PEMILAHAN JENIS SAMPAH MENGGUNAKAN ALGORITMA CNN

Abstract

Penelitian ini bertujuan untuk mengembangkan model deep learning yang mendeteksi jenis sampah sehingga sampah dapat dipisahkan dan didaur ulang dengan sistem computer vision. Pelatihan dan pengujian akan dilakukan dengan data citra yang terdiri dari beberapa kelas yaitu karton, botol kaca, kain, plastik, dan kertas. Dataset yang digunakan selama pelatihan dan pengujian akan dihasilkan dari frame asli yang diambil dari citra sampah. Kumpulan data yang digunakan untuk struktur deep learning memiliki total 6333 gambar dengan 6 kelas yang berbeda. Setengah dari kumpulan data citra digunakan untuk proses pelatihan dan sisanya digunakan untuk prosedur pengujian. Sebagai model yang menggunakan Image Classification berbasis kecerdasan buatan, sistem telah mampu mengidentifikasi jenis-jenis sampah dengan baik menggunakan metode klasifikasi CNN. Model CNN dibangun dengan membuat model yang terdiri dari sejumlah layer seperti Convolutional Layers, Max Pooling Layers dan Relu. Setelah model dibangun dan dilakukan pelatihan, model diuji untuk melakukan klasifikasi. Hasil kinerja sistem hasil pelatihan dan pengujian model yang memuaskan dengan akurasi data 83% dan akurasi validasi 61%.

DOI : https://doi.org/10.33005/scan.v17i3.3523