Sistem Deteksi Sampah Menggunakan Arsitektur Alexnet dan Contour

Abstract

Di Indonesia, masalah sampah semakin serius seiring dengan pertumbuhan penduduk. Data dari Sistem Informasi Pengelolaan Sampah Nasional (SIPSN) 2021 menunjukkan total sampah mencapai 24,67 juta ton per tahun, meskipun terjadi penurunan 13,38% dari tahun sebelumnya. Penelitian ini menggunakan Convolutional Neural Network (CNN) dengan arsitektur AlexNet untuk mendeteksi jenis sampah melalui analisis citra. Proses mencakup preprocessing gambar, pembangunan arsitektur AlexNet, pelatihan model untuk membedakan jenis sampah, dan evaluasi kinerja dengan metrik seperti akurasi, presisi, recall, dan F1 score. Hasil menunjukkan model CNN dengan AlexNet mencapai akurasi pelatihan 92,97% dan validasi 78,57%, dengan nilai presisi 0,8303, recall 0,9157, dan F1 score 0,8709. Evaluasi menunjukkan bahwa metode CNN dengan AlexNet dapat meningkatkan efisiensi dan efektivitas pengolahan sampah, menawarkan potensi pengembangan sistem pengelolaan sampah yang lebih cerdas, termasuk dengan integrasi deteksi kontur menggunakan OpenCV.