IMPLEMENTASI COMPUTER VISION UNTUK KLASIFIKASI JENIS SAMPAH ORGANIK DAN NON-ORGANIK MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Sampah organik dan non-organik merupakan dua jenis sampah yang perlu dipilah dengan baik untuk mendukung pengelolaan lingkungan yang efektif. Namun, proses pemilahan sampah secara manual masih menghadapi berbagai kendala, seperti keterbatasan tenaga kerja, waktu, serta ketidakkonsistenan dalam mengidentifikasi jenis sampah. Penelitian ini bertujuan mengimplementasikan metode Computer Vision menggunakan algoritma Convolutional Neural Network (CNN) untuk mengklasifikasikan citra sampah ke dalam kategori organik dan non-organik secara otomatis. Metode yang digunakan meliputi pengumpulan dataset citra sampah, tahap pra-pemrosesan citra, pelatihan model CNN berbasis Transfer Learning MobileNetV2, serta evaluasi kinerja menggunakan K-Fold Cross Validation. Hasil pengujian menunjukkan bahwa model mampu mengenali dan mengklasifikasikan kedua kategori sampah dengan baik. Berdasarkan evaluasi 5 fold, model memperoleh akurasi tertinggi sebesar 78,75%, sensitivitas sebesar 72,50%, dan spesifisitas sebesar 85,00%. Hasil tersebut menunjukkan bahwa metode CNN mampu mengekstraksi fitur visual secara efektif dan berpotensi digunakan sebagai sistem pendukung pemilahan sampah otomatis untuk meningkatkan efisiensi pengelolaan sampah