PENDETEKSIAN FOTO SAMPAH OTOMATIS MENGGUNAKAN KLASIFIKASI BERBOBOT UNTUK PENUKARAN POIN SAMPAH PADA WEBSITE OLSAM

Pengelolaan sampah yang efisien dan berbasis teknologi menjadi salah satu tantangan penting dalam upaya pelestarian lingkungan. Penelitian ini mengembangkan sistem otomatis untuk klasifikasi sampah menggunakan algoritma Convolutional Neural Network (CNN), yang diintegrasikan dengan sistem penukaran poin pada platform berbasis web bernama OLSAM. Sistem memungkinkan pengguna mengunggah foto sampah, yang kemudian diklasifikasikan secara otomatis ke dalam lima kategori: plastik, kaca, aluminium, metal, dan kertas. Poin dihitung secara proporsional berdasarkan hasil klasifikasi kategori sampah dan berat fisik yang dimasukkan oleh pengguna, dengan skema nilai tukar yang ditentukan berdasarkan harga per kilogram masing-masing jenis sampah. Dataset diperoleh dari berbagai sumber, kemudian dilakukan preprocessing melalui augmentasi menggunakan ImageDataGenerator. Model CNN dikembangkan dan dievaluasi menggunakan Confusion Matrix dan pengujian Black Box. Hasil pengujian menunjukkan bahwa sistem mampu melakukan klasifikasi dengan akurasi hingga 96,67% pada epoch ke-65, dengan performa terbaik pada kategori kertas dan metal. Sistem juga dilengkapi fitur unggah gambar, estimasi poin otomatis, serta antarmuka yang ramah pengguna. Penelitian ini menunjukkan bahwa sistem yang dikembangkan dapat meningkatkan efektivitas pengelolaan sampah dan mendorong partisipasi masyarakat melalui pendekatan insentif berbasis teknologi. Pengembangan lebih lanjut diperlukan untuk meningkatkan akurasi model dan cakupan jenis sampah dalam dataset.