Perancangan Sistem Identifikasi Jenis Sampah Menggunakan Tensorflow Object Detection Dan Transfer Learning
DOI:
https://doi.org/10.25077/TEKNOSI.v10i1.2024.64-71Kata Kunci:
Identifikasi jenis sampah, transfer learning, TensorFlow Object DetectionAbstrak
Penanganan sampah menjadi tantangan utama dalam menjaga kebersihan dan kelestarian lingkungan. Identifikasi jenis sampah secara efisien sangat penting untuk meningkatkan pemilahan dan pengelolaan sampah. Penelitian ini berfokus pada penerapan teknologi deep learning menggunakan TensorFlow Object Detection API dan transfer learning untuk mengidentifikasi jenis sampah berdasarkan citra. Tujuan penelitian adalah mengembangkan model deep learning yang mampu mengidentifikasi sampah umum di Indonesia, serta mengevaluasi kinerjanya. Penelitian ini menggunakan TensorFlow Object Detection API dan transfer learning untuk melatih model identifikasi sampah dengan dataset yang telah dikumpulkan. Hasil penelitian menunjukkan tingkat akurasi yang tinggi dalam mengenali sampah seperti kaca, karton, kertas, logam, dan plastik. Dalam pengujian, model mencapai nilai Mean Average Precision (mAP) sebesar 0.858 dan Average Recall (AR) sebesar 0.91 pada data uji, dengan menggunakan nilai Intersection over Union (IoU) sebesar 0.841. Hasil ini menunjukkan kemampuan yang baik dalam mengenali dan membedakan jenis sampah. Penelitian ini berfokus pada Tempat Pengelolaan Sampah Nagari Tanjuang Gadang, yang mengalami peningkatan produksi sampah akibat pertumbuhan populasi dan urbanisasi. Infrastruktur yang tidak memadai dan pemilahan sampah manual yang masih dominan menimbulkan masalah lingkungan dan kesehatan. Dengan mengaplikasikan teknologi deep learning, penelitian ini mengusulkan solusi untuk meningkatkan efisiensi pengelolaan sampah dan mengurangi dampak negatif. Hasil penelitian ini diharapkan menjadi landasan bagi pengembangan sistem identifikasi jenis sampah yang lebih luas dan dapat diimplementasikan di berbagai fasilitas pengelolaan sampah, termasuk tempat pemilahan sampah di komunitas.Referensi
[1] F. Kaza S. ,. Yao, L. ,. Bhada-Tata, P. ,. &. Van Woerden, What a waste 2.0: a global snapshot of solid waste management to 2050. World Bank Publications, 2018. [2] V. Sudha S. ,. Vidhyalakshmi, M. ,. Pavithra, K. ,. Sangeetha, K. ,. &. Swaathi, “An automatic classification method for environment: Friendly waste segregation using deep learning,†IEEE, 2016, pp. 65–70. [3] H. Wang, “Garbage recognition and classification system based on convolutional neural network vgg16,†IEEE, 2020, pp. 252–255. [4] S. de Mello Soares C. T. ,. Ek, M. ,. Östmark, E. ,. Gällstedt, M. ,. &. Karlsson, “Recycling of multi-material multilayer plastic packaging: Current trends and future scenarios.,†Resources, conservation and recycling, p. 105905, 2022. [5] Z. Adedeji O. ,. &. Wang, “Intelligent waste classification system using deep learning convolutional neural network,†Procedia Manufacturing, pp. 607–612, 2019. [6] S. White G. ,. Cabrera, C. ,. Palade, A. ,. Li, F. ,. &. Clarke, “WasteNet: Waste classification at the edge for smart bins,†arXiv, 2020. [7] J. Song F. ,. Zhang, Y. ,. &. Zhang, “Optimization of CNN-based garbage classification model,†2020, pp. 1–5. [8] S. Longo E. ,. Sahin, F. A. ,. Redondi, A. E. ,. Bolzan, P. ,. Bianchini, M. ,. &. Maffei, “Take the trash out... to the edge. Creating a Smart Waste Bin based on 5G Multi-access Edge Computing,†2021, pp. 55–60. [9] P. Thanawala D. ,. Sarin, A. ,. &. Verma, “An approach to waste segregation and management using convolutional neural networks,†Springer Singapore, 2020, pp. 139–150. [10] M. T. Sheng T. J. ,. Islam, M. S. ,. Misran, N. ,. Baharuddin, M. H. ,. Arshad, H. ,. Islam, M. R. ,. .. .. .. &. Islam, “An internet of things based smart waste management system using LoRa and tensorflow deep learning model,†IEEE Access, pp. 148793–148811, 2020. [11] J. Bobulski and M. Kubanek, “Deep learning for plastic waste classification system,†Applied Computational Intelligence and Soft Computing, vol. 2021, pp. 1–7, 2021. [12] M. Malik et al., “Waste classification for sustainable development using image recognition with deep learning neural network models,†Sustainability, vol. 14, no. 12, p. 7222, 2022. [13] N. Ramsurrun, G. Suddul, S. Armoogum, and R. Foogooa, “Recyclable waste classification using computer vision and deep learning,†presented at the 2021 zooming innovation in consumer technologies conference (ZINC), IEEE, 2021, pp. 11–15. [14] P. H. Sunanto O. D. S. ,. &. Utomo, “Implementasi Deep Learning Dengan Convolutional Neural Network Untuk Klasifikasi Gambar Sampah Organik Dan Anorganik,†UNEJ e-Proceeding, pp. 373–382, 2022. [15] H. Kumar and A. Martin, “Artificial Emotional Intelligence: Conventional and deep learning approach,†Expert Systems with Applications, vol. 212, p. 118651, Feb. 2023, doi: 10.1016/j.eswa.2022.118651. [16] S. Kumar et al., “Deep learning framework for recognition of cattle using muzzle point image pattern,†Measurement, vol. 116, pp. 1–17, 2018. [17] M. Arsal, B. A. Wardijono, and D. Anggraini, “Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN,†J. Nas. Teknol. dan Sist. Inf, vol. 6, no. 1, pp. 55–63, 2020. [18] D. N. Melinte D. O. ,. Travediu, A. M. ,. &. Dumitriu, “Deep convolutional neural networks object detector for real-time waste identification,†Applied Sciences, p. 7301, 2020.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 