Klasifikasi Jenis Sampah Berbasis Convolutional Neural Network dengan Optimasi Hyperparameter Tuning Arsitektur Mobilenet
Keywords:
Convolutional Neural Network (CNN), Computational Efficiency, Hyperparameter Tuning, MobileNet, Waste ManagementAbstract
Waste management in Indonesia faces significant challenges with an increasing volume reaching approximately 175,000 tons per day. Public awareness of the dangers associated with improper waste disposal remains low, as many continue to litter indiscriminately. Waste sorting is the most effective method, involving separation based on waste types. Manual waste sorting is nonetheless inefficient, as it requires large spaces, substantial labor, and is prone to errors. This study aims to develop a waste classification model based on Convolutional Neural Network (CNN) with hyperparameter tuning optimization for the MobileNet architecture. The research adopts the Cross-Industry Standard Process for Data Mining (CRISP-DM) methodology and utilizes datasets from three waste categories organic, inorganic, and hazardous and toxic materials (B3) sourced from open Kaggle datasets. Model training was conducted using the MobileNet architecture with hyperparameter tuning optimization and resulting in optimal parameters Adam optimizer, learning rate of 0.01, batch size of 32, and 256 neurons. The results show that the model achieved 96% accuracy before optimization which increased by 2% to 98% after optimization. The model demonstrated high computational efficiency with the number of floating-point operations per second reaching 1.146 GFLOPS.
References
Andini, E., Reza Faisal, M., Herteno, R., Adi Nugroho, R., & Abadi, F. (2022). Peningkatan Kinerja Prediksi Cacat Software Dengan Hyperparameter Tuning Pada Algoritma Klasifikasi Deep Forest. In Jurnal MNEMONIC (Vol. 5, Issue 2). https://github.com/bharlow058/AEEEM-and-other-
Bitra, M., & Dewi, C. (2024). Penggunaan YOLOv8 untuk Deteksi Penyakit Daun Kopi (Vol. 5, Issue 4).
Bustamin, A., Zaman, B., Khusnul Hakim, F., Teknik Gowa, K., Poros Malino, J. K., Bontomarannu, K., Kharisma Makassar, S., Baji Ateka No, J., Mappakasunggu, B., Mamajang, K., & Makassar, K. (2023). Sistem Multi Klasifikasi Sampah Anorganik dengan Menggunakan Transfer Learning (Vol. 8, Issue 1). http://journal.uinalauddin.ac.id/index.php/insypro
Dacipta, P. N., & Putra, R. E. (2022). Sistem Klasifikasi Limbah Menggunakan Metode Convolutional Neural Network (CNN) Pada Web Service Berbasis Framework Flask. Journal of Informatics and Computer Science, 03.
Dewi, S., Ramadhani, F., & Djasmayena, S. (2024). Klasifikasi Jenis Jerawat Berdasarkan Gambar Menggunakan Algoritma CNN (Convolutional Neural Network). Hello World Jurnal Ilmu Komputer, 3(2), 68–73. https://doi.org/10.56211/helloworld.v3i2.518
Eva Sari Nainggolan, C., Nasir, M., Udariansyah, D., Informatika, T., Bina Darma, U., Jenderal Ahmad Yani No, J., Seberang Ulu, K. I., & Selatan, S. (2024). Perbandingan Klasifikasi Jenis Sampah Menggunakan Convolutional Neural Network Dengan Arsitektur ResNet18 dan ResNet50 The Classification Comparison of Waste Type Using Convolutional Neural Network by Resnet18 and Resnet50 Architecture. 16(1), 76. https://doi.org/10.22303/csrid.1.1.2022.01-10
Fattah, A. M. M., Voutama, A., Heryana, N., & Sulistiyowati, N. (2022). Pengembangan Model Machine Learning Regresi sebagai Web Service untuk Prediksi Harga Pembelian Mobil dengan Metode CRISP-DM. JURIKOM (Jurnal Riset Komputer), 9(5), 1669. https://doi.org/10.30865/jurikom.v9i5.5021
Fiqih, M. N., Syaiful, S., & Aminda, R. S. (2023). Penempatan Bak Sampah Organik, Anorganik, dan B3 dengan Konsep Go Green Perumahan Budi Agung RW 03 / RT 05. Jurnal Pengabdian Masyarakat UIKA Jaya: SINKRON, 1(2), 71. https://doi.org/10.32832/jpmuj.v1i2.1907
Halim, G. J. (2023). Rancang Bangun Smart Engine Untuk Mendeteksi Jenis Biji Kopi Dengan Menerapkan Model Convolutional Neural Network. Jurnal Sistem Informasi Dan Ilmu Komputer, 1(3), 61–72. https://doi.org/10.59581/jusiik-widyakarya.v1i3.910
Ibnul Rasidi, A., Pasaribu, Y. A. H., Ziqri, A., & Adhinata, F. D. (2022). Klasifikasi Sampah Organik dan Non-Organik Menggunakan Convolutional Neural Network. Jurnal Teknik Informatika Dan Sistem Informasi, 8(1). https://doi.org/10.28932/jutisi.v8i1.4314
Julia Lingga, L., Yuana, M., Aulia Sari, N., Nur Syahida, H., & Sitorus, C. (2024). Sampah di Indonesia: Tantangan dan Solusi Menuju Perubahan Positif. INNOVATIVE: Journal Of Social Science Research, 4(4), 12235–12247.
Kartiko, Prima Yudha, A., Dimas Aryanto, N., & Arya Farabi, M. (2022). Klasifikasi Sampah di Saluran Air Menggunakan Algortima CNN. Indonesian Journal of Data and Science, 3(2), 72–81. https://doi.org/10.56705/ijodas.v3i2.33
Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2017). ImageNet Classification with Deep Convolutional Neural Networks. http://code.google.com/p/cuda-convnet/
Lin, C. L., & Wu, K. C. (2023). Development of revised ResNet-50 for diabetic retinopathy detection. BMC Bioinformatics, 24(1). https://doi.org/10.1186/s12859-023-05293-1
Lumban Tobing, J., Utama, M. K., Septyanda, R. B., Listiyanto, Z., Saputri, F. S., Effendi, K., & Prameswari, P. (2024). Sosialisasi Budaya Pemilahan Sampah Sebagai Langkah Menuju Lingkungan yang Bersih di Kelurahan Warungboto. Jurnal Pengabdian Kolaborasi Dan Inovasi IPTEKS, 2(4), 1397–1405. https://doi.org/10.59407/jpki2.v2i4.1216
Mustaghfiroh, U., Ni’mah, L. K., Sundusiyah, A., Addahlawi, H. A., & Hidayatullah, A. F. (2020). Implementasi Prinsip Good Environmental Governance dalam Pengelolaan Sampah di Indonesia. Bina Hukum Lingkungan, 4(2), 279. https://doi.org/10.24970/bhl.v4i2.106
Mutasodirin, M. A., & Falakh, F. M. (2024). Efficient Weather Classification Using DenseNet and EfficientNet. Jurnal Informatika: Jurnal Pengembangan IT, 9(2), 173–179. https://doi.org/10.30591/jpit.v9i2.7539
Noer, S., & Wistara, S. V. (2024). Edukasi Sadar Sampah serta Pembuatan Kertas Daur Ulang di SDIT Insan Madani. Jurnal PkM (Pengabdian Kepada Masyarakat), 7(4), 484. https://doi.org/10.30998/jurnalpkm.v7i4.23262
Nuariputri, J., Maimunah, & Sukmasetya, P. (2023). Klasifikasi Jenis Sampah Menggunakan Base ResNet-50. Jurnal Ilmiah Komputasi, 22(3). https://doi.org/10.32409/jikstik.22.3.3380
Oktafiandi, H. (2024). Implementasi Algoritma Convolution Neural Network pada Klasifikasi Limbah dengan Arsitektur MobileNet. https://winco.cilacapkab.go.id
Reza Fahcruroji, A., Yunita Wijaya, M., Fauziah, I., Sains dan Teknologi, F., Syarif Hidayatullah Jakarta Jl Ir Juanda No, U. H., Ciputat Tim, K., & Tangerang Selatan, K. (2024). Implemetasi Algoritma CNN MobileNet untuk Klasifikasi Gambar Sampah di Bank Sampah. 11(1).
Rismayadi, D. A., Muharam, M. A., Kreatif, F. I., Teknik Informatika, D., & Bandung, U. T. (2024). Pemanfaatan Machine Learning untuk Optimalisasi Limbah dengan Model MobileNetV2 pada Aplikasi Android. 06.
Sulistio, P., & Syahruddin, S. R. (2024). Pembatasan Import Sampah Sebagai Komitmen Indonesia Dalam Upaya Penanganan Perubahan Iklim Global. JATIJAJAR LAW REVIEW, 3(1), 36. https://doi.org/10.26753/jlr.v3i1.1281
Wijayanti, A. N., Dhokhikah, Y., & Rohman, A. (2023). Analisis partisipasi masyarakat terhadap pengelolaan sampah di Kecamatan Sumbersari, Kabupaten Jember, Provinsi Jawa Timur. Jurnal Pengelolaan Lingkungan Berkelanjutan (Journal of Environmental Sustainability Management), 28–45. https://doi.org/10.36813/jplb.7.1.28-45
Yudiana, Y., Yulia Agustina, A., & Nur Khofifah, dan. (2023). Prediksi Customer Churn Menggunakan Metode CRISP-DM Pada Industri Telekomunikasi Sebagai Implementasi Mempertahankan Pelanggan (Vol. 8, Issue 1). http://e-journal.lp2m.uinjambi.ac.id/ojp/index.php/ijoieb
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Dimas Febri Kuncoro, Anggit Wirasto, Deny Nugroho Triwibowo
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
