SISTEM KLASIFIKASI SAMPAH ORGANIK DAN ANORGANIK BERBASIS TRANSFER LEARNING EFFICIENTNETB0 DENGAN INTEGRASI WEB

Pemilahan sampah organik dan anorganik masih banyak dilakukan secara manual, sehingga hasilnya subjektif dan berisiko menimbulkan kontaminasi silang yang menurunkan kualitas daur ulang. Penelitian ini bertujuan mengembangkan sistem klasifikasi sampah menggunakan transfer learning dengan arsitektur EfficientNetB0 untuk mengenali sepuluh sub-kelas jenis sampah dan mengelompokkannya ke dalam kategori organik dan anorganik melalui aplikasi berbasis web. Model dilatih menggunakan 4.000 citra yang dibagi menjadi data latih sebanyak 2.800 citra (70%), data validasi sebanyak 600 citra (15%), dan data uji sebanyak 600 citra (15%). Pengujian pada 600 citra data uji menghasilkan akurasi sebesar 90,83%, precision 90,96%, recall 90,83%, dan F1-score 90,81%. F1-score tertinggi diperoleh pada jenis cardboard sebesar 97,48% dan paper sebesar 95,93%, sedangkan F1-score terendah diperoleh pada jenis glass sebesar 86,21% akibat kemiripan visualnya dengan metal. Sistem ini diintegrasikan pada aplikasi web yang memungkinkan pengguna mengunggah gambar sampah dan memperoleh informasi jenis, kategori, akurasi prediksi, riwayat, serta statistik klasifikasi. Hasil penelitian menunjukkan bahwa transfer learning EfficientNetB0 mampu mengklasifikasikan sampah hingga tingkat sub-kelas dengan akurasi yang baik, sehingga dapat menjadi alternatif pendukung proses pemilahan sampah secara lebih objektif dan konsisten.