Keywords
klasifikasi sampah
sampah organik
sampah anorganik
How to Cite
Abstract
Permasalahan pengelolaan sampah yang semakin kompleks menuntut solusi inovatif, terutama dalam pemilahan otomatis anatara berbagai jenis sampah. Penelitian ini bertujuan mengembangkan sistem klasifikasi sampah menggunakan metode Convolutional Neural Network (CNN). CNN dipilih karena kemampuannya dalam mengenali pola visual dari citra sampah berdasarkan fitur seperti bentuk, warna, dan tekstur. Dataset yang digunakan terdiri dari lima kelas utama dan berjumlah 1.200 gambar yang telah melalui proses pra-pemrosesan. Hasil pengujian menunjukkan bahwa model CNN mencapai akurasi klasifikasi sebesar 93,9%. Temuan ini membuktikan bahwa CNN efektif sebagai solusi pendukung dalam proses pemilahan sampah otomatis serta berpotensi diintegrasikan ke dalam teknologi pemilah sampah otomatis demi mendukung pengelolaan limbah yang lebih efisien dan ramah lingkungan.
References
[1] M. Muslihati, S. Sahibu, dan I. Taufik, “Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Sampah Organik dan Non Organik,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 3, hlm. 840–852, Mei 2024, doi: 10.57152/malcom.v4i3.1346.
[2] A. N. Sihananto, M. M. Al Haromainy, dan A. P. Sari, “Pemilahan Jenis Sampah Menggunakan Algoritma Cnn,” Scan : Jurnal Teknologi Informasi dan Komunikasi, vol. 17, no. 3, 2023, doi: 10.33005/scan.v17i3.3523.
[3] R. Adelia, N. Khairunisa, dan R. Zulfiqri, “Implementasi Convolutional Neural Network (Cnn) Dalam Mendeteksi Sampah Organik, Plastik, Dan Kertas,” JUTIM (Jurnal Teknik Informatika Musirawas), vol. 9, no. 1, hlm. 29–37, 2024, doi: 10.32767/jutim.v9i1.2233.
[4] K. J. Pratama dan I. N. Fajri, “Sistem Informasi dan Klasifikasi Limbah Makanan Berbasis Website dengan Menggunakan Metode CNN,” JuTI “Jurnal Teknologi Informasi,” vol. 3, no. 2, hlm. 123, Feb 2025, doi: 10.26798/juti.v3i2.1854.
[5] M. E. Purba dkk., “Klasifikasi Sampah Organik dan Anorganik Menggunakan Algoritma CNN,” vol. 26, no. 1, hlm. 37–54, Apr 2025, doi: https://doi.org/10.55601/jsm.v26i1.1510.
[6] D. Sadida Aulia, H. Arwoko, dan E. Asmawati, “Klasifikasi Sampah Rumah Tangga Menggunakan Metode Convolutional Neural Network,” METIK JURNAL, vol. 8, no. 2, hlm. 114–120, Des 2024, doi: 10.47002/metik.v8i2.956.
[7] K. N. Anggraeni, “Penerapan Convolutional Neural Network (CNN) untuk Klasifikasi Sampah dan Optimalisasi Sistem Penukaran Sampah,” JIMU: Jurnal Ilmiah Multi Disiplin, vol. 02, no. 03, hlm. 3031–9498, 2024, doi: https://doi.org/10.70294/jimu.v2i03.405.
[8] R. Permana, H. Saldu, dan D. I. Maulana, “Optimasi Image Classification Pada Jenis Sampah Dengan Data Augmentation Dan Convolutional Neural Network,” Jurnal Sistem Informasi dan Informatika (Simika), vol. 5, no. 2, hlm. 111–120, 2022, doi: 10.47080/simika.v5i2.1913.
[9] S. , R. R. , & S. H. Stephen, “APLIKASI CONVOLUTION NEURAL NETWORK UNTUK MENDETEKSI,” Explore: Jurnal Sistem Informasi dan Telematika, vol. 10(2), hlm. 122–130, 2019, doi: 10.36448/jsit.v10i2.1314.
[10] S. , & S. B. N. Alden, “Implementasi Algoritma CNN Untuk Pemilahan Jenis Sampah Berbasis Android Dengan Metode CRISP-DM ,” Jurnal Informatika, vol. 10 (1), 62–71, 2023.
[11] A. Ibnul Rasidi, Y. A. H. Pasaribu, A. Ziqri, dan F. D. Adhinata, “Klasifikasi Sampah Organik dan Non-Organik Menggunakan Convolutional Neural Network,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 1, hlm. 142–149, 2022, doi: 10.28932/jutisi.v8i1.4314.
[12] A. R. , W. M. Y. , & F. Fahcruroji, “IMPLEMENTASI ALGORITMA CNN MOBILENET UNTUK KLASIFIKASI GAMBAR SAMPAH DI BANK SAMPAH PROGRAM STUDI MATEMATIKA,” 2024. doi: https://doi.org/10.30656/prosisko.v11i1.8101.
[13] M. H. Zayd, M. W. Oktavian, D. G. T. Meranggi, J. A. Figo, dan N. Yudistira, “Improvement of garbage classification using pretrained Convolutional Neural Network,” Teknologi, vol. 12, no. 1, hlm. 1–8, 2022, doi: 10.26594/teknologi.v12i1.2403.
[14] A. Ristyawan, A. Nugroho, dan T. K. Amarya, “Optimasi Preprocessing Model Random Forest Untuk Prediksi Stroke,” vol. 12, no. 1, Mar 2025, doi: https://doi.org/10.35957/jatisi.v12i1.9587.
[15] Rima Dias Ramadhani, A. Nur Aziz Thohari, C. Kartiko, A. Junaidi, T. Ginanjar Laksana, dan N. Alim Setya Nugraha, “Optimasi Akurasi Metode Convolutional Neural Network untuk Identifikasi Jenis Sampah,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 2, hlm. 312–318, 2021, doi: 10.29207/resti.v5i2.2754.
[16] A. Peryanto, A. Yudhana, dan R. Umar, “Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation,” Journal of Applied Informatics and Computing, vol. 4, no. 1, hlm. 45–51, Mei 2020, doi: 10.30871/jaic.v4i1.2017.
[17] T. Muhamad Hafiez, D. Iskandar, A. Wiranata S.K, dan R. Fitri Boangmanalu, “Optimasi Klasifikasi Gambar Varietas Jenis Tomat dengan Data Augmentation dan Convolutional Neural Network,” Smart Comp: Jurnalnya Orang Pintar Komputer, vol. 11, no. 2, hlm. 175–186, Apr 2022, doi: 10.30591/smartcomp.v11i2.3524.
[18] K. L. Kohsasih, M. D. Agung Rizky, T. Fahriyani, V. Wijaya, dan R. Rosnelly, “Analisis Perbandingan Algoritma Convolutional Neural Network Dan Algoritma Multi-Layer Perceptron Neural Dalam Klasifikasi Citra Sampah,” Jurnal TIMES, vol. 10, no. 2, hlm. 22–28, 2022, doi: 10.51351/jtm.10.2.2021655.
[19] Z. I. Nugraha, Arnita, Kana Saputra S, A. Setiawan, R. Maharani, dan 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, hlm. 90–101, Jan 2025, doi: 10.36595/misi.v8i1.1355.
[20] R. Nurhartanto, “Garbage Classification (5 Classes) 97.5% / 0.097,” Kaggle, Jun. 2023.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Tia Novita Sari, Meri Puspita Sari, Thisya Aisyah Putri, Ryanveno Pashya