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
Downloads
References
Aziz, R., Dewilda, Y., & Putri, B. E. (2020). KAJIAN AWAL PENGOLAHAN SAMPAH KAWASAN WISATA PANTAI CAROCOK KOTA PAINAN. Jurnal Sains dan Teknologi: Jurnal Keilmuan dan Aplikasi Teknologi Industri, 20(1), 77. https://doi.org/10.36275/stsp.v20i1.244
Hasma, Y. A., & Silfianti, W. (2018). IMPLEMENTASI DEEP LEARNING MENGGUNAKAN FRAMEWORK TENSORFLOW DENGAN METODE FASTER REGIONAL CONVOLUTIONAL NEURAL NETWORK UNTUK PENDETEKSIAN JERAWAT. Jurnal Ilmiah Teknologi dan Rekayasa, 23(2), 89–102. https://doi.org/10.35760/tr.2018.v23i2.2459
Leonardo, L., Yohannes, Y., & Hartati, E. (2020). Klasifikasi Sampah Daur Ulang Menggunakan Support Vector Machine Dengan Fitur Local Binary Pattern. Jurnal Algoritme, 1(1), 78–90. https://doi.org/10.35957/algoritme.v1i1.440
Manajang, D., Sompie, S. R. U. A., & Jacobus, A. (2021). Implementasi Framework Tensorflow Object Detection API Dalam Mengklasifikasi Jenis Kendaraan Bermotor. Jurnal Teknik Informatika, 15(3), Article 3. https://doi.org/10.35793/jti.15.3.2020.29775
Megawan, S., & Lestari, W. S. (2020). Deteksi Spoofing Wajah Menggunakan Faster R-CNN dengan Arsitektur Resnet50 pada Video. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 9(3), Article 3. https://doi.org/10.22146/.v9i3.231
Nando, M., Setianingsih, C., & Hasibuan, F. C. (2021). SISTEM PENGENALAN WAJAH UNTUK KENDALI BERBASIS PERILAKU PENGGUNA PADA SMART HOME DENGAN ALGORITMA FASTER R-CNN. 2021-12-14, 7.
Naufal, M. F. (2021). Analisis Perbandingan Algoritma SVM, KNN, dan CNN untuk Klasifikasi Citra Cuaca. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(2), 311. https://doi.org/10.25126/jtiik.2021824553
Peryanto, A., Yudhana, A., & Umar, R. (2020). Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation. Journal of Applied Informatics and Computing, 4(1), 45–51. https://doi.org/10.30871/jaic.v4i1.
Pratama, R. R. (2020). Analisis Model Machine Learning Terhadap Pengenalan Aktifitas Manusia. MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 19(2), 302–311. https://doi.org/10.30812/matrik.v19i2.688
Putra, J. wira G. (2020). Pengenalan konsep pembelajaran mesin dan deep learning.
Qodriyatun, S. N. (n.d.). SAMPAH PLASTIK: DAMPAKNYA TERHADAP PARIWISATA DAN SOLUSI.
Rima Dias Ramadhani, Nur Aziz Thohari, A., Kartiko, C., Junaidi, A., Ginanjar Laksana, T., & Alim Setya Nugraha, N. (2021). Optimasi Akurasi Metode Convolutional Neural Network untuk Identifikasi Jenis Sampah. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(2), 312–318. https://doi.org/10.29207/resti.v5i2.2754
Sarbona, B. F., Prasasti, A. L., & Saputra, M. A. (2021). SISTEM INSPEKSI VISUAL UNTUK MENDETEKSI CACAT PADA SEL BATERAI MENGGUNAKAN FASTER R-CNN. 8.
SIPSN - Sistem Informasi Pengelolaan Sampah Nasional. (n.d.). Retrieved December 22, 2022, from https://sipsn.menlhk.go.id/sipsn/public/data/timbulan
Stephen Stephen, Raymond Raymond, & Handri Santoso. (2019). Aplikasi Convolution Neural Network Untuk Mendeteksi Jenis-jenis Sampah. Explore: Jurnal Sistem Informasi Dan Telematika, 10(2). https://doi.org/10.36448/jsit.v10i2.1319
Sunario Megawan & Wulan Sri Lestari. (2020). Deteksi Spoofing Wajah Menggunakan Faster R-CNN dengan Arsitektur Resnet50 pada Video. Jurnal Nasional Teknik Elektro dan Teknologi Informasi, 9(3), 261–267. https://doi.org/10.22146/.v9i3.231
Timang, N. Y., & Rachman, T. (2019). ANALISA KESADARAN MASYARAKAT TENTANG DAMPAK SAMPAH TERHADAP PENCEMARAN PANTAI LOSARI.
Wang, H. (2020). Garbage Recognition and Classification System Based on Convolutional Neural Network VGG16. 2020 3rd International Conference on Advanced Electronic Materials, Computers and Software Engineering (AEMCSE), 252–255. https://doi.org/10.1109/AEMCSE50948.2020.00061
JISTI
