Identifikasi Sampah Plastik Menggunakan Algoritma Deep Learning

Abstract

Masalah sampah plastik masih belum terselesaikan secara optimal hingga saat ini. Jumlah sampah yang dihasilkan oleh kegiatan manusia terus meningkat sejalan dengan  jumah penduduk yang terus bertambah. Sampah plastik menjadi salah satu jenis sampah yang sulit didaur ulang, terutama jika tercampur dengan sampah lainnya. Agar proses daur ulang menjadi lebih mudah, diperlukan pemilahan sampah berdasarkan jenisnya. Oleh karena itu, sebuah solusi yang bisa diimplementasikan adalah merancang sistem yang menggunakan pendekatan deep learning untuk mendeteksi jenis sampah plastik, berat sampah dan informasi lokasi sampah tersebut. Faster R-CNN merupakan algoritma deteksi objek yang masuk kedalam bidang computer vision berbasis jaringan konvolusi yang dapat digunakan untuk mengindentifikasi sebuah objek. Adapun hasil penelitian yang diperoleh, nilai akurasi sistem yang didapatkan dalam mengidentifikasi botol plastik sebesar 96,3%, gelas plastik 100%, sendok 84,2%, styrofoam 100%, dan undefined 100% sehingga total akurasi sistem yang didapatkan dari 5 objek sebesar 96,3%. Selain itu, sistem juga mampu menampilkan hasil estimasi berat dari objek yang dideteksi sesuai dengan parameter inputan basis data