Agio Prima Kardana
Unknown Affiliation

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

Found 1 Documents
Search

Klasifikasi Citra Sampah Daur Ulang Menggunakan Arsitektur MobileNetV2 dengan Strategi Fine-Tuning Prakosa, Danang Yudo; Reno Oktavian; Agio Prima Kardana
Journal of Information System and Application Development Vol. 4 No. 1 (2026): March 2026
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jisad.v4i1.16740

Abstract

Permasalahan pengelolaan sampah menjadi isu global yang krusial, di mana pemilahan otomatis menjadi kunci efisiensi daur ulang. Penelitian ini bertujuan untuk membangun model klasifikasi sampah otomatis yang mampu mengenali lima kategori utama: kardus, logam, kertas, plastik, dan sampah residu (trash). Pendekatan yang diusulkan menggunakan Transfer Learning pada arsitektur Convolutional Neural Network (CNN) MobileNetV2 yang dikenal efisien secara komputasi. Untuk mengatasi ketidakseimbangan data (imbalance dataset), penelitian ini menerapkan teknik Class Weighting serta strategi Fine-Tuning bertahap pada lapisan base model. Model dilatih menggunakan dataset yang terdiri dari 4.272 data latih dan 2.026 data validasi. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 90,23% pada data validasi. Evaluasi mendalam menggunakan Confusion Matrix menunjukkan performa sangat tinggi pada kelas logam (recall 1.00) dan kertas (recall 0.96), namun menemukan tantangan signifikan pada kelas sampah residu. Hasil ini mengindikasikan bahwa meskipun MobileNetV2 sangat efektif untuk mengenali material daur ulang yang memiliki fitur bentuk tegas, variasi visual yang ekstrem pada kelas residu memerlukan penanganan khusus lebih lanjut.