Klasifikasi Sampah Logam Dan Plastik Berbasis Raspberry Pi Dengan Metode Convolution Neural Network

Ahmad Rahman; Ahmad Fauzi; Jamaludin Indra

Ahmad Afifur Rahman Universitas Buana Perjuangan Karawang
Ahmad Fauzi Universitas Buana Perjuangan Karawang
Jamaludin Indra Universitas Buana Perjuangan Karawang

Keywords: Convolution Neural Network, Raspberry Pi, Sampah

Abstract

Hasil Susenas menunjukkan hanya 1,2 persen rumah tangga melakukan daur ulang sampah. Permasalahan tersebut dapat diatasi dengan peran teknologi yaitu dengan membuat alat yang dapat mengklasifikasikan jenis sampah. Raspberry pi mengklasifikasikan sampah bekas minuman kemasan logam, plastik dan other. Gambar dari pi camera diproses pada raspberry pi untuk mengetahui jenis sampah logam, plastik dan other. Pada proses klasifikasi terdapat 2 tahapan yaitu train model dan predict. Proses klasifikasi menggunakan metode cnn. Train model adalah proses pelathihan model untuk mengenal sampah. Hasil proses training dengan 20 kali epoch diperoleh hasil nilai akurasi training 0.9866. Dari model yang sudah ditraining dilakukan proses prediksi untuk melakukan klasifikasi sampah. Dari 20 kali percobaan diperoleh rata-rata akurasi pengujian model 81,387 %.

References

[1] Kurniaty, Y., Nararaya, W. H. B., Turawan, R. N., & Nurmuhamad, F. (2016). Mengefektifkan Pemisahan Jenis Sampah Sebagai Upaya Pengelolaan Sampah Terpadu Di Kota Magelang. Varia Justicia, 12(1), 135-150.
[2] Kemenkeu, “Media Keuangan,” Kemenkeu, vol. 8, no. 14, p. 002, 2019.
[3] Abdurrahman, I. R., Yolanda, A. H. P., Afzal, Z., Faisal, D. A. (2022). Klasifikasi Sampah Organik dan Non-Organik Menggunakan Convolutional Neural Network.
[4] Irfan, N. P., Tatang, R., Tohirin, A. M. (2020). Pengenalan Sampah Plastik Dengan Model Convolution Neural Network.
[5] Stephen, Raymond, Handri, S. (2019). Aplikasi Convolution Neural Network Untuk Mendeteksi Jenis-Jenis Sampah.
[6] Rima, D. R., Afandi, N. A. T., Condro, K., April, J., Tri, G. L., Novanda, A. S. N. (2021). Optimasi Akurasi Metode Convolution Neural Network Untuk Identifikasi Jenis Sampah.
[7] Indra, A., Faisal, H., M. Khairul, A. R. (2020). Pre-Diagnosis Gangguan Ginjal Melalui Citra Iris Mata Menggunakan Raspberry Pi Dengan Metode Convolutional Neural Network (CNN).