Sistem Klasifikasi Sampah Perkantoran menggunakan Metode Faster Region Based Convolutional Neural Network berbasis NVIDIA Jetson Nano

Abstrak

Menurut undang-undang nomor 18 tahun 2008 dalam pengolahan sampah, yaitu tentang sisa-sisa dari kegiatan manusia atau juga dari proses alam yang terkandung pada bentuk yang padat atau juga setengah padat baik dalam zat organic atau anorganik, dimana dapat terurai atau tidaknya wujud dan dianggap tidak lagi berguna lalu dibuang ke lingkungan. Maka dari itu Kementerian Lingkungan Hidup dan Kehutanan (KLHK) telah mengumumkan bahwa total produksi sampah negara pada tahun 2020 telah mencapai sebanyak 67,8 juta ton. Artinya, sebanyak 270 juta orang telah menghasilkan kurang lebih sebanyak 185.753 ton sampah setiap harinya. Berdasarkan sumber sampah yang dibuang pada tahun 2021, perkantoran menempati urutan keempat penyumbang sampah di Indonesia. Solusi yang diberikan pada penelitian ini adalah membuat alat untuk mengklasifikasikan kertas, botol plastik, dan kaleng secara otomatis menggunakan algoritma Faster Region-based Convolutional Neural Network (Faster R-CNN) untuk memudahkan pemilahan sampah berdasarkan tiga jenis sampah. Dalam proses pengujian menggunakan 36 objek dengan pembagian 12 objek untuk kelas kertas, 12 objek untuk kelas botol plastik dan 12 objek untuk kelas kaleng, serta model yang digunakan yaitu hasil training algoritma Faster RCNN dengan num_steps 180.000. Hasil pengujian mendapatkan akurasi pada kelas kertas sebesar 91,6667%, botol plastik sebesar 91,6667%, dan kaleng sebesar 83,3333% dengan total waktu komputasi 0,7166351s.