IMPLEMENTASI EFFICIENTNET-B0 DENGAN TRANSFER LEARNING UNTUK KLASIFIKASI SAMPAH ORGANIK DAN ANORGANIK

Permasalahan pengelolaan sampah di Indonesia semakin mendesak seiring dengan meningkatnya volume sampah yang dihasilkan setiap harinya. Indonesia menghasilkan sekitar 175.000 ton sampah per hari, sehingga dibutuhkan sistem pemilahan sampah yang efisien dan akurat. Penelitian ini bertujuan mengimplementasikan arsitektur EfficientNet-B0 dengan pendekatan transfer learning untuk mengklasifikasikan sampah organik dan anorganik secara otomatis berbasis citra digital. EfficientNet-B0 dipilih karena menggunakan metode compound scaling yang mampu menyeimbangkan antara akurasi dan efisiensi komputasi secara optimal. Metode transfer learning diterapkan dengan memanfaatkan bobot pralatih dari dataset ImageNet, kemudian dilakukan fine- tuning menggunakan dataset sampah organik dan anorganik. Proses pelatihan model menggunakan teknik augmentasi data untuk meningkatkan keberagaman dataset dan mencegah overfitting. Hasil eksperimen menunjukkan bahwa model EfficientNet-B0 dengan transfer learning mencapai akurasi sebesar 91,50?ngan presisi 91,54%, recall 91,50%, dan F1-score 91,50% pada data uji. Hasil penelitian ini menyimpulkan bahwa implementasi EfficientNet-B0 dengan transfer learning efektif dan layak diterapkan sebagai sistem klasifikasi sampah otomatis yang akurat dan efisien.

Kata Kunci: EfficientNet-B0, Transfer Learning, Klasifikasi Sampah, Sampah Organik, Sampah Anorganik, Deep Learning.