Sistem Klasifikasi Jenis Sampah Berdasarkan Kombinasi Fitur Warnac Tekstur Menggunakan Artifical Neural Network Berbasis Pengolahan Citra Digital

Abstract

Bahasa Indonesia

Pengelolaan sampah merupakan isu multisektor yang memiliki dampak dalam berbagai aspek kehidupan manusia. Sampah sangat penting untuk dikelola dengan baik untuk meminimalisir dampak negated dan memaksimalkan dampak positifnya pada masyarakat. Dalam pengelolaan sampah, sampah dibagi ke dalam dua jenis yaitu sampah organik dan anorganik. Agar dapat dikelola dengan mudah dan efektif, sampah harus dikelompokkan berdasarkan jenisnya. Namun, diberbagai tempat pembuangan sampah, dua jenis sampah tersebut masih tercampur antara satu sama lain. Oleh karena itu, pada penelitian ini dilakukan implementasi teknologi pengolahan citra digital untuk pemilahan sampah menggunakan metode Artifical Neural Network. Adapun metode yang diusulkan terdiri atas enam tahap yaitu, tahap akuisisi citra, preprocessing, segmentasi, morfologi, ekstraksi fitur, dan klasifikasi berdasarkan model jaringan syaraf tiruan yang telah dilatih. Pada penelitian ini juga, dilakukan beberapa skenario pengujian untuk menentukan kombinasi fitur yang memiliki tingkat akurasi terbaik. Hasil pengujian menunjukkan 2 kombinasi fitur terbaik yaitu fitur warna HSV, LAB dan fitur tekstur. Berdasarkan hasil pengujian terhadap 210 citra uji, diperoleh rata-rata precision 84,11%, recall 84.16%, F1-Score 84,08% dan akurasi keseluruhan mencapai 84%. Hasil tersebut menunjukkan bahwa pengelompokan jenis sampah telah dilakukan dengan cukup akurat.

English

Pengelolaan sampah merupakan isu multisektor yang memiliki dampak dalam berbagai aspek kehidupan manusia. Dalam pengelolaan sampah yang efektif bukan hanya tentang membersihkan lingkungan, tetapi juga tentang melindungi kesehatan masyarakat dan mendorong pembangunan berkelanjutan. Sampah harus dikelola dengan cermat untuk mengurangi dampak negatifnya dan memaksimalkan manfaatnya bagi masyarakat. Namun, di berbagai lokasi pembuangan sampah, kecenderungan campuran antara sampah organik dan anorganik masih menjadi tantangan yang signifikan. Hal ini tidak hanya menghambat efisiensi proses pengelolaan sampah, tetapi juga meningkatkan risiko pencemaran lingkungan yang berpotensi merugikan. Oleh karena itu, dalam penelitian ini, penggunaan teknologi pengolahan citra digital dengan metode Artificial Neural Network (ANN) menjadi krusial. Metode ini tidak hanya dapat memilah sampah dengan lebih efisien, tetapi juga memberikan kemungkinan untuk meminimalkan kesalahan dalam pengelompokan sampah. Adapun metode yang disarankan terdiri dari enam tahap yaitu, tahap akuisisi citra, preprocessing, segmentasi, morfologi, ekstraksi fitur, dan klasifikasi berdasarkan model jaringan syaraf tiruan yang telah dilatih. Pada penelitian ini juga, dilakukan beberapa skenario pengujian untuk menentukan kombinasi fitur yang memiliki tingkat akurasi terbaik. Hasil pengujian menunjukkan 2 kombinasi fitur terbaik yaitu fitur warna HSV, LAB dan fitur tekstur. Berdasarkan hasil pengujian terhadap 210 citra uji, diperoleh rata-rata precision 84,11%, recall 84.16%, F1-Score 84,08% dan akurasi keseluruhan mencapai 84%. Hasil tersebut menunjukkan bahwa pengelompokan jenis sampah telah dilakukan dengan cukup akurat. Abstract Waste management is a multisector issue that has an impact on various aspects of human life. Effective waste management is not only about cleaning the environment, but also about protecting public health and promoting sustainable development. Waste must be managed carefully to reduce its negative impacts and maximize its benefits for society. However, in various waste disposal locations, the tendency for mixing organic and inorganic waste is still a significant challenge. This not only hampers the efficiency of the waste management process, but also increases the risk of potentially detrimental environmental pollution. Therefore, in this research, the use of digital image processing technology using the Artificial Neural Network (ANN) method is crucial. This method can not only sort waste more efficiently, but also provides the possibility to minimize errors in waste grouping. The proposed method consists of six stages, namely, image acquisition, preprocessing, segmentation, morphology, feature extraction and classification based on a drilled artificial neural network model. In this research, several test scenarios were also carried out to determine the combination of features that had the best level of accuracy. The test results show the 2 best feature combinations, namely HSV color features, LAB and texture features. Based on test results on 210 test images, an average precision of 84.11%, recall of 84.16%, F1-Score of 84.08% and overall accuracy of 84% were obtained. These results indicate that the classification of waste types has been carried out quite accurately.

Keywords

• Jaringan Syaraf Tiruan
• Klasifikasi
• pengolahan citra
• Sampah