Deteksi Jenis Sampah Plastik Berbasis Mobile Menggunakan Model Transfer Learning

Abstract

Penanganan sampah plastik di Indonesia telah menjadi fokus utama dalam upaya menjaga
lingkungan yang berkelanjutan. Meskipun telah ada langkah-langkah untuk mengatasi masalah ini,
tantangan yang dihadapi tetap besar. Kurangnya literasi masyarakat dalam mengenali jenis sampah
plastik menjadi salah satu hambatan utama, yang menyebabkan sebagian besar sampah plastik
berakhir di tempat pembuangan sampah yang tidak terkontrol. Data dari Kementerian Lingkungan
Hidup dan Kehutanan (KLHK) melalui Sistem Informasi Pengelolaan Sampah Nasional (SIPSN)
menunjukkan bahwa limbah plastik masih stagnan sekitar 16-18% dalamlima tahun terakhir. Hal
ini memperlihatkan bahwa masalah sampah plastik belum mengalami penurunan yang signifikan.
Di samping itu, rendahnya kesadaran masyarakat mengenai dampak negatif penggunaan plastik
sekali pakai juga menjadi permasalahan serius. Ketergantungan pada plastik sekali pakai, seperti
kantong plastik, gelas, dan botol minuman masih tinggi di Indonesia. Untuk mengatasi masalah
ini, telah dilakukan upaya implementasi teknologi image classification menggunakan model
transfer learning. Dalam konteks ini, metode pengembangan aplikasi menggunakan pendekatan
Waterfall. Transfer learningmemanfaatkan model MobileNet yang telah dilatih sebelumnya pada
dataset jenis sampah plastik menghasilkan akurasi sebesar 98% untuk data training dan 98% untuk
data validation. Teknologi ini diharapkan dapat membantu dalam mengenali dan
mengklasifikasikan jenis sampah plastik, serta mendukung sistem pengelolaan sampah yang lebih
baik, termasuk dalam pemilahan, daur ulang, dan pengolahan limbah plastik. Dengan demikian,
upaya ini dapat menjadi langkah penting dalam mengurangi dampak negatif sampah plastik
terhadap lingkungan di Indonesia.