Electronic Theses and Dissertation

Kurangnya edukasi dan rasa peduli masyarakat mengenai jenis-jenis sampah, dan juga kurangnya fasilitas-fasilitas yang menunjang untuk proses pemilahan sampah dapat membawa dampak buruk dalam proses daur ulang sampah. Maka dari itu, dibuatlah suatu sistem aplikasi yang dapat mengenal mana objek yang merupakan sampah organik dan mana yang merupakan sampah anorganik. Pembuatan sistem aplikasi klasifikasi sampah organik dan anorganik dibuat dengan tujuan edukasi dan fasilitas untuk membantu masyarakat dalam bentuk web app, yang dijelaskan dalam bentuk sederhana dan mudah dimengerti oleh siapa saja. Dalam pembuatan sistem aplikasi ini, terdapat implementasi machine learning yang dapat mengenali jenis sampah yang ditunjukkan ke arah webcam. Model machine learning yang digunakan dibuat menggunakan Teachable Machine yang merupakan tools untuk membuat model machine learning dengan cara mudah tanpa harus menulis kode, yang mana model ini akan di export ke dalam bentuk Tensorflow.js sebagai framework machine learning pada platform web. Hasil model yang didapatkan telah di training menggunakan kumpulan data yang didapatkan melalui berbagai sumber, terdiri dari kumpulan gambar sampah organik, dan sampah anorganik.
Kata kunci: Machine Learning, Teachable Machine, Web App, Klasifikasi Sampah.

The lack of education and public awareness about the types of waste, also the facilities that support the process to classify waste can lead to a negative impact on the waste recycling process. Therefore, an application system was created in order to recognize whether the object is organic waste or inorganic waste. The organic and nonorganic waste classification app is developed to educate and facilitate people. It was made and explained with simplicity, also easy to understand by everyone. In the development process, this application has a machine learning implementation that can recognize any waste detected by the device webcam. The machine learning model was made using Teachable Machine, a simple tool for creating a machine learning model without any need to write a single line of code, then its model will be exported into Tensorflow.js as a machine learning framework for the web platform. The model result was made after it was trained using a dataset obtained through various sources, this dataset contains a collection of images of organic waste and inorganic waste. Keywords: Machine Learning, Teachable Machine, Web App, Waste Classification.