IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI LIMBAH PADAT BERBASIS CITRA DIGITAL

Abstract

Selama periode Abad Pertengahan, limbah padat meningkat sangat besar sebagai akibat dari peningkatan populasi. Daur ulang menjadi bagian penting dari budaya sosial ekonomi di seluruh dunia. Untuk mengotomatiskan proses daur ulang, sangat penting untuk mengusulkan sistem cerdas untuk mendeteksi komponen limbah dengan benar. Penelitian ini bertujuan untuk mengimplementasikan Convolutional Neural Network untuk klasifikasi limbah padat berbasis citra digital ke dalam enam kelas yaitu kaca, kertas, kardus, plastik, logam, dan sampah. Citra yang diproses berukuran 56 x 56 piksel dengan channel RGB. Tahap preprocessing yang dilakukan adalah pengubahan ukuran citra. Arsitektur CNN yang digunakan terdiri atas 3 blok dengan masing-masing blok berisi batch normalization layer, convolutional layer, maxpooling layer, dan dropout. Hasil evaluasi model dengan 2021 data latih dan 506 data uji menunjukkan akurasi terbaik dengan kombinasi parameter pelatihan learning rate 0,001, nilai rasio kehilangan dropout 0,1 pada pooling layer, 0,25 pada fully connected layer, penggunaan augmentasi pada data latih, serta penggunaan jenis maxpooling pada pooling layer. Implementasi Convolutional Neural Network (CNN) untuk klasifikasi limbah padat berbasis citra digital menunjukkan akurasi terbaik sebesar 84,39%. Kata kunci : Limbah Padat, Citra, Deep Learning, Convolutional Neural Network