<![CDATA[Kurangnya kesadaran masyarakat dalam memilah sampah merupakan salah satu kendala utama dalam pengelolaan sampah yang berkelanjutan. Sampah yang seharusnya dapat didaur ulang sering kali tercampur di Tempat Pembuangan Akhir (TPA), sehingga mengurangi nilai ekonomis dan memperburuk pencemaran lingkungan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sampah otomatis berbasis teknologi deteksi objek menggunakan arsitektur SSD-MobileNet V2 yang efisien dan ringan, sehingga dapat berjalan optimal pada perangkat Android. Model dilatih menggunakan 2.536 gambar sampah daur ulang yang telah dianotasi serta diperkuat melalui teknik augmentasi data. Evaluasi dilakukan dengan menggunakan metrik mean Average Precision (mAP) dan akurasi per kategori. Hasil pelatihan menunjukkan bahwa sistem mampu mengenali berbagai jenis sampah daur ulang dengan akurasi tertinggi sebesar 99% pada tutup botol plastik, dan akurasi terendah sebesar 86% pada kaleng logam. Nilai mAP keseluruhan yang dicapai adalah 87,62%. Model ini juga telah dioptimalkan dalam format TensorFlow Lite untuk mendukung deteksi real-time pada aplikasi Android. Hasil ini menunjukkan bahwa pendekatan yang diusulkan berpotensi menjadi solusi praktis dalam mendukung proses pemilahan sampah secara cerdas dan berkelanjutan.]]>
Copyrights © 2025
