ABSTRAK
Habibi, 201855202022, Impelementasi Deep Learning Pada Sampah Plastik Menggunakan Metode Convolutuional Neural Network (CNN) Berbasis Android (dibimbing oleh Ir.Rendra Soekarta, S.Kom., M.T., IPP. dan Muhammad Yusuf, S.Kom., M.Kom.)

Sampah plastik merupakan jenis sampah yang susah didaur ulang dibuat dari material plastik yang sifatnya tahan lama serta sangat banyak digunakan dalam bermacam industri serta kehidupan sehari-hari. Salah satu masalah dalam pemilahan sampah plastik yaitu masih tercampurnya jenis sampah plastik karena memiliki tampilan yang sama, sehingga sulit untuk dibedakan hanya dengan melihatnya saja. Dengan adanya teknologi kecerdasan buatan khususnya teknologi deep learning dapat membantu pekerja untuk meminimalisir kesalahan dalam mengategorikan jenis sampah plastik dengan cara mengklasifikasikan gambar. Penelitian ini bertujuan untuk mengembangkan model deep learning agar dapat mengidentifikasi jenis sampah plastik menggunakan metode convolutional neural network yang memiliki total 1109 dataset terdiri dari 7 kelas yaitu HDPE, LDPE, PETE, PVC, PS, PP dan OTHER. Penelitian ini di implementasikan pada Google Colab dan Android Studio dengan bahasa pemogramana Java Hasil pelatihan dan pengujian dengan model EfficientNet pada klasifikasi sampah plastik menggunakan 7 kelas dapat mencapai tingkat accuracy tertinggi 98%, val accuracy dapat mencapai 98% dan f1-score dapat mencapai nilai 85%.

Kata kunci—sampah, efficientNet, Convolutional Neural Newtowk, klasifikasi