Ringkasan Penulisan Ilmiah Identifikasi Jenis Sampah Menggunakan Convolutional Neural Network
Judul:
Identifikasi Jenis Sampah Menggunakan Convolutional Neural Network
Pembimbing: Dr.
Dina Indarti S.Si M.Si
Latar Belakang Masalah
Sampah merupakan salah satu
permasalahan kompleks yang belum terselesaikan dengan baik oleh seluruh negara
berkembang maupun negara maju di dunia, termasuk Indonesia. Indonesia yang
merupakan salah satu negara yang mempunyai jumlah penduduknya menempati urutan
ke-4 terbanyak di dunia. Dengan meningkatnya jumlah penduduk dan segala
aktivitasnya jumlah sampah yang dihasilkan dari waktu ke waktu terus bertambah sampai
jenisnya yang semakin beragam sehingga pada dasarnya manusia dalam kehidupannya
memang tidak terlepas dari sampah.
Permasalahan jumlah sampah yang
dihasilkan di Indonesia secara keseluruhan mencapai 175.000 ton per hari. Pada
tahun 2014 data statistik sampah di Indonesia mencatat bahwa Indonesia
menduduki negara penghasil sampah plastik kedua terbesar di dunia setelah Cina.
Ini dikarenakan sistem pengolahan sampah di Indonesia umumnya masih terbilang
tradisional jadi seringkali akhirnya berubah menjadi praktek pembuangan sampah
secara sembarangan tanpa mengikuti ketentuan teknis di lokasi yang sudah
ditetapkan [1].
Sampah yang dikumpulkan di
lokasi atau TPA pada umumnya bercampur antara bahan-bahan organik, anorganik
sampai yang berbau dan berbahaya. Pemilahan perlu dilakukan secara teliti untuk
mendapatkan bahan organik yang dapat dikomposkan seperti daun-daunan,
nonorganik yang dapat di daur ulang menjadi biji plastik kembali dan sampah
berbahaya (B3) yang segera dimusnahakan. Sebagai upaya untuk lebih memperkenalkan
jenis-jenis sampah kepada masyarakat, maka diperlukan sebuah model yang dapat
mengenali bentuk dari jenis sampah di Indonesia. Dengan memanfaatkan ilmu
komputasi yang memungkinkan komputer untuk mengambil informasi dari suatu citra
digital dalam pengenalan objek secara otomatis, maka diharapkan model tersebut
dapat menjadi salah satu solusi dalam mengenali jenis sampah dan dapat
mengedukasi masyarakat tentang bentuk-bentuk dari jenis sampah di Indonesia.
Pada saat ini tidak dapat
diabaikan bahwa perkembangan teknologi informasi sangat cepat. Mulai dari
perkembangan hardware dalam meningkatkan performa komputer sampai banyak
pula berkembang software yang mampu meniru kecerdasan manusia
(kecerdasan buatan). Kini komputer dituntut untuk bisa membuat manusia dalam
menyelesaikan pekerjaannya dengan lebih cepat dan dalam waktu yang sangat
singkat. Dengan berkembangnya dunia komputasi yang semakin meningkat kapasitasnya
melalui kecerdasan proses komputer saat ini maka muncul ilmu-ilmu komputasi
yang memungkinkan komputer dapat mengambil informasi dari suatu citra menjadi
sebuah data untuk keperluan pengenalan objek secara otomatis. Kedepannya
pengolahan citra ini diharapkan akan menjadi salah satu pilihan dalam
pengenalan bentuk jenis sampah.
Terdapat banyak metode yang dapat
digunakan dalam melakukan pengolahan citra, salah satu metode yang paling
banyak digunakan adalah metode konvolusi dari algoritma Convolutional Neural
Network (CNN). CNN merupakan salah satu algoritma dari deep learning
yang merupakan pengembangan dari Multi Layer Perceptron (MLP). Saat ini algoritma
CNN memiliki hasil paling signifikan dalam pengenalan citra. Hal tersebut
dikarenakan CNN berusaha meniru sistem pengenalan citra pada visual cortex manusia, sehingga memiliki
kemampuan mengolah informasi citra [2].
Deep learning adalah cabang ilmu dari machine learning
berbasis jaringan saraf tiruan yang mengajarkan komputer untuk melakukan suatu
tindakan yang dianggap alami oleh manusia. Dalam deep learning, sebuah komputer
belajar mengidentifikasi secara langsung dari citra, teks atau suara. Deep learning
merupakan teknik dalam neural network
yang menggunakan teknik tertentu seperti Restricted Boltzmann Machine
(RBM) untuk mempercepat proses pembelajaran dalam neural network menggunakan
lapis yang banyak. Lapisan pada deep learning terdiri atas tiga bagian
yaitu input layer, hidden layer dan output layer. Aplikasi konsep
jaringan saraf tiruan yang lebih dalam atau yang memiliki banyak lapisan dapat
ditangguhkan pada algoritma machine learning yang sudah ada sehingga komputer
bisa belajar dengan sekala yang besar, kecepatan, dan akurasi [3].
Salah satu metode Deep
Learning yang sedang berkembang saat ini adalah metode Convolutional
Neural Network (CNN). Jaringan ini dibuat dengan asumsi bahwa masukkan yang
digunakan adalah berupa citra. Jaringan ini memiliki lapisan khusus yang
dinamakan dengan lapisan konvolusi dimana pada lapisan ini sebuah citra
masukkan akan menghasilkan sebuah pola dari beberapa bagian citra yang nantinya
akan lebih mudah untuk diidentifikasikan. Teknik ini dapat membuat fungsi pembelajaran
citra menjadi lebih efisien untuk diimplementasikan.
Oleh karena itu,
pada penelitian ini akan memanfaatkan kelebihan dari metode CNN yaitu mampu
mengidentifikasikan dan memiliki hasil paling signifikan dalam pengenalan objek.
Model CNN pada penelitian ini menjadi salah satu solusi dalam pengenalan bentuk
jenis sampah di Indonesia nantinya diharapkan masyarakat Indonesia lebih paham
tentang bentuk masing-masing sampah. Pada penelitian ini model Convolutional
Neural Network (CNN) digunakan sebagai pengenalan tiga jenis sampah di
Indonesia.
Metode:
Metode
yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Pengambilan
citra sampah
Data yang digunakan ini berupa kumpulan citra
sampah yang terdiri dari tiga sampah berdasarkan jenisnya, yaitu sampah kulit
pisang, sampah botol plastik, dan sampah batu baterai. Pengumpulan citra sampah
dilakukan melalui situs Googe Image dan diunduh dengan bantuan aplikasi Fatkun
Batch Download Image.
2. Pra-pemrosesan
citra sampah
Pra-pemrosesan yang dilakukan terhadap citra
sampah adalah scaling dan normalisasi citra. Setelah itu citra
dikumpulkan dan disimpan berdasarkan jenisnya.
3. Perancangan
model arsitektur Convolutional Neural Network
Perancangan CNN merupakan tahapan dimana
menyusun sebuah model yang akan digunakan dalam proses pelatihan data.
Penyusunan sebuah model tediri dari menentukan jumlah layer yang akan
digunakan, menentukan filter, menentukan ukuran kernel,
menentukan fungsi aktivasi dan menentukan pooling.
4. Pelatihan
model arsitektur convolutional neural network
Model dilatih menggunakan citra yang
sudah dikelompokan. Proses pelatihan menggunakan 300 citra sampah.
5. Pengujian
identifikasi sampah
Model diuji mengindetifikasi ciri sampah
yang sudah dipelajari. Pengujian ini menggunakan beberapa data baru citra
sampah yang lain.
6. Perhitungan
hasil uji model
Perhitungan hasil uji model dilakukan
untuk mengetahui tingkat akurasi yang dicapai oleh model CNN. Tingkat akurasi menunjukkan
tingkat kebenaran identifikasi data terhadap jenis sampah yang sebenarnya.
Semakin rendah nilai akurasi yang diperoleh, maka tingkat kesalahan identifikasi
semakin tinggi.
Critical thinking:
Kelebihan: Aplikasi
ini dapat mengidentifikasi sampah berdasarkan jenisnya mulai dari organic,
anorganik, dan sampah beracun atau berbau.
Kekurangan: Interface
aplikasi masih kurang interaktif
Ringkasan Penulisan Ilmiah Identifikasi Jenis Sampah Menggunakan Convolutional Neural Network
Reviewed by dib
on
10/24/2019
Rating: