INTEGRASI MOBILENETV2 DAN RANDOM FOREST UNTUK SISTEM KECERDASAN BUATAN KLASIFIKASI CITRA SAMPAH

Rizal Wahyu Ramadhan, Muhammad Adibul Khoir, Muhammad Faseh Maulana Khasanuddin, Muh Maulana Shidiq, Nunung Hidayatun, Muhammad Muharrom

Abstract


Penelitian ini bertujuan untuk mengembangkan sistem kecerdasan buatan yang mampu melakukan klasifikasi citra sampah secara otomatis dengan menggunakan dataset yang bersumber dari Kaggle dan mengintegrasikan model MobileNetV2 dan algoritma Random Forest. Dataset terdiri dari dua kategori utama, yaitu sampah organik dan recyclable (anorganik). Setiap citra diproses melalui tahap prapengolahan, ekstraksi fitur menggunakan MobileNetV2, dan klasifikasi akhir menggunakan Random Forest. Implementasi dilakukan di Google Colab dengan antarmuka berbasis Gradio agar pengguna dapat mengunggah citra dan memperoleh hasil klasifikasi secara langsung. Hasil pengujian menunjukkan tingkat akurasi sebesar 96%. Untuk kelas organik, model menghasilkan nilai precision 87%, recall 98%, dan F1-score 92%, sedangkan untuk kelas recyclable diperoleh nilai precision 97%, recall 82%, dan F1-score 89%. Hasil ini menunjukkan bahwa integrasi MobileNetV2 dan Random Forest mampu memberikan performa klasifikasi yang stabil dan akurat terhadap variasi pencahayaan serta latar belakang citra, sehingga berpotensi mendukung penerapan sistem smart waste management.

Kata kunci: Kecerdasan Buatan, Machine Learning, MobileNetV2, Random Forest, Pengolahan Citra


Full Text:

PDF

References


Ade Agung Kurniawan, Hermanto, & Rahmawati, S. (2024). Smart Tong Sampah Pendeteksi Otomatis Sampah Organik & Anorganik Berbasis IoT Smart city. Jurnal KomtekInfo, 11(3), 163–172. https://doi.org/10.35134/komtekinfo.v11i3.564

Hanif, M., & Arief, Z. S. (2025). Analisis Perbandingan Kinerja CNN Sekuensial dan Transfer Learning MobileNetV2 untuk Klasifikasi Sampah. JAPTIKA | J. Apl. Inform. Multimed. |, 1(1), 16–20. https://journal.aptika.org/index.php/japtika

Hendri, H., Hoki, L., Agusman, V., & Aryanto, D. (2021). Penerapan Machine Learning Untuk Mengategorikan Sampah Plastik Rumah Tangga. Jurnal TIMES, 10(1), 1–5. https://doi.org/10.51351/jtm.10.1.2021645

Ibnul Rasidi, A., Pasaribu, Y. A. H., Ziqri, A., & Adhinata, F. D. (2022). Klasifikasi Sampah Organik dan Non-Organik Menggunakan Convolutional Neural Network. Jurnal Teknik Informatika Dan Sistem Informasi, 8(1), 142–149. https://doi.org/10.28932/jutisi.v8i1.4314

Kumala, R. A., Sari, C. A., & Rachmawanto, E. H. (2025). A

Comparison of MobileNetV2 and VGG16 Architectures with Transfer Learning for Multi-Class Image-Based Waste Classification. Journal of Applied Informatics and Computing, 9(4), 1610–1624. https://doi.org/10.30871/jaic.v9i4.9958

Lau, M. V., Handayani, A. D., Widodo, M. Y., & Handayani, R. I. (2025). Implementasi Metode Random Forest untuk Klasifikasi Sampah Organik dan Anorganik Berbasis Citra Digital. 4(4), 400–406.

Muslihati, Sahibu, S., & Taufik, I. (2024). Implementation of the Convolutional Neural Network Algorithm for Classifying Types of Organic and Non-Organic Waste. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(3), 840–852.

Nainggolan, C. E. S., Nasir, M., & Udariansyah, D. (2024). Perbandingan Klasifikasi Jenis Sampah Menggunakan Convolutional Neural Network Dengan Arsitektur ResNet18 dan ResNet50 The Classification Comparison of Waste Type Using Convolutional Neural Network by Resnet18 and Resnet50 Architecture. CSRID Journal, 16(1), 76–90. https://www.doi.org/10.22303/csrid.1.1.2022.01-10

Putri, A., & Sari, T. N. (2025). Pengembangan Sistem Klasifikasi Sampah Otomatis Berbasis Kecerdasan Buatan ( AI ) Untuk Mendukung Pengelolaan Limbah Yang Berkelanjutan. I, 1–9.

hantawi, A. M., & Setiawati, S. (2025). Penerapan Kecerdasan Buatan dalam Sistem Bank Sampah Digital: Evaluasi Penggunaan dan Dampak terhadap Pengelolaan Komunitas. Ikra-Ith Abdimas, 9, 491–497. https://journals.upi-yai.ac.id/index.php/IKRAITH-ABDIMAS/article/download/5158/3928




DOI: https://doi.org/10.51920/jd.v16i1.458

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Alamat Redaksi :
LPPM Universitas Catur Insan Cendekia (UCIC)
Jl. Kesambi 202, Kota Cirebon 45133, Prov. Jawa Barat, Indonesia
Telp.(0231) 220 250 / 220 260 / 200 418
Fax.(0231) 242 112, E-mail:lppm@cic.ac.id
Website: http://jurnaldigit.org		 
P ISSN : 2088-589X
E ISSN : 2720-9636

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.