<![CDATA[Pencemaran sungai akibat sampah terapung menjadi permasalahan serius yang berdampak pada lingkungan, drainase, dan kesehatan masyarakat. Pemantauan konvensional masih bergantung pada inspeksi manual yang mahal, lambat, dan tidak berkelanjutan. Penelitian ini mengusulkan sistem Artificial Intelligence of Things (AIoT) untuk klasifikasi sampah terapung secara real-time menggunakan perangkat edge berbiaya rendah. Dataset dikumpulkan dari November 2024 - Juli 2025 dari sungai dan kanal di daerah Tangerang dan sekitarnya, yang terdiri dari 22.333 anotasi yang diproses menjadi 7.000 citra objek seimbang dalam tujuh kelas sampah: e-waste, fiber/paper, kaca berwarna, kaca bening, organik, plastik keras, dan plastik lunak. Tiga model lightweight CNN dibandingkan, yaitu MobileNetV2, EfficientNetB0, dan MobileNetV3Small. Hasil pelatihan menunjukkan MobileNetV2 memberikan performa terbaik dengan akurasi validasi 94,1% dan konvergensi stabil. Model terbaik kemudian diimplementasikan pada Raspberry Pi menggunakan TensorFlow Lite serta Coral Edge TPU. Pengujian pada 1.400 citra menunjukkan inferensi CPU mencapai akurasi 94,36% dengan latensi 102,59 ms/gambar, sedangkan Coral Edge TPU mencapai akurasi 93,93% dengan latensi 5,93 ms/gambar atau 168,69 gambar/detik. Hasil ini membuktikan bahwa sistem AIoT berbasis lightweight CNN efektif untuk pemantauan sampah sungai secara real-time.]]>
Copyrights © 2026
