<![CDATA[Pemilahan sampah secara manual kerap menghadapi kendala, terutama di wilayah dengan infrastruktur dan kesadaran rendah. Penelitian ini mengembangkan model klasifikasi jenis sampah menggunakan algoritma Random Forest yang diimplementasikan dengan framework PySpark. Dataset yang digunakan adalah Real Waste dengan 4.752 gambar dari berbagai kategori sampah. Setelah preprocessing dan pembagian data, model menghasilkan akurasi sebesar 44,64%, dengan precision 48,62% dan recall 44,64%, menunjukkan performa yang masih perlu ditingkatkan. Kategori plastik dan vegetasi memiliki akurasi terbaik, sedangkan kategori makanan organik dan tekstil mengalami kesulitan akibat kemiripan fitur visual. Tujuan utama penelitian ini adalah memberikan solusi praktis yang mendukung pengelolaan sampah berbasis teknologi. Studi ini memberikan dasar awal bagi pemanfaatan teknologi berbasis pembelajaran mesin untuk mendukung pengelolaan sampah. yang lebih efektif dan berkelanjutan]]>
Copyrights © 2025
