Pemanfaatan convolutional neural network untuk klasifikasi efisien dan akurat pada berbagai jenis sampah

fadllurrohman, ahmad najib

Jurnal Komputer dan Teknologi Informasi
Vol 2, No 2 (2024): Implementasi Sistem Cerdas

Produksi sampah yang semakin meningkat menuntut pengelolaan yang lebih efisien, salah satunya melalui pemilahan yang efektif. Artikel ini membahas tentang klasifikasi sampah (plastik, kaca, logam, kardus, kertas) menggunakan teknik Convolutional Neural Network (CNN). CNN menawarkan kecepatan, efisiensi, dan akurasi tinggi dibandingkan metode manual dalam pemilahan sampah. Penelitian ini menggunakan dataset klasifikasi sampah yang diperoleh dari situs Kaggle, dengan citra berukuran 300x300 piksel. Proses pra-pemrosesan mencakup normalisasi intensitas piksel, pengurangan noise, dan pengubahan ukuran gambar untuk konsistensi data. Arsitektur model CNN terdiri dari lapisan konvolusi untuk ekstraksi fitur, lapisan pooling untuk reduksi dimensi, dan lapisan fully connected untuk klasifikasi akhir. Model dilatih dengan algoritma optimisasi seperti Adam dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa klasifikasi sampah berbasis CNN mampu menghasilkan akurasi tinggi dan efisiensi yang lebih baik dibandingkan metode manual, menjadikannya solusi potensial untuk mengatasi masalah pengelolaan sampah.