-50. Teknik data augmentation modern (rotasi, zoom, flip) diterapkan untuk meningkatkan generalisasi model, dan Keras Tuner digunakan untuk optimasi hyperparameter secara sistematis. Hasil penelitian menunjukkan bahwa model EfficientNet-B0, setelah optimasi hyperparameter, mencapai performa terbaik dengan akurasi pengujian 97.25%. Arsitektur ini secara signifikan mengungguli ResNet-50 (akurasi 93.39%) dalam skenario perbandingan. Laporan klasifikasi detail untuk model terbaik menunjukkan kinerja yang sangat baik dan seimbang dalam mengklasifikasi sampah organik (presisi: 0.93, recall: 0.98) dan sampah dapat didaur ulang (presisi: 0.97, recall: 0.91). Waktu evaluasi yang cepat mengindikasikan potensi implementasi sistem secara real-time. Penelitian ini membuktikan efektivitas transfer learning dengan arsitektur modern yang dikombinasikan dengan optimasi hyperparameter untuk menciptakan solusi klasifikasi sampah otomatis yang sangat akurat dan efisien.
Co-Authors Kusrini, Kusrini