Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2024
- Tujuan
- Nomor
- 2a1f2371-d99f-4afb-b316-a1d073ac67ca
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan kegiatan pengembangan model klasifikasi sampah berbasis citra dengan menggunakan arsitektur Deep Learning DenseNet. Kegiatan ini menanggapi permasalahan pengelolaan sampah yang semakin meningkat serta kebutuhan akan solusi inovatif untuk mendukung efisiensi pemilahan dan daur ulang. Peserta kegiatan ini adalah Zulhusni, Munis; Sari, Christy Atika; dan Rachmawanto, Eko Hari.
Model tersebut dirancang untuk menjawab tantangan klasifikasi sampah yang akurat, yang dipengaruhi oleh keberagaman karakteristik visual antara jenis sampah. Kegiatan ini menggunakan beragam dataset pelatihan dan mengklasifikasikan sampah ke dalam sepuluh kategori berbeda. Hasil yang dilaporkan menunjukkan bahwa model mencapai tingkat akurasi keseluruhan sebesar 93%. Model tersebut juga menunjukkan kemampuan yang sangat baik dalam mengidentifikasi dan mengklasifikasikan material tertentu, termasuk baterai, material biologis, dan kaca cokelat. Sumber menyebutkan adanya tantangan dalam klasifikasi logam dan plastik.
Kegiatan ini berkaitan dengan pemilahan dan daur ulang sampah melalui pengembangan model klasifikasi berbasis citra. Sumber menjelaskan potensi teknologi Deep Learning dalam sistem pengelolaan sampah untuk meningkatkan proses pemilahan dan efisiensi daur ulang. Sebagai kegiatan institusional Universitas Dian Nuswantoro, pekerjaan ini mendokumentasikan pengembangan dan kinerja klasifikasi model berbasis DenseNet yang dilaporkan, dengan temuan yang terbatas pada kategori, material, akurasi, dan tantangan klasifikasi yang disebutkan dalam sumber.