JAKARTA — Pemanfaatan kecerdasan buatan (AI) mulai dikembangkan untuk membantu proses pemilahan sampah. Salah satunya melalui riset yang dilakukan dosen Universitas Nusa Mandiri (UNM), Sri Hadianti, bersama tim peneliti dengan mengembangkan model AI untuk mengenali sampah organik dan anorganik melalui gambar.
Riset tersebut menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur DenseNet121. Model tersebut dilatih untuk mengenali karakteristik visual sampah sehingga dapat membedakan kategori organik dan anorganik.
Dalam pengembangannya, tim peneliti menggunakan teknik Transfer Learning. Model terlebih dahulu dibekali pengetahuan dari basis data gambar ImageNet sebelum dilatih secara khusus untuk mengenali jenis sampah.
Tim juga menerapkan teknik augmentasi data dengan memutar, memperbesar, menggeser, dan membalik gambar secara horizontal. Teknik tersebut digunakan agar model dapat mengenali objek dari variasi sudut pandang yang berbeda.
Data penelitian kemudian dibagi menjadi 80 persen untuk data pelatihan dan 20 persen untuk data validasi. Model yang dioptimalkan menggunakan algoritma AdamW tersebut mencatatkan akurasi validasi sebesar 98,79 persen.
Secara lebih rinci, sampah anorganik menghasilkan nilai precision 0,99, recall 0,99, dan F1-score 0,99. Sementara sampah organik menghasilkan precision 0,99, recall 0,98, dan F1-score 0,99.
Hasil tersebut menunjukkan kemampuan model dalam membedakan sampah organik dan anorganik pada data pengujian yang digunakan dalam penelitian.
Meski menghasilkan akurasi tinggi, tim peneliti mencatat hasil tersebut masih berada dalam ruang lingkup pengujian eksperimental. Kondisi di lapangan dapat menghadirkan tantangan berbeda, seperti pencahayaan yang berubah, serta kondisi sampah yang kotor atau mengalami perubahan bentuk.
Pengembangan lebih lanjut diperlukan untuk menguji kemampuan model dalam kondisi nyata. Salah satu peluang pemanfaatannya adalah menghubungkan model AI dengan kamera pemindai dan sistem pemilahan otomatis di tempat pengolahan sampah.
Dalam skenario tersebut, kamera dapat mengambil gambar sampah yang bergerak di atas conveyor belt. Model AI kemudian mengidentifikasi jenis sampah sebelum sistem mekanis mengarahkannya ke wadah yang sesuai.
Pemanfaatan teknologi tersebut berpotensi membantu proses pemilahan yang selama ini dilakukan secara manual. Namun, pengembangan teknologi tetap perlu berjalan bersama dengan kebiasaan masyarakat dalam mengurangi dan memilah sampah sejak dari sumbernya.
Tim peneliti juga berencana memperluas kemampuan model agar dapat mengenali kategori sampah yang lebih spesifik, seperti kertas, kaca, logam, plastik, hingga sampah bahan berbahaya dan beracun (B3).
Dengan pengembangan tersebut, AI diharapkan dapat menjadi salah satu teknologi pendukung dalam pengelolaan sampah, sementara upaya mengurangi dan memilah sampah dari tingkat rumah tangga tetap menjadi bagian penting dalam pengelolaan lingkungan.