<![CDATA[Penelitian ini bertujuan untuk mengembangkan sistem kecerdasan buatan yang mampu melakukan klasifikasi citra sampah secara otomatis dengan menggunakan dataset yang bersumber dari Kaggle dan mengintegrasikan model MobileNetV2 dan algoritma Random Forest. Dataset terdiri dari dua kategori utama, yaitu sampah organik dan recyclable (anorganik). Setiap citra diproses melalui tahap prapengolahan, ekstraksi fitur menggunakan MobileNetV2, dan klasifikasi akhir menggunakan Random Forest. Implementasi dilakukan di Google Colab dengan antarmuka berbasis Gradio agar pengguna dapat mengunggah citra dan memperoleh hasil klasifikasi secara langsung. Hasil pengujian menunjukkan tingkat akurasi sebesar 96%. Untuk kelas organik, model menghasilkan nilai precision 87%, recall 98%, dan F1-score 92%, sedangkan untuk kelas recyclable diperoleh nilai precision 97%, recall 82%, dan F1-score 89%. Hasil ini menunjukkan bahwa integrasi MobileNetV2 dan Random Forest mampu memberikan performa klasifikasi yang stabil dan akurat terhadap variasi pencahayaan serta latar belakang citra, sehingga berpotensi mendukung penerapan sistem smart waste management.Kata kunci: Kecerdasan Buatan, Machine Learning, MobileNetV2, Random Forest, Pengolahan Citra]]>
Copyrights © 2026
