Implementasi Convolutional Neural Network Pada Sistem Klasifikasi Gambar Sampah Berbasis Website

Penelitian ini berfokus pada permasalahan pengelolaan sampah yang disebabkan karena kurangnya kesadaran masyarakat. Jumlah sampah di Indonesia mengalami peningkatan yang signifikan setiap harinya, menyebabkan terganggunya kenyamanan lingkungan, terutama di daerah tempat tinggal. Penerapan pembelajaran mesin diusulkan sebagai solusi atas permasalahan tersebut. Salah satu algoritma pembelajaran mendalam yaitu Convolutional Neural Network (CNN) sebagai metode klasifikasi gambar untuk memilah sampah organik dan non-organik. Dua dataset yang digunakan adalah dataset TACO dan data sampah, keduanya diperoleh dari situs web Kaggle. Dataset ini berjumlah 15.600 data gambar yang telah dibersihkan, ditambah dengan 100 data gambar tambahan yang dikumpulkan dari lapangan untuk pengujian model. Setelah melalui tahapan training, Model CNN mendapatkan akurasi sebesar 89,90% dengan skor validation training sebesar 96,05% pada data hasil training dengan menggunakan optimizer terbaik dari hasil penelitian, yaitu RMSprop dan model CNN yang mencakup 11 hidden layer. Ketika model diuji dengan data test dari Kaggle, model CNN mendapatkan tingkat akurasi sebesar 93.7% dan 82% untuk data pengujian dengan data dari lapangan yang diambil menggunakan kamera handphone, dan 52% untuk data lapangan yang diambil menggunakan kamera laptop. Model CNN terbaik kemudian diintegrasikan ke dalam sebuah website yang dikembangkan dengan Rapid Application Development (RAD). Dengan adanya website ini, diharapkan masyarakat akan lebih sadar akan keberadaan sampah di lingkungan dan memilah sampah sebelum membuangnya pada tempat sampah