<![CDATA[Permasalahan sampah masih menjadi isu serius di berbagai kota besars, terutama akibat kurangnya pemilahan antara sampah organik dan anorganik sejak dari sumbernya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis sampah berbasis citra digital menggunakan pendekatan transfer learning dengan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari gambar sampah organik seperti daun kering dan sisa makanan, serta sampah anorganik seperti plastik dan botol bekas, yang dikumpulkan dari lingkungan nyata. Proses pelatihan dilakukan di Google Colab dengan teknik augmentasi dan normalisasi data. Model dilatih selama 15 epoch dan mencapai akurasi validasi sebesar 93%. Evaluasi terhadap 20 citra uji baru menunjukkan akurasi klasifikasi sebesar 100%, dengan nilai confidence score yang tinggi pada sebagian besar gambar. Hasil ini menunjukkan bahwa MobileNetV2 memberikan hasil yang sesuai dalam mengenali jenis sampah, bahkan dengan keterbatasan data dan sumber daya komputasi. Kendati demikian, model mengalami sedikit penurunan kepercayaan pada citra dengan karakteristik visual ambigu. Penelitian ini menunjukkan potensi penggunaan deep learning dalam pengelolaan sampah berbasis teknologi, dan dapat menjadi dasar pengembangan sistem pemilah sampah otomatis berbasis kamera.]]>
Copyrights © 2025
