Klasifikasi Jenis Sampah Menggunakan Base ResNet-50
:
https://doi.org/10.32409/jikstik.22.3.3380
Keywords:
Sampah, Pengelolaan Sampah, Klasifikasi, ResNet-50, Fine-TuningAbstract
Produksi sampah meningkat sejalan dengan peningkatan jumlah penduduk. Pengelolaan sampah diperlukan untuk mengurangi sampah yang semakin meningkat salah satunya dengan pemilahan jenis-jenis sampah. Namun, masyarakat masih kesulitan dalam melakukan pemilahan sampah sehingga diperlukan teknologi yang membantu dalam memilah sampah agar tercipta pengelolaan sampah yang optimal. Pada penelitian ini, akan digunakan model ResNet-50 sebagai base model untuk melakukan klasifikasi jenis-jenis sampah. ResNet-50 akan dimodifikasi dengan ditambahkan beberapa layer dan fine-tuning untuk mendapatkan hasil yang optimal. Dari hasil penelitian yang membagi jenis-jenis sampah menjadi 7 kelas ( cardboard , glass , metal , paper , plastic , trash dan compost ) dengan menggunakan parameter batch size sebesar 16, jumlah epoch 18, learning rate sebesar 0.0001 dengan optimizer Adam menghasilkan nilai evaluasi kinerja dengan nilai akurasi mencapai 98.70%. Hasil penelitian ini dapat membantu memilah sampah dengan lebih maksimal.Downloads
References
Q. Maulani and W. N. Fatimah, “Pengelolaan Sampah Rumah Susun Sederhana Sewa Baleendah, Kecamatan Baleendah Kabupaten Bandung Tahun 2018,” JURNAL KESEHATAN LINGKUNGAN, vol. 12, no. 2, p. 144, Apr. 2020, doi: 10.20473/jkl.v12i2.2020.144-153.
A. Z. D. Saputra and A. S. Fauzi, “Pengolahan Sampah Kertas Menjadi Bahan Baku Industri Kertas Bisa Mengurangi Sampah di Indonesia,” Jurnal Mesin Nusantara, vol. 5, no. 1, pp. 2775–7390, 2022, doi: 10.29407/jmn.v5i1.17522.
SISPN, “Capaian Kerja Pengelolaan Sampah,” 2022. https://sipsn.menlhk.go.id/sipsn/
M. Tamyiz, L. N. Hamidah, A. Widiyanti, and A. Rahmayanti, “Pelatihan Pengelolaan Sampah Rumah Tangga di Desa Kedungsumur, Kecamatan Krembung, Kabupaten Sidoarjo,” Journal of Science and Social Development, vol. 1, no. 1, 2018, [Online]. Available: https://journal.unusida.ac.id/index.php/jssd/article/view/162
J. Wong, “Aplikasi Klasifikasi Sampah Organik dan Non Organik dengan Metode GLCM Dan LS-SVM,” Bulletin of Computer Science Research, vol. 3, no. 1, pp. 83–89, 2022, doi: 10.47065/bulletincsr.v3i1.198.
Leonardo, Yohannes, and E. Hartati, “Klasifikasi Sampah Daur Ulang Menggunakan Support Vector Machine dengan Fitur Local Binary Pattern,” Jurnal Algoritme, vol. 1, no. 1, pp. 78–90, 2020, doi: https://doi.org/10.35957/algoritme.v1i1.440.
K. M. Sandi, A. P. Yudha, N. D. Aryanto, and M. A. Farabi, “Klasifikasi Sampah Menggunakan Convolutional Neural Network,” Indonesian Journal of Data and Science (IJODAS), vol. 3, no. 2, pp. 72–81, 2022, doi: https://doi.org/10.56705/ijodas.v3i2.33.
Stephen, Raymond, and H. Santoso, “Aplikasi Convolution Neural Network Untuk Mendeteksi Jenis-Jenis Sampah,” Explore: Jurnal Sistem informasi dan telematika (Telekomunikasi, Multimedia dan Informatika), vol. 10, no. 2, pp. 122–130, 2019, doi: http://dx.doi.org/10.36448/jsit.v10i2.1319.
X. Ma, Z. Li, and L. Zhang, “An Improved ResNet-50 for Garbage Image Classification,” Tehnicki Vjesnik, vol. 29, no. 5, pp. 1552–1559, Oct. 2022, doi: 10.17559/TV-20220420124810.
V. Rao Mangu, K. R. Sekhar, B. Jayanth, and K. Santosh, “An Automatic Garbage Classification System,” JETIR, vol. 8, no. 6, pp. 4–9, 2021, [Online]. Available: https://www.jetir.org/papers/JETIR2106148.pdf
A. Ridhovan and A. Suharso, “Penerapan Metode Residual Network (ResNet) dalam Klasifikasi Penyakit pada Gandum,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 7, no. 1, pp. 58–65, 2022, doi: https://doi.org/10.29100/jipi.v7i1.2410.
N. D. Miranda, L. Novamizanti, and S. Rizal, “Convolutional Neural Network Pada Klasifikasi Sidik Jari Menggunakan Resnet-50,” Jurnal Teknik Informatika (Jutif), vol. 1, no. 2, pp. 61–68, Dec. 2020, doi: 10.20884/1.jutif.2020.1.2.18.
A. B. Sinuhaji, A. G. Putrada, and H. H. Nuha, “Klasifikasi Gambar dari Prototipe Camera Trap Menggunakan Model ResNet-50 untuk Mendeteksi Satwa Dilindungi,” eProceedings of Engineering, vol. 8, no. 5, 2021, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15677
HozPer, “TrashClasification,” Kaggle, 2021. https://www.kaggle.com/datasets/haroldobregn/trashclasification
L. Hakim, H. R. Rahmanto, S. P. Kristanto, and D. Yusuf, “Klasifikasi Citra Motif Batik Banyuwangi Menggunakan Convolutional Neural Network,” Jurnal Teknoinfo, vol. 17, no. 1, pp. 203–211, 2023, doi: https://doi.org/10.33365/jti.v17i1.2342.
N. Ibrahim et al., “Klasifikasi Tingkat Kematangan Pucuk Daun Teh menggunakan Metode Convolutional Neural Network,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 10, no. 1, p. 162, Jan. 2022, doi: 10.26760/elkomika.v10i1.162.
S. Yuliany, Aradea, and A. N. Rachman, “Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN),” Jurnal Buana Informatika, vol. 13, no. 1, pp. 54–65, 2022, doi: https://doi.org/10.24002/jbi.v13i1.5022.
N. Rochmawati, H. H. Badriyah, and Y. Yamasari, “Analisa Learning rate dan Batch size pada Klasifikasi Covid Menggunakan Deep Learning dengan Optimizer Adam,” Journal Information Engineering and Educational Technology, vol. 5, no. 2, pp. 44–48, 2021, [Online]. Available: http://repository.unair.ac.id/id/eprint/117699
F. Nashrullah, S. A. Wibowo, and G. Budiman, “Investigasi Parameter EpochPada Arsitektur ResNet-50 Untuk Klasifikasi Pornografi,” Journal of Computer, Electronic, and Telecommunication, vol. 1, no. 1, Jul. 2020, doi: 10.52435/complete.v1i1.51.
R. Kurniawan, Y. Mulyani, P. B. Wintoro, and M. Komarudin, “Implementasi Arsitektur Xception pada Model Machine Learning Klasifikasi Sampah Anoganik,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 11, no. 2, pp. 233–236, Apr. 2023, doi: 10.23960/jitet.v11i2.3034.
A. Julianto, A. Sunyoto, and F. W. Wibowo, “Optimasi Hyperparameter Convolutional Neural Network Untuk Klasifikasi Penyakit Tanaman Padi,” TEKNIMEDIA: Teknologi Informasi dan Multimedia, vol. 3, no. 2, pp. 98–105, 2022, doi: https://doi.org/10.46764/teknimedia.v3i2.77.
M. Ramadhan, D. I. Mulyana, and M. B. Yel, “Optimasi Algoritma CNN Menggunakan Metode Transfer Learning Untuk Klasifikasi Citra X-Ray Paru-Paru Pneumonia dan Non-Pneumonia,” Jurnal Teknik Informatika Kaputama (JTIK), vol. 6, no. 2, pp. 670–6679, 2022, [Online]. Available: http://jurnal.kaputama.ac.id/index.php/JTIK/article/view/883
S. L. Jasril, S. Sanjaya, F. Yanto, and M. Affandes, “Klasifikasi Citra Daging Babi dan Daging Sapi Menggunakan Deep Learning Arsitektur ResNet-50 dengan Augmentasi Citra,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 3, no. 4, pp. 450–457, Jun. 2022, doi: 10.30865/json.v3i4.4167.
S. Albawi, T. A. Mohammed, and S. Al-Zawi, “Understanding of a convolutional neural network,” International Conference on Engineering and technology (ICET), pp. 1–6, 2017, [Online]. Available: https://ieeexplore.ieee.org/abstract/document/8308186
W. R. Perdani, R. Magdalena, and N. K. C. Pratiwi, “Deep Learning untuk Klasifikasi Glaukoma dengan menggunakan Arsitektur EfficientNet,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 10, no. 2, pp. 322–333, Apr. 2022, doi: 10.26760/elkomika.v10i2.322.
V. Ayumi and I. Nurhaida, “Klasifikasi Chest X-Ray Images Berdasarkan Kriteria Gejala Covid-19 Menggunakan Convolutional Neural Network,” JSAI: Journal Scientific and Applied Informatics, vol. 4, no. 2, pp. 147–153, 2021, doi: 10.36085.
Downloads
Published
How to Cite
Issue
Section
Categories
Abstract View: 0 times
