Optimalisasi Pemilahan Sampah Rumah Tangga berbasis Web menggunakan CNN ResNet101V2

Mohammad Angga Tri Pamanto, Sri Anardani, Muh Nur Luthfi Azis

Abstract


Permasalahan pengelolaan sampah rumah tangga semakin kompleks, terutama dalam hal pemilahan berdasarkan jenisnya yang masih belum optimal di masyarakat. Rendahnya kesadaran dan kurangnya dukungan teknologi menjadi kendala dalam pelaksanaan program daur ulang. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi gambar sampah rumah tangga berbasis web menggunakan metode Convolutional Neural Network (CNN) dengan model ResNet101V2. Dataset yang digunakan berasal dari platform Kaggle, terdiri dari 19.762 gambar sampah yang terbagi dalam 10 kategori. Proses pengolahan data meliputi augmentasi citra, normalisasi, serta pelatihan model dalam dua tahap: initial training dan fine-tuning. Sistem diimplementasikan dalam aplikasi web bernama EcoDetect yang memungkinkan pengguna melakukan klasifikasi sampah secara otomatis melalui unggahan gambar atau tangkapan kamera secara langsung. Evaluasi performa model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan mampu mengklasifikasikan gambar dengan akurasi hingga 95%. Penelitian ini menunjukkan bahwa penerapan CNN efektif dalam mengenali pola citra sampah rumah tangga dan berpotensi untuk diterapkan sebagai solusi teknologi berbasis AI dalam mendukung edukasi serta praktik daur ulang di masyarakat.

References


Kementerian Lingkungan Hidup dan Kehutanan, “Sistem Informasi Pengelolaan Sampah Nasional (SIPSN),” Kementerian Lingkungan Hidup dan Kehutanan. Accessed: Jul. 29, 2025. [Online]. Available: https://sipsn.menlhk.go.id/sipsn/

K. M. Sandi, A. P. Yudha, N. D. Aryanto, and M. A. Farabi, “Klasifikasi Sampah di Saluran Air Menggunakan Algortima CNN,” Indones. J. Data Sci., vol. 3, no. 2, pp. 72–81, Jul. 2022, doi: 10.56705/ijodas.v3i2.33.

M. E. Purba, A. Z. Situmorang, G. L. Br Ginting, M. W. P. Lubis, and F. M. Sinaga, “Klasifikasi Sampah Organik dan Anorganik Menggunakan Algoritma CNN,” J. Sifo Mikroskil, vol. 26, no. 1, pp. 37–54, Apr. 2025, doi: 10.55601/jsm.v26i1.1510.

A.-M. Al-Mamun, R. Hossain, M. M. M. Sharmin, E. Kabir, and M. A. Iqbal, “Garbage classification using convolutional neural networks (CNNs),” Mater. Sci. Eng. Int. J., vol. 7, no. 3, pp. 140–144, Jul. 2023, doi: 10.15406/mseij.2023.07.00217.

A. M. Al Farhan, “Identifikasi Jenis Jamur Menggunakan Convolutional Neural Network Dan Random Forest,” pp. 550–559, 2024, [Online]. Available: https://prosiding.unipma.ac.id/index.php/SENATIK/article/view/6129

I. Sholeh and D. A. Wiyono, “Model Klasifikasi Terumbu Karang Menggunakan Metode Convolutional Neural Network,” DoubleClick J. Comput. Inf. Technol., vol. 6, no. 2, p. 77, 2023, doi: 10.25273/doubleclick.v6i2.13901.

S. Kunwar, “Garbage Dataset.” Kaggle, 2024. doi: 10.34740/KAGGLE/DSV/10182596.

R. M. Zein, N. Effendy, E. Basuki, and N. Nopriadi, “A design of a brain tumor classifier of magnetic resonance imaging images using ResNet101V2 with hyperparameter tuning,” IAES Int. J. Artif. Intell., vol. 13, no. 3, p. 3141, Sep. 2024, doi: 10.11591/ijai.v13.i3.pp3141-3146.

Y. A. Fernandes and Y. Fatma, “METODE DEEP LEARNING DALAM TEKNOLOGI DEEPFAKE : SYSTEMATIC LITERATURE REVIEW,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 2, pp. 3403–3410, Apr. 2025, doi: 10.36040/jati.v9i2.12987.

D. Nishfi and C. Prianto, “Analisis Sentimen Layanan Jasa Pengiriman Pada Ulasan Play Store: Systematic Literature Review,” J. Inform. dan Teknol. Komput. ( J-ICOM), vol. 4, no. 2, pp. 87–98, Oct. 2023, doi: 10.55377/j-icom.v4i2.7718.

R. G. Guntara, “Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 5, no. 1, pp. 55–60, Feb. 2023, doi: 10.47233/jteksis.v5i1.750.

X. R. Lim, C. P. Lee, K. M. Lim, T. S. Ong, A. Alqahtani, and M. Ali, “Recent Advances in Traffic Sign Recognition: Approaches and Datasets,” Sensors, vol. 23, no. 10, p. 4674, May 2023, doi: 10.3390/s23104674.

F. Siva, S. M. U. Assegaf, S. A. Pahlevi, and M. A. Yaqin, “Survei Metode-Metode Software Development Life Cycle dengan Metode Systematic Literature Review,” Ilk. J. Comput. Sci. Appl. Informatics, vol. 5, no. 2, pp. 36–52, Aug. 2023, doi: 10.28926/ilkomnika.v5i2.447.

P. W. A. Wibawa and C. Pramartha, “Systematic Literature Review: Machine Learning Methods in Emotion Classification in Textual Data,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 12, no. 3, pp. 425–433, Nov. 2023, doi: 10.32736/sisfokom.v12i3.1787.

R. Saktriawindarta and K. Kusrini, “Metode Klasifikasi Tingkat Kematangan Buah dan Sayuran : Tinjauan Sistematis,” G-Tech J. Teknol. Terap., vol. 8, no. 4, pp. 2344–2354, Oct. 2024, doi: 10.70609/gtech.v8i4.5067.

F. Fotovvatikhah, I. Ahmedy, R. M. Noor, and M. U. Munir, “A Systematic Review of AI-Based Techniques for Automated Waste Classification,” Sensors, vol. 25, no. 10, p. 3181, May 2025, doi: 10.3390/s25103181.

E. L. Frannita, M. C. Hidayahtullah, and N. Putri, “IMPLEMENTATION OF ARTIFICIAL INTELLIGENCE ON THE DEVELOPMENT OF AUTOMATIC LEATHER PRODUCT INDUSTRIAL WASTE DETECTION SYSTEM,” Berk. Penelit. Teknol. Kulit, Sepatu, dan Prod. Kulit, vol. 21, no. 2, pp. 184–195, Dec. 2024, doi: 10.58533/bggd2f46.

O. V. Putra, A. Musthafa, M. Nur, and M. Rido, “Classification of Calligraphy Writing Types Using Convolutional Neural Network Method (CNN),” Procedia Eng. Life Sci., vol. 2, Nov. 2021, doi: 10.21070/pels.v2i0.1136.

D. K. Ningrum and A. M. Ismawardi, “EFEKTIVITAS ALGORITMA KECERDASAN BUATAN DALAM IMPLEMENTASI KESEHATAN MENTAL,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 1, pp. 689–698, Dec. 2024, doi: 10.36040/jati.v9i1.12457.

M. Koo and S.-W. Yang, “Likert-Type Scale,” Encyclopedia, vol. 5, no. 1, p. 18, Feb. 2025, doi: 10.3390/encyclopedia5010018.


Refbacks

  • There are currently no refbacks.



 
PANDUAN SUBMITE ARTIKEL
 


Kantor Sekertariat:
Universitas PGRI Madiun
Jl. Auri No. 14-16  Kota Madiun 63118
Lt 3 Kantor Program Studi Teknik Informatika
email :  [email protected]
 
 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.