Implementasi Fine-Tuning MobileNetV2 untuk Klasifikasi Sampah Organik dan Anorganik Berbasis Android
DOI:
https://doi.org/10.29407/kz3va981Abstract
Proses pemilahan sampah yang masih dilakukan secara manual sering menyebabkan pengelolaan sampah menjadi kurang efektif dan membutuhkan waktu yang relatif lama. Kondisi tersebut mendorong pemanfaatan teknologi berbasis Artificial Intelligence untuk membantu proses klasifikasi sampah secara otomatis. Penelitian ini mengembangkan sistem klasifikasi sampah organik dan anorganik berbasis Android menggunakan arsitektur MobileNetV2 dengan pendekatan fine-tuning. Dataset penelitian terdiri dari 400 citra yang diperoleh menggunakan kamera smartphone pada berbagai kondisi lingkungan dan pencahayaan. Tahapan penelitian meliputi preprocessing citra, pelatihan model menggunakan transfer learning, konversi model TensorFlow Lite, serta implementasi pada perangkat Android. Berdasarkan hasil pengujian, sistem mampu melakukan klasifikasi secara real-time dengan confidence score yang stabil pada rentang 91% hingga 94%. Implementasi MobileNetV2 menunjukkan bahwa model lightweight dapat digunakan untuk mendukung sistem klasifikasi sampah berbasis mobile dengan kebutuhan komputasi yang efisien.
Keywords:
Android, Fine-Tuning, Klasifikasi Sampah, MobileNetV2, TensorFlow Lite##plugins.themes.default.displayStats.downloads##
References
[1] M. Farhan Aditiya, D. I. Shafa, and A. H. Lubis, “Analisis Kinerja Convolutional Neural
Network dalam Mengklasifikasikan Sampah Rumah Tangga,” REMIK: Riset dan EJurnal Manajemen Informatika Komputer, vol. 10, no. 2, pp. 553–561, Apr. 2026, doi:
10.33395/REMIK.V10I2.16078.
[2] M. E. Purba, A. Z. Situmorang, G. L. B. Ginting, M. W. P. Lubis, and F. M. Sinaga,
“Klasifikasi Sampah Organik dan Anorganik Menggunakan Algoritma CNN,” Jurnal
Sifo Mikroskil, vol. 26, no. 1, pp. 37–54, Apr. 2025, doi: 10.55601/JSM.V26I1.1510.
[3] A. I. 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. 142-149–142 – 149, Apr.
2022, doi: 10.28932/JUTISI.V8I1.4314.
[4] L. Rahmawati, S. Defianti, and U. S. Karawang, “Klasifikasi Jenis Sampah
Menggunakan Convolutional Neural Network untuk Mendukung Pengelolaan Limbah,”
Jurnal Janitra Informatika dan Sistem Informasi, vol. 6, no. 1, pp. 61–68, Apr. 2026,
doi: 10.59395/EXAXYJ37.
[5] Z. I. Nugraha, Arnita, K. S. S, A. Setiawan, R. Maharani, and F. Zaharani, “Implementasi
Algoritma CNN dalam Pengembangan Website untuk Klasifikasi Sampah Organik, dan
Non-Organik,” Jurnal Manajemen Informatika dan Sistem Informasi, vol. 8, no. 1, pp.
90–101, Jan. 2025, doi: 10.36595/MISI.V8I1.1355.
[6] V. Ayumi, “Deep Learning-Based Multi-Class Waste Classification Using the VGG16
Model,” JSAI (Journal Scientific and Applied Informatics), vol. 9, no. 1, pp. 126–131,
Jan. 2026, doi: 10.36085/JSAI.V9I1.9880.
[7] A. M. Simarmata, P. Salim, N. J. Waruwu, and J. Jessica, “Densenet Architecture
Implementation for Organic and Non-Organic Waste,” Sinkron : jurnal dan penelitian
teknik informatika, vol. 7, no. 4, pp. 2444–2449, Oct. 2023, doi:
10.33395/SINKRON.V8I4.12765.
[8] M. Rahina, B. Pambayun, and Y. Azhar, “Implementasi Data Augmentation untuk
Klasifikasi Sampah Organik dan Non Organik Menggunakan Inception-V3,” JISKA
(Jurnal Informatika Sunan Kalijaga), vol. 9, no. 3, pp. 192–204, Sep. 2024, doi:
10.14421/jiska.2024.9.3.192-204.
[9] A. Ikhlas and B. Hendrik, “Literature Review: A Comparative Study of Waste
Classification using Deep Learning Algorithms,” Sistemasi: Jurnal Sistem Informasi, vol.
14, no. 3, pp. 1360–1369, May 2025, doi: 10.32520/STMSI.V14I3.5163.
[10] A. D. Pritama, V. S. Kusuma, W. M. Baihaqi, and P. Subarkah, “Enhancing Waste
Classification with MobileNetV2: Adding a Plastic Sachets Class for Sustainable
Management,” Edu Komputika Journal, vol. 12, no. 1, pp. 13–20, Aug. 2025, doi:
10.15294/EDUKOM.V12I1.18931.
[11] D. I. S. H. Julu and D. Nurdiyah, “Klasifikasi Sampah Organik dan Non Organik
Menggunakan Transfer Learning,” Jurnal Transformatika, vol. 23, no. 1, pp. 12–29, Jul.
2025, doi: 10.26623/TRANSFORMATIKA.V23I1.12201.
[12] S. E. Thio and J. Susilo, “Identifikasi Pemilahan Sampah Berbasis Algoritma Transfer
Learning CNN Menggunakan MobileNetV2 dan EfficientNetB0,” bit-Tech, vol. 8, no.
1, pp. 25–32, Aug. 2025, doi: 10.32877/BT.V8I1.1900.
[13] N. Farros et al., “Perbandingan Akurasi dan Performa MobileNetV2 dan EfficientNetV2
Untuk Klasifikasi Sampah,” JUSTIN (Jurnal Sistem dan Teknologi Informasi), vol. 14,
no. 1, pp. 16–22, Jan. 2026, doi: 10.26418/JUSTIN.V14I1.89086.
[14] D. Y. Prakosa, R. Oktavian, and A. P. Kardana, “Klasifikasi Citra Sampah Daur Ulang
Menggunakan Arsitektur MobileNetV2 dengan Strategi Fine-Tuning,” Journal of
Information System and Application Development, vol. 4, no. 1, pp. 169–174, Mar. 2026,
doi: 10.26905/JISAD.V4I1.16740.
[15] A. Marzuki, A. Zaky, B. Handoko, D. Q. Mustieni, and N. Risyadi, “IoT-Based Reverse
Vending Machine with Deep Learning for Bottle Waste Management,” bit-Tech, vol. 8,
no. 2, pp. 1995–2003, Dec. 2025, doi: 10.32877/BT.V8I2.3183.
[16] A. Asmawati, Y. Kurniawan, and R. N. Fadilah, “Efisiensi Pemilahan Sampah Daur
Ulang Menggunakan Model CNN SSDMobileNet V2,” ICIT Journal, vol. 11, no. 2, pp.
197–208, Aug. 2025, doi: 10.33050/ICIT.V11I2.3939.
[17] E. Rumayar, Q. C. Kainde, and K. Santa, “Aplikasi Pendeteksi dan Pengklasifikasi
Sampah Berbasis Android Menggunakan Algoritma SSD MobileNetV2,” TIN: Terapan
Informatika Nusantara, vol. 6, no. 5, pp. 554–566, Oct. 2025, doi:
10.47065/TIN.V6I5.8453.
[18] D. A. Rismayadi and M. A. Muharam, “Pemanfaatan Machine Learning untuk
Optimalisasi Limbah dengan Model MOBILENETV2 pada Aplikasi Android,”
Naratif J. Nas. Riset, Apl. dan Tek. Inform., vol. 6, no. 1, pp. 72–78, Jul. 2024, doi:
10.53580/NARATIF.V6I1.289.
[19] R. Albana and H. Siregar, “Rancang Bangun Aplikasi Edukasi Pemilahan Sampah
‘Pilahin’ Berbasis Android Menggunakan Kotlin,” Jurnal Komputer Teknologi
Informasi Sistem Komputer (JUKTISI), vol. 4, no. 3, pp. 2038–2048, Jan. 2026, doi:
10.62712/JUKTISI.V4I3.792.
[20] A. Toyib, N. Wahid, F. Ghozy Affifudin, M. Aditya, and D. Muriyatmoko,
“Implementasi Arsitektur MobileNetV2 untuk Klasifikasi Sampah Organik dan
Anorganik Berbasis Android,” Seminar Nasional Teknologi & Sains, vol. 5, no. 1, pp.
907–913, Jan. 2026, doi: 10.29407/HBY4ZX45.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
