<![CDATA[Abstrak Sampah menjadi permasalahan yang sering ditemukan di berbagai negara. Dalam beberapa dekade terakhir, produksi sampah terus meningkat yang dapat menyebabkan masalah lingkungan yang semakin serius. Oleh karena itu, pengolahan sampah yang efektif dan tepat waktu sangat diperlukan untuk menjaga lingkungan hidup yang sehat. Dalam studi ini, kami mengusulkan pendekatan pengolahan sampah menggunakan Convolutional Neural Network (CNN) untuk mendeteksi jenis sampah organik, plastik, dan kertas berdasarkan gambar sebagai input untuk dilatih dengan model yang sudah disediakan. Dataset yang digunakan dalam studi ini terdiri dari ratusan gambar sampah yang dikumpulkan dari berbagai sumber. Implementasi CNN menggunakan library tensorflow dan keras, yang menyediakan API untuk memudahkan pembuatan, pelatihan, dan evaluasi model CNN. Selain itu, deep learning juga digunakan untuk meningkatkan performa model CNN dalam mengenali sampah. Hasil pengujian menunjukkan bahwa model CNN yang diusulkan dapat mengklasifikasikan dan mendeteksi sampah organik, plastik, dan kertas dengan akurasi sekitar 90%, yang menunjukkan bahwa CNN dapat digunakan sebagai metode yang efektif dalam pengenalan sampah. Oleh karena itu, hasil penelitian ini dapat memberikan kontribusi dalam meningkatkan efektivitas pengolahan sampah dan dapat membantu mengurangi dampak lingkungan dari produksi sampah. Kata kunci—Convolutional Neural Network, Sampah, Deep Learning, TensorFlow, Keras]]>
Copyrights © 2024
