IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK DAN TENSORFLOW LITE UNTUK MENDETEKSI JENIS SAMPAH BERBASIS MOBILE

• Delva Rianto

---

ABSTRAK

ABSTRAK

Delva Rianto (12240142), Implementasi Convolutional Neural Network dalam mendeteksi jenis sampah dengan model tensorflow lite berbasis mobile

Perkembangan teknologi mobile telah membuka peluang besar dalam berbagai bidang,  termasuk pendidikan dan pertanian. Identifikasi jenis sampah, untuk keperluan edukasi, seringkali menjadi tantangan, terutama bagi mereka yang belum mengetahui tentang bermacam jenis sampah terdiri dari sampah organic, non-organic, bahan berbahaya dan beracun (B3). Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam klasifikasi sampah organik dan nonorganic serta mengukur tingkat akurasi deteksi dan pengenalan objek sampah. Metode Convolutional  Neural Network (CNN) digunakan untuk mendeteksi dan mengenali objek dalam citra. Tujuan dari penelitian ini adalah meningkatkan akurasi klasifikasi, mengevaluasi serta memaksimalkan algoritma buat menggapai akurasi besar dalam membedakan objek sampah yang kompleks. Perancangan aplikasi ini mendeskripsikan tentang bagaimana sebuah aplikasi deteksi jenis sampah organic, non-organic, bahan berbahaya dan beracun berbasis mobile yang dapat membantu pengguna untuk mengetahui jenis sampah organic, non-organic, bahan berbahaya dan beracun melalui handphonenya. Aplikasi ini berisi tentang pengenalan jenis sampah organic dan nonorganic, klasifikasi gambar untuk mengetahui jenis sampah, tentang aplikasi, halaman kuis  sebagai soal tanya jawab dan halaman keluar. Aplikasi mobile ini dibuat di Android Studio menggunakan model tensorflow lite dengan tipe data UINT8.

Kata Kunci: Aplikasi, Sampah, Convolutional Neural Network, Android Studio, Mobile.

KATA KUNCI

IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] A. I. Rasidi, Y. Al Hidayah Pasaribu, A. Ziqri, and F. D. Adhinata, “Klasifikasi Sampah Organik dan Non-Organik Menggunakan Convolutional Neural Network,” J.Tek. Inform. dan Sist. Inf., vol. 8, no. April, pp. 142–149, 2022.

[2] B. Prasetio and N. Pratiwi, “Deteksi sampah organik dan anorganik menggunakan model yolov8,” vol. 10, no. 1, pp. 494–506, 2025.

[3] H. Abdillah, A. Naufal Syahbana, G. Ishaq Al Husain, and S. Agustin, “Detektif Sampah?: Klasifikasi Jenis Sampah Organik dan Anorganik Menggunakan Metode YOLOv5 Berbasis Website,” J. Inov. WIRA WACANA, vol. 3, no. 2, pp. 128–135,2025.

[4] E. Juniar, “KLASIFIKASI CITRA UNTUK PENGELOMPOKAN SAMPAH DENGAN MENGGUNAKAN CONVOLUTION NEURAL NETWORK,” 2022.

[5] R. Adelia, N. Khairunisa, and R. Zulfiqri, “IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM MENDETEKSI SAMPAH ORGANIK,PLASTIK, DAN KERTAS,” J. Tek. Inform. Musirawas, vol. 9, no. 1, pp. 29–37,2024.

[6] A. R. Fahcruroji, “Implementasi algoritma cnn mobilenet untuk klasifikasi gambar sampah di bank sampah,” 2024.

[7] I. R. W. Putra, “DETEKSI JENIS BUAH-BUAHAN MENGGUNAKAN DEEP,”2020.

[8] A. Peryanto et al., “Rancang Bangun Klasifikasi Citra Dengan Teknologi Deep Learning Berbasis Metode Convolutional Neural Network,” vol. 8, pp. 138–147,2019.

[9] N. H. Harani and M. Hasanah, Deteksi Objek dan Pengenalan Karakter Plat Nomor Kendaraan Indonesia Berbasis Python. Kreatif. [Online]. Available:https://books.google.co.id/books?id=saD6DwAAQBAJ

[10] K. Azmi and S. Defit, “Implementasi Convolutional Neural Network ( CNN ) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat,” vol. 16, no. 1, pp. 2580–2582, 2023.

[11] Sehan Rifky, Teori dan Penerapan AI di Berbagai Bidang, no. June. 2024.

[12] S. Juli, I. Ismail, G. B. Satrya, F. I. Terapan, and U. Telkom, “PERANCANGAN SISTEM DETEKSI WARNA UNTUK MEMBANTU ORANG BUTA WARNA BERBASIS MACHINE LEARNING MENGGUNAKAN,” vol. 6, no. 2, pp. 2031–2052, 2020.

[13] F. Sulianta, Dasar & Konsep Deep Learning. Feri Sulianta, 2024. [Online].Available: https://books.google.co.id/books?id=FpI2EQAAQBAJ

[14] H. A. Fatta and U. Amikom, Analisis dan Perancangan Sistem Informasi untukKeunggulan Bersaing Perusahaan dan Organisasi Modern. Penerbit Andi. [Online]. Available: https://books.google.co.id/books?id=oHi8C1W4N7wC

[15] D. Saputra, W. Steven Dharmawan, M. Syarif, and D. Risdiansyah, Analisis dan Perancangan Sistem Informasi. Pontianak: Insan Cendekia Mandiri, 2023.

[16] F. Indriyani, Yunita, D. Ayu Muthia, A. Surniandari, and Sriyadi, “Analisa Perancangan Sistem Informasi,” p. 90, 2019.

[17] F. Tarbiyah, D. A. N. Keguruan, U. Islam, and N. Raden, “RATIH DWI ZANINGSIH,” 2018.

[18] M. Auliya and Z. Fatah, “Pemanfaatan Google Teachable Machine untuk Klasifikasi Daur Ulang,” JAMASTIKA, vol. 4, no. April, pp. 112–117, 2025.

[19] A. Impron et al., INTEGRASI TEKNOLOGI INFORMASI DALAM DESAIN PEMBELAJARAN MODERN. 2025. [Online]. Available:https://books.google.co.id/books?id=4AtyEQAAQBAJ

[20] A. Q. A’YUN, “PENERAPAN CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI SAMPAH BERBASIS CITRA,” 2025.

[21] Pendidikan lingkungan hidup. Grasindo. [Online]. Available: https://books.google.co.id/books?id=OReFYkoa0zEC

[22] Z. Indra Nugraha, Arnita, K. Saputra, A. Setiawan, R. Maharani, and F. Zaharani, “IMPLEMENTASI ALGORITMA CNN DALAM PENGEMBANGAN WEBSITE,” Manaj. Inform. Sist. Inf., vol. 8, pp. 90–101, 2025.

[23] S. Sahibu and I. Taufik, “Implementation of the Convolutional Neural Network Algorithm for Classifying Types of Organic and Non-Organic Waste Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Sampah Organik dan Non Organik,” vol. 4, no. July, pp. 840–852, 2024.

[24] J. Prayoga et al., Sistem Basis Data Pendahuluan Sistem Basis Data. 2021.