Penerapan Convolutional Neural Network dalam klasifikasi sampah berbasis citra

INDONESIA:

Permasalahan pengelolaan sampah yang semakin kompleks, khususnya dalam proses pemilahan, menuntut adanya solusi berbasis teknologi yang efisien dan akurat. Penelitian ini bertujuan untuk menerapkan metode Convolutional Neural Network (CNN) dalam klasifikasi sampah berbasis citra, dengan fokus pada dua kelas yaitu paper dan plastic. Dataset yang digunakan sebanyak 2000 citra dengan proporsi 80% untuk pelatihan dan 20% untuk pengujian. Penelitian ini menguji empat skenario kombinasi augmentasi citra dan metode klasifikasi yaitu threshold dan one-hot encoding, serta mengevaluasi kinerja model menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil terbaik diperoleh pada skenario tanpa augmentasi citra dengan metode klasifikasi one-hot encoding dengan akurasi 86%, precision 86%, recall 86%, dan F1-score 88,5%. Temuan ini menunjukkan bahwa penerapan CNN dapat meningkatkan efektivitas klasifikasi sampah berbasis citra dan mendukung upaya daur ulang melalui sistem pemilahan sampah yang lebih cerdas dan otomatis.

ENGLISH:

The increasingly complex issue of waste management, particularly in the sorting process, demands efficient and accurate technology-based solution. This study aims to implement the Convolutional Neural Network (CNN) method for image-based waste classification, focusing on two classes paper and plastic. The dataset used consists of 2,000 images, with an 80% proportion for training and 20% for testing. This study tested four scenarios combining image augmentation and classification methods, namely threshold and one-hot encoding, and evaluated model performance using accuracy, precision, recall, and F1-score metrics. The best results were obtained in the scenario without image augmentation using the one-hot encoding classification method, with an accuracy of 86%, precision of 86%, recall of 86%, and F1-score of 88,5%. These findings indicate that implementation of CNN can enhance the effectiveness of image-based waste classification and support recycling efforts through a smarter and more automated sorting system.

ARABIC:

تتطلب مشكلة إدارة النفايات المتزايدة التعقيد، خاصة في عملية الفرز، وجود حلول تقنية فعالة ودقيقة. تهدف هذه الدراسة إلى تطبيق طريقة الشبكة العصبية التلافيفية (CNN) في تصنيف النفايات القائم على الصور، مع التركيز على فئتين هما الورق والبلاستيك. تم استخدام 2000 صورة في مجموعة البيانات، بنسبة 80٪ للتدريب و 20٪ للاختبار. اختبرت هذه الدراسة أربعة سيناريوهات من مزيج توسيع الصور وطرق التصنيف، وهي threshold و one-hot encoding ، كما قيمت أداء النموذج باستخدام مقاييس الدقة والضبط والاسترجاع ودرجة F1. أفضل النتائج تم الحصول عليها في السيناريو بدون زيادة الصور باستخدام طريقة التصنيف one-hot encoding بدقة 86٪، ودقة 86٪ ، واسترجاع 86٪، ودرجة F1 88.5٪. تشير هذه النتائج إلى أن تطبيق CNN يمكن أن يحسن فعالية تصنيف النفايات القائم على الصور ويدعم جهود إعادة التدوير من خلال نظام فرز النفايات الأكثر ذكاءً وتلقائية.