<![CDATA[Peningkatan jumlah sampah yang dihasilkan masyarakat menuntut adanya sistem pemilahan sampah yang lebih efektif dan otomatis. Salah satu teknologi yang dapat digunakan adalah computer vision yang mampu mengenali jenis sampah berdasarkan karakteristik visualnya. Penelitian ini bertujuan untuk mengklasifikasikan enam jenis sampah yaitu kardus, kaca, logam, kertas, plastik, dan sampah menggunakan metode Extra Trees Classifier. Dataset yang digunakan merupakan Dataset Klasifikasi Sampah yang diperoleh dari Kaggle dan telah dibagi menjadi data latih, validasi, dan pengujian. Tahapan penelitian meliputi preprocessing citra, ekstraksi fitur menggunakan Histogram Warna, Histogram of Oriented Gradient (HOG), dan Local Binary Pattern (LBP), kemudian dilanjutkan dengan proses klasifikasi menggunakan Extra Trees Classifier. Model evaluasi dilakukan menggunakan akurasi, presisi, recall, dan F1-score, konfusi matriks, dan ROC Curve. Hasil penelitian menunjukkan bahwa model mampu mencapai akurasi sebesar 99,88% dengan nilai presisi, recall, dan F1-score mendekati 1,00 pada seluruh kelas. Hasil tersebut menunjukkan bahwa kombinasi fitur Histogram Warna, HOG, dan LBP mampu merepresentasikan karakteristik objek sampah dengan baik sehingga menghasilkan performa klasifikasi yang sangat tinggi.]]>
Copyrights © 2026
