Tujuan : Penelitian ini mengevaluasi EfficientNet-B0 untuk klasifikasi sampah non-organik dan menganalisis hasil prediksinya menggunakan Grad-CAM. Metode/Design/Pendekatan: Dataset TACO digunakan untuk mengklasifikasikan lima kategori material, yaitu plastik, logam, kaca, kertas/karton, dan busa/styrofoam. Objek diekstraksi menggunakan anotasi bounding box. EfficientNet-B0 diterapkan melalui transfer learning dan dievaluasi menggunakan accuracy, precision, recall, serta F1-score. Visualisasi Grad-CAM digunakan untuk mengamati area citra yang berkontribusi terhadap prediksi. Hasil/Temuan: Pada 323 objek uji, model memperoleh akurasi 54,49%, macro precision 44,19%, macro recall 53,27%, macro F1-score 45,75%, dan weighted F1-score 56,99%. Kelas plastik memperoleh F1-score tertinggi (0,66), sedangkan kaca terendah (0,25). Grad-CAM menunjukkan perbedaan pola visual antara prediksi benar dan salah. Kebaharuan/Originalitas/Nilai: Penelitian ini menggabungkan evaluasi EfficientNet-B0 dan analisis Grad-CAM untuk mengkaji kinerja klasifikasi serta bukti visual dalam klasifikasi sampah non-organik.
Copyrights © 2026