Klasifikasi Sampah Menggunakan Algoritma EfficientNet

Sari, Putri Desi Kusuma
Mahdiyah, Umi
Wulanningrum, Resty

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Pengelolaan sampah yang kurang optimal berdampak negatif pada lingkungan, sehingga klasifikasi sampah menjadi penting untuk mendukung daur ulang. Penelitian ini mengembangkan sistem klasifikasi gambar sampah organik dan anorganik menggunakan model deep learning EfficientNetB1. Dataset sebanyak 2.527 gambar dari Kaggle diproses melalui resize, normalisasi, dan augmentasi. Model ini dilatih dan diuji dengan metrik akurasi, presisi, recall, dan F1-Score. Pengujian menghasilkan bahwa model mencapai akurasi rata-rata 92%, presisi 93%, recall 92%, dan F1-Score 92%. Meskipun terdapat variasi pencahayaan dan latar belakang, model mampu mengenali dua jenis sampah dengan baik. Sistem ini berpotensi diimplementasikan dalam aplikasi berbasis web untuk membantu masyarakat memilah sampah secara mandiri dan berkelanjutan.