IMPLEMENTASI ALGORITMA CNN DALAM PENGEMBANGAN WEBSITE UNTUK KLASIFIKASI SAMPAH ORGANIK, DAN NON-ORGANIK
DOI:
https://doi.org/10.36595/misi.v8i1.1355Keywords:
Convolutional Neural Network, CNN, Klasifikasi Sampah, Website, Real-Time Processing, WaterfallAbstract
Pengelolaan sampah yang kurang efektif, khususnya dalam pemilahan sampah organik dan non-organik, menjadi tantangan utama dalam menjaga kelestarian lingkungan akibat minimnya teknologi klasifikasi otomatis. Penelitian ini bertujuan mengembangkan sistem klasifikasi sampah berbasis algoritma Convolutional Neural Network (CNN) yang diimplementasikan ke dalam website guna mempermudah masyarakat memilah sampah secara efisien. Sistem dirancang dengan fitur unggah gambar dari perangkat pengguna serta klasifikasi real-time menggunakan kamera. Proses penelitian meliputi pengumpulan dataset 15.515 gambar, preprocessing data, perancangan arsitektur CNN, pelatihan model, evaluasi menggunakan confusion matrix, dan pengembangan website dengan metode waterfall. Hasil menunjukkan bahwa model CNN mampu mencapai akurasi klasifikasi sebesar 84,46. Keunggulan sistem ini adalah klasifikasi real-time, yang memudahkan pengguna memisahkan sampah, meskipun masih terbatas pada dua kategori. Solusi ini mendukung efisiensi daur ulang dan manajemen sampah, serta menjadi dasar untuk pengembangan klasifikasi sampah yang lebih luas di masa depan.
References
Fathoni Dwiatmoko, D. Utami, and Nuari Anisa Sivi, “Klasifikasi Citra Sampah Organik dan Non Organik Menggunakan Algoritma CNN (Convolutional Neural Network),” Explore, vol. 14, no. 1, pp. 1–5, 2024, doi: 10.35200/ex.v14i1.103.
A. N. Sihananto, M. M. Al Haromainy, and A. P. Sari, “Pemilahan Jenis Sampah Menggunakan Algoritma Cnn,” Scan J. Teknol. Inf. dan Komun., vol. 17, no. 3, 2023, doi: 10.33005/scan.v17i3.3523.
I. Maulana, N. Khairunisa, and R. Mufidah, “Deteksi Bentuk Wajah Menggunakan Convolutional Neural Network (Cnn),” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3348–3355, 2024, doi: 10.36040/jati.v7i6.8171.
M. F. Naufal, J. Siswantoro, and M. G. K. Wicaksono, “Klasifikasi Tulisan Tangan Pada Resep Obat Menggunakan Convolutional Neural Network,” Techno.Com, vol. 22, no. 2, pp. 508–526, 2023, doi: 10.33633/tc.v22i2.8075.
M. Muslihati, S. Sahibu, and I. Taufik, “Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Sampah Organik dan Non Organik,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 3, pp. 840–852, 2024, doi: 10.57152/malcom.v4i3.1346.
S. Alden and B. N. Sari, “Implementasi Algoritma CNN Untuk Pemilahan Jenis Sampah Berbasis Android Dengan Metode CRISP-DM,” J. Inform., vol. 10, no. 1, pp. 62–71, 2023, doi: 10.31294/inf.v10i1.14985.
K. L. Kohsasih, M. D. Agung Rizky, T. Fahriyani, V. Wijaya, and R. Rosnelly, “Analisis Perbandingan Algoritma Convolutional Neural Network Dan Algoritma Multi-Layer Perceptron Neural Dalam Klasifikasi Citra Sampah,” J. TIMES, vol. 10, no. 2, pp. 22–28, 2022, doi: 10.51351/jtm.10.2.2021655.
K. Sandi, A. Yudha, N. Aryanto, and M. Farabi, “Klasifikasi sampah menggunakan Convolutional Neural Network,” Indones. J. Data Sci., vol. 3, no. 2, pp. 72–81, 2022.
Z. R. Kamandang, D. P. Solin, and C. B. Casita, “Pemanfaatan Teknologi Biologis untuk Pengelolaan Sampah Organik,” J. Abdimas Tek. Kim., vol. 2, no. 1, pp. 45–49, 2020, [Online]. Available: http://jatekk.upnjatim.ac.id
T. Badlisyah, S. Agustinur, and M. Rosa, “Study Pengolahan Sampah Organik Dan Anorganik Pada Unit Bank Sampah Badan Usaha Milik Gampong (Bumg) Blang Krueng,” Lantanida J., vol. 9, no. 2, p. 149, 2022, doi: 10.22373/lj.v9i2.12501.
M. R. R. Hasibuan, “Manfaat Daur Ulang Sampah Organik Dan Anorganik Untuk Kesehatan Lingkungan,” J. Ilm. Lingkung. , vol. 2, no. 3, pp. 1–11, 2023.
A. Ibnul Rasidi, Y. A. H. Pasaribu, A. Ziqri, and F. D. Adhinata, "Klasifikasi Sampah Organik dan Non-Organik Menggunakan Convolutional Neural Network," Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 1, pp. 142–149, 2022, doi: 10.28932/jutisi.v8i1.4314.
M. F. Rahman and B. Bambang, “Deteksi Sampah pada Real-time Video Menggunakan Metode Faster R-CNN,” Appl. Technol. Comput. Sci. J., vol. 3, no. 2, pp. 117–125, 2021, doi: 10.33086/atcsj.v3i2.1846.
Z. Zhao and A. Kumar, "Accurate periocular recognition under less constrained environment using semantics-assisted convolutional neural network," IEEE Transactions on Information Forensics and Security, vol. 12, no. 5, pp. 1017–1030, 2017.
Y. Omori, “Image Augmentation for Eye Contact Detection Based on Combination of Pre-trained Alex-Net CNN and SVM,” J. Comput., vol. 15, no. 3, pp. 85–97, 2020, doi: 10.17706/jcp.15.3.85-97.
D. Kurniawan, Belajar Pemrograman Web Dasar HTML, CSS dan Java Script Untuk Pemula. 2022.
F. N. Hasanah, Buku Ajar Rekayasa Perangkat Lunak. 2020. doi: 10.21070/2020/978-623-6833-89-6.
Downloads
Additional Files
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
