<![CDATA[Pengelolaan sampah merupakan salah satu permasalahan lingkungan yang dihadapi oleh banyak negara, termasuk Indonesia. Pemilahan sampah secara manual dinilai kurang efisien dan rentan terhadap kesalahan manusia. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jenis sampah secara otomatis menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 10.704 gambar sampah yang terbagi dalam enam kelas, yaitu kaca, kardus, kertas, logam, plastik, dan residu. Model CNN dibangun dengan arsitektur tiga layer konvolusi dilengkapi teknik data augmentation untuk meningkatkan kemampuan generalisasi. Hasil eksperimen menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 88,51% dengan nilai precision rata-rata 0,86 dan recall rata-rata 0,83. Kelas kaca memperoleh performa terbaik dengan F1-score 0,94, sedangkan kelas residu memperoleh F1-score terendah sebesar 0,69. Selain klasifikasi, sistem ini juga dilengkapi fitur rekomendasi daur ulang otomatis untuk setiap jenis sampah yang terdeteksi.]]>
Copyrights © 2026
