Sistem Klasifikasi Jenis Sampah Berdasarkan Kombinasi Fitur Warnac Tekstur Menggunakan Artifical Neural Network Berbasis Pengolahan Citra Digital
DOI:
https://doi.org/10.25126/jtiik.20241128330Kata Kunci:
Jaringan Syaraf Tiruan, Klasifikasi, pengolahan citra, SampahAbstrak
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.
Downloads
Referensi
ABDALLAH, M., ABU TALIB, M., FEROZ, S., NASIR, Q., ABDALLA, H. and MAHFOOD, B., 2020. Artificial Intelligence Applications in Solid Waste Management: A Systematic Research Review. Waste Management, 109, pp.231–246. https://doi.org/10.1016/j.wasman.2020.04.057.
AGUNG, A.S., Sr, A.F.D., HERSYAM, M.S., KASWAR, A.B. and ANDAYANI, D., 2023. Classification Of Tomato Quality Based On Color Features And Skin Characteristics Using Image Processing Based Artificial Neural Network. 4(5).
AULIA, D.C., SITUMORANG, H.K., PRASETYA, A.F.H., FADILLA, A., NISA, S., KHOIRUNNISA, A., FARHAN, D., NINDYA, D.N., PURWANTARI, H., JASMIN, O.D. and AKBAR, J.A., 2021. Peningkatan Pengetahuan dan Kesadaran Masyarakat tentang Pengelolaan Sampah dengan Pesan Jepapah. 1(1).
BATUBARA, N.P., WIDIYANTO, D. and CHAMIDAH, N., 2020. Klasifikasi Rempah Rimpang Berdasarkan Ciri Warna RGB dan tekstur GLCM Menggunakan Algoritma Naive Bayes. Informatik : Jurnal Ilmu Komputer, 16(3), p.156. https://doi.org/10.52958/iftk.v16i3.2196.
DZULHIJJAH, A.N., ANRAENI, S. and SUGIARTI, S., 2021. Klasifikasi Kematangan Citra Labu Siam Menggunakan Metode KNN (K-Nearest Neighbor) Dengan Ekstraksi Fitur HSV (Hue, Saturation, Value). Buletin Sistem Informasi dan Teknologi Islam, 2(2), pp.103–110. https://doi.org/10.33096/busiti.v2i2.808.
FATHURRAHMAN, F., SANTONI, M.M. and MULIAWATI, A., 2020. Penerapan Artificial Neural Network Untuk Klasifikasi Citra Teks Dalam Penerjemahan Bahasa Daerah.
ISHANAN, F. and MUSTOFA, Y.A., 2019. Deteksi Penyakit Tanaman Daun Bayam Menggunakan Metode GLCM dan Artificial Neural Network (ANN).
MELANGI, S., 2020. Klasifikasi Usia Berdasarkan Citra Wajah Menggunakan Algoritma Artificial Neural Network dan Gabor Filter. Jambura Journal of Electrical and Electronics Engineering, 2(2), pp.60–67. https://doi.org/10.37905/jjeee.v2i2.6956.
NISA, I.Z., ENDAH, S.N., SASONGKO, P.S., KUSUMANINGRUM, R., KHADIJAH, K. and RISMIYATI, R., 2022. Klasifikasi Citra Sampah Menggunakan Support Vector Machine dengan Ekstraksi Fitur Gray Level Co-Occurrence Matrix dan Color Moments. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(5), pp.921–930. https://doi.org/10.25126/jtiik.2022954868.
NUGROHO, A.S., UMAR, R. and FADLIL, A., 2021. Klasifikasi Botol Plastik Menggunakan Multiclass Support Vector Machine. Jurnal Khatulistiwa Informatika, [online] 9(2). https://doi.org/10.31294/jki.v9i2.11058.
NUR ROHKHIM, A. and DARUJATI, C., 2020. Klasifikasi penyakit kalkulus ( karang gigi ) menggunakan pengolahan citra digital dengan metode jaringan saraf tiruan backpropagation. Smart Comp :Jurnalnya Orang Pintar Komputer, 9(2), pp.71–75. https://doi.org/10.30591/smartcomp.v9i2.1944.
PAGEH, I.M. and ARYANA, I.G.M., 2019. Solusi Strategis Penangan Masalah Sampah Dengan Mengolah Sampah Dapur Menjadi Pupuk Organik Cair (POC): (Kasus Dua Desa Pinggir Kota di Kota Singaraja Bali). Jurnal Ilmiah Ilmu Sosial, [online] 4(2). https://doi.org/10.23887/jiis.v4i2.16533.
PRASETYO, A.P.P., IRFANSYAH, M., EXAUDI, K. and SEPTIAN, T.W., 2023. Sistem Pemilah Sampah Organik Berbasis Raspberry Pi Menggunakan Klasifikasi CNN.
RASIDI, A.I., PASARIBU, Y.A.H., ZIQRI, A. and ADHINATA, F.D., 2022. Klasifikasi Sampah Organik dan Non-Organik Menggunakan Convolutional Neural Network. Jurnal Teknik Informatika dan Sistem Informasi, [online] 8(1). https://doi.org/10.28932/jutisi.v8i1.4314.
RIANA, D., RAHAYU, S., HADIANTI, S., FRIEYADIE, F., HASAN, M., KARIMAH, I.N. and PRATAMA, R., 2022. Identifikasi Citra Pap Smear RepoMedUNM dengan Menggunakan K-Means Clustering dan GLCM. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 6(1), pp.1–8. https://doi.org/10.29207/resti.v6i1.3495.
SAIFULLAH, S., 2020. Analisis Perbandingan He Dan Clahe Pada Image Enhancement Dalam Proses Segmenasi Citra Untuk Deteksi Fertilitas Telur. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), 9(1), p.134. https://doi.org/10.23887/janapati.v9i1.23013.
SINAGA, A.S., 2019. Segmentasi Ruang Warna L*A*B. Jurnal Mantik Penuasa, 3(1).
SURYADI, A., PUTRI, M.V. and FEBRIANTI, E.L., 2022. Pengolahan Citra Digital Dan Logika Fuzzy Dalam Identifikasi Tingkat Kematangan Buah. Journal Of Science And Social Research, 5(2), p.187. https://doi.org/10.54314/jssr.v5i2.863.
YATIM, M.L.A.R.I., SARI, J.Y. and NINGRUM, I.P., 2019. Deteksi Area Wajah Manusia Pada Citra Berwarna Berbasis Segmentasi Warna YCbCr dan Operasi Morfologi Citra. Ultimatics : Jurnal Teknik Informatika, 11(1), pp.1–5. https://doi.org/10.31937/ti.v11i1.1029.
ZENDHAF, A., MAGDALENA, R. and FU’ADAH, R.Y.N., 2018. Segmentasi Pembuluh Darah Pada Fundus Retina Menggunakan Deteksi Tepi Dan Operasi Morfologi.
ZURAIDAH, Z., ROSYIDAH, L.N. and ZULFI, R.F., 2022. Edukasi Pengelolaan Dan Pemanfaatan Sampah Anorganik Di Mi Al Munir Desa Gadungan Kecamatan Puncu Kabupaten Kediri. Budimas : Jurnal Pengabdian Masyarakat, [online] 4(2). https://doi.org/10.29040/budimas.v4i2.6547.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).