feefew

1. KLASIFIKASI SAMPAH PLASTIK
MENGGUNAKAN ALGORITMA
DEEP LEARNING
PROPOSAL PENEL ITIAN
O L E H :
L U T F A I Z A L
( 2 0 2 0 1 3 0 0 5 )

2. LATAR BELAKANG
23,4 Juta ton atau setara 63 ribu ton/hari
17,12,% - Plastik
Jumlah Sampah Tahun 2021
Komposisi Sampah
57,93% - Organik
42,07% - AnOrganik

3. Kota Makassar merupakan salah satu kota yang memiliki banyak destinasi wisata. Penelitian
yang telah dilakukan oleh Jumadi (2019),mengatakan bahwa permasalahan utama pencemaran
lingkungan di pantai losari ialah sampah plastik.
Pengelompokkan sampah plastik juga beragam tentu diperlukan pengetahuan dalam memilah
sampah sesuai tempatnya. Banyak solusi yang dilakukan untuk menyelesaikan masalah. Machine
learning juga dapat diaplikasikan untuk mengolah data menjadi suatu algoritma dalam mengklasifikasikan
sampah secara otomatis. Penelitian yang dilakukan oleh Wang Hao dengan menggunakan dataset yang
terdiri dari 4 kelas dengan total 10.600 data citra, model yang digunakan dibangun dengan arsiterktur CNN
VGG16 menghasilkan akurasi sebesar 75,6%.
Pada penelitian sebelumnya sebagian ekspresimen yang terkait dengan penelitian ini di lakukan
pada gambar yang hanya berisi satu objek dengan menggunakan algoritma SVM, Resnet dan VGG16.
Sedangkan pada penelitan ini mengusulkan untuk menggunakan faster R-CNN untuk mendemonstrasikan
bagaimana klasifikasi sampah plastik pada gambar ataupun video yang berisi banyak objek

4. Title Here
You can edit this text for
your presentation.
Title Here
RUMUSAN MASALAH
1. Bagaimana Mengklasifikasikan Sampah Plastik Menggunakan Algoritma
Deep Learning ?
2. Bagaimana Mengestimasi Berat Sampah ?

5. Title Here
You can edit this text for
your presentation.
Title Here
MANFAAT PENELITIAN
1. Sebagai efektifitas dan efesiensi waktu dalam melakukan
pemilahan sampah
2. Sebagai salah satu bahan referensi penelitian lebih lanjut
mengklasifikasikan dan estimasi sampah dengan pendekatan
deep learning

6. Title Here
You can edit this text for
your presentation.
Title Here
BATASAN MASALAH
1. Jenis sampah yang diklasifikasikan adalah yang tidak
bertumpuk
2. Jenis sampah yang diklasifikasi seperti botol minuman, gelas
minuman, Pembungkus Makanan (Styrofoam)
3. Algoritma yang digunakan yaitu Faster R-CNN
4. Selain klasifikasi dalam penelitian ini juga dilakukan proses
estimasi berat dari objek
5. Data yang diolah dalam bentuk video.

7. Title Here
You can edit this text for
your presentation.
Title Here
BATASAN MASALAH
1. Jenis sampah yang diklasifikasikan adalah yang tidak
bertumpuk
2. Jenis sampah yang diklasifikasi seperti botol minuman, gelas
minuman, Pembungkus Makanan (Styrofoam)
3. Algoritma yang digunakan yaitu Faster R-CNN
4. Selain klasifikasi dalam penelitian ini juga dilakukan proses
estimasi berat dari objek
5. Data yang diolah dalam bentuk video.

8. TINJAUAN PUSTAKA
Sampah merupakan masalah yang harus diselesaikan sedini mungkin, dimana sampah dapat
diartikan sebagai limbah yang tidak terhindarkan. Adapun jenis sampah yaitu sebagai berikut :
1. Sampah organik atau sampah jenis ini merupakan sampah dapat teruruai secara alami dan
sifatnya ini basah
2. Sampah anorganik atau sampah yangsulit terurai karena proses penghancurannya yang
membutuhkan waktu yang lama dan sampah ini sifatnya kering
3. Sampah bahan berbahaya dan beracun biasanya disebut dengan B3
SAMPAH

9. TINJAUAN PUSTAKA
Deep learning merupakan cabang pembelajaran mesin yang mencoba memodelkan abstraksi
data tingkat tinggi menggunakan beberapa lapisan neuron yang terdiri dari struktur kompleks
atau transformasi non-liner.
Keuntungan utama deep learning ialah mampu merubah data dari non-linearly separable menjadi
linearly separable melalui serangkaian transformasi (hidden layers).
DEEP LEARNING

10. TINJAUAN PUSTAKA
Convolutional Neural Networks (CNN) merupakan jenis dari jaringan saraf buatan yang terinspirasi oleh
jaringan saraf biologis seperti proses pengolahan informasi pada otak manusia.
Adapun komponen utama pada CNN yaitu:
 Convolutional Layer
 Pooling Layer
 Fully Connected Layer
CONVOLUTIONAL NEURAL NETWORKS (CNN)

11. TINJAUAN PUSTAKA
Faster R-CNN merupakan algoritma deteksi objek yang masuk kedalam bidangcomputer vision
berbasis jaringan konvolusi.
Gambar : Arsitektur Faster R-CNN
Faster R-CNN terbagi menjadi dua bagian penting yaitu :
•Region Proposal Network (RPN)
•Classifier
FASTER R-CNN

12. TINJAUAN PUSTAKA
Tensorflow merupakan salah satu framework deep learning dan juga salah satu library untuk data
science yang bersifat free open-source yang dikembangkan oleh para peneliti dari tim Google.
Tensorflow dikembangkan dengan tujuan untuk melakukan pembelajaran mesin dan penelitian
jaringan syaraf dalam. Tensorflow menggabungkan aljabar komputasi, teknik pengoptimalan
kompilasi untuk mempermudah penghitungan ekspresi matematis, sehingga dapat mengurangi
masalah waktu yang dibutuhkan untuk melakukan perhitungan
TENSORFLOW

13. PENELITIAN TERKAIT
No. Nama Peneliti dan Tahun Judul Penelitian Hasil
1
Leonardo, Yohanes, dan Ery
Hartati
2020
Klasifikasi Sampah Daur Ulang
Menggunakan Support Vector Machine
DENGAN Fitur Local Binary Pattern
Dari hasil pengujian yang telah dilakukan menggunakan fold
5 sampai fold 10. Kernel polynomial memperoleh hasil
accuracy tertinggi dari setiap fold yang digunakan dengan
nilai rata-rata 87,82%.
2
Didik Aryanto dan Veirry
Augusman
2021
Penerapan Machine Learning Untuk
Mengategorikan Sampah Plastik Rumah
Tangga.
Sampah plastik di pisahkan dalam 7 kategorimenggunakan
Deep Learning dengan mengenali citra dan pola dari gambar
yang diproses.
3
Rima Dias Ramadhani dkk, 2021 Optimasi Akurasi Metode Convolutional
Neural Network untuk Identifikasi Jenis
Sampah
Optimasi dilakukan dengan menambah beberapa
hyperparameter pada arsitektur CNN. Dengan
menambahkan hyperparameter diperoleh nilai akurasi yang
tinggi yaitu 91,2%. Sedangkan apabila tidak menggunakan
hyperparameter nilai akurasi hanya sebesar 67,6%.

14. Title Here
You can edit this text for
your presentation.
Title Here
KERANGKA PIKIR
MASALAH
Metode pemilahan sampah di tempat penampungan sampahmasih dilakukan secara manual oleh
petugasdikarenakan sebagian besar masyarakat yang tidakmemilah sampah secara baik dan saat
ini belum ada informasi mengenai jumlah produksi sampah berdasarkan daerah atau tempat
tertentu.
SOLUSI
Untuk memberikan alternatif solusi dari masalah tersebut maka dirancang sebuah sistem yang
dapat mendeteksi jenis sampah plastik secara langsung, sehingga dapat memberikan informasi
kepada petugas berupa jenis dan jumlah sampah pada tempat wisata.
METODE
Pada sistem yang dirancang menggunakan pendekatan deep learning Faster R-CNN
HASIL
Dengan adanya sistem ini akan meningkatkan efektifitas dan efesiensi waktu dalam melakukan
pemilahan sampah plastik serta dapat memberikan informasi produksi sampah pada tempat wisata
tertentu.

15. Title Here
You can edit this text for
your presentation.
Title Here
TAHAPAN PENELITIAN

16. Title Here
You can edit this text for
your presentation.
Title Here
TEMPAT DAN WAKTU PENELITIAN
Penelitian ini dilakasankan di Dinas Lingkungan Hidup kota Makassar.
Waktu penelitian direncanakan selama empat bulan, dari bulan maret 2022 sampai dengan juni 2022.
JENIS PENELITIAN
Didalam penelitian ini digunakan pendekatan metode studi literatur (library search) untuk merancang
sistem ini. Dengan menggunakan metode pendekataan deep learning,
sistem ini akan meningkatkan efisiensi dan efektifitas dalam mendeteksi jenis sampah plastik.

17. Title Here
You can edit this text for
your presentation.
Title Here
INSTRUMEN PENELITIAN
Instrumen yang digunakan meliputi :
1. Software
Software yang dibutuhkan dalam mengimplementasikan sistem yang dibuat antara lain :
OS Windows 10.
Python 3.8.
Google Colab.
Tensorflow
2. Hardware
Hardware yang dibutuhka n dalam mengimplementasikan sistem yang dibuat antara lain :
Laptop Acer Aspire A315-41
Processor AMD RYZEN 7
Ram 8 GB.
Hardisk 1TB.

18. Title Here
You can edit this text for
your presentation.
Title Here
RANCANGAN SISTEM
Gambaran sistem secara umum :

19. TERIMA KASIH