Perpustakaan Digital ITB

Pengelolaan sampah merupakan salah satu isu lingkungan yang signifikan dihadapi oleh berbagai negara, termasuk Indonesia. Peningkatan jumlah penduduk dan aktivitas manusia menyebabkan peningkatan volume sampah, terutama di lingkungan dengan aktivitas tinggi seperti kampus. Institut Teknologi Bandung menghadapi tantangan dalam pemilahan sampah yang saat ini masih dilakukan secara manual sehingga memerlukan banyak tenaga dan waktu. Mahasiswa, sebagai salah satu pengguna tempat sampah, sering kali merasa pemilahan sampah merepotkan dan bingung dalam menentukan kategori sampah yang tepat. Hal ini menyebabkan sering terjadi kesalahan dalam penempatan sampah. Selain itu, data mengenai sampah yang terkumpul di suatu lokasi pada periode waktu tertentu diperlukan oleh Direktorat Sarana dan Prasarana untuk memetakan karakteristik sampah guna menambah kategori tempat sampah sesuai kebutuhan. Tugas akhir ini bertujuan untuk mengembangkan sistem pemilahan sampah cerdas yang dapat mengurangi ketercampuran sampah anorganik, menyediakan informasi data sampah, dan memisahkan sampah anorganik secara otomatis dan akurat di area Kampus ITB dengan memanfaatkan machine learning. Pengembangan sistem dilakukan menggunakan metodologi systems engineering, yaitu pada tahap concept development dan engineering development. Untuk membangun model machine learning dalam sistem pemilahan sampah cerdas, dilakukan perbandingan beberapa algoritma machine learning untuk object detection. Model machine learning yang dipilih adalah YOLOv5n dengan nilai precision sebesar 0,902, nilai recall sebesar 0,927, nilai F-score sebesar 0,914, nilai mAP50 sebesar 0,948, pre-process time sebesar 0,3 ms, dan inference time sebesar 6,3 ms. Implementasi sistem telah diuji berdasarkan komponen perangkat lunak, kebutuhan fungsional, serta spesifikasi akurasi dan kinerja terkait machine learning dengan kesimpulan hasil 100% berhasil. Hasil pengembangan ini memberikan rekomendasi untuk melakukan pelatihan model lebih lanjut dengan dataset yang lebih besar dan beragam serta mempertimbangkan penggunaan Teachable Machine dari Google sebagai alat bantu dalam pengembangan model machine learning.