IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI SAMPAH ORGANIK DAN NON-ORGANIK BERBASIS CITRA DIGITAL

Penulis

  • Dimas Bani Agung Frandika Universitas Nahdlatul Ulama Al Ghazali Cilacap Penulis
  • Safik fahreza Universitas Nahdlatul Ulama Al Ghazali Cilacap Penulis
  • Faizal Adi Saputra Universitas Nahdlatul Ulama Al Ghazali Cilacap Penulis
  • Tri Anggoro Universitas Nahdlatul Ulama Al Ghazali Cilacap Penulis

Kata Kunci:

Convolutional Neural Network (CNN), Klasifikasi Sampah, Deep Learning, Citra Digital, Real-Time Detection

Abstrak

Permasalahan penumpukan sampah menjadi isu lingkungan yang terus meningkat seiring pertumbuhan penduduk dan pola konsumsi masyarakat. Salah satu kendala utama dalam pengelolaan sampah adalah proses pemilahan sampah organik dan non-organik yang masih dilakukan secara manual sehingga kurang efisien dan rentan terhadap kesalahan manusia. Penelitian ini bertujuan untuk menerapkan metode Convolutional Neural Network (CNN) dalam proses klasifikasi citra sampah secara otomatis ke dalam dua kategori, yaitu organik dan non-organik. Dataset yang digunakan merupakan dataset sekunder dari Kaggle yang terdiri atas 22.564 citra digital sampah. Model dibangun menggunakan bahasa pemrograman Python dengan pustaka TensorFlow/Keras. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai akurasi pengujian di atas 90%, dengan nilai True Positive sebesar 94% dan True Negative sebesar 93%. Model juga berhasil diintegrasikan ke dalam antarmuka grafis (GUI) berbasis desktop yang mampu melakukan deteksi real-time menggunakan webcam. Penelitian ini menunjukkan bahwa metode CNN memiliki potensi yang baik untuk diterapkan pada sistem pemilahan sampah otomatis berbasis kecerdasan buatan

Unduhan

Diterbitkan

2026-06-22

Terbitan

Vol 10 No 2 (2026): Jurnal Teori dan Pengembangan Pendidikan

Bagian

Articles