Indonesia sebagai negara agraris dengan sebagian besar adalah masyarakat pertanian mengelompokkan jenis sampah menjadi sisa makanan yang bersumber dari rumah tangga, kayu, ranting, daun dari sisa proses panen atau pasca panen, kertas karton, plastic, karet, kulit, kain, kaca, logam dan sebagainya. Indonesia juga menjadi salah satu negara penyumbang sampah makanan terbesar terutama sayuran. Sampah berupa sisa makanan, kayu, ranting dan daun merupakan jenis sampah yang mudah terurai namun jika tidak dikelola dengan benar maka dampaknya besar. Pengelolaan sampah organic yang semula hanya dibakar kemudian di Kelola menjadi kompos.
Kompos merupakan pupuk yang berasal dari sampah organik yang mengalami proses pelapukan karena adanya interaksi antara bakteri pembusuk yang bekerja di dalamnya. Sampah organic ada dua jenis yaitu sampah hijau dan sampah coklat yang memiliki fungsi dan senyawa berbeda.
Indonesia sudah melakukan pengelolaan sampah secara digital melalui sistem informasi sampah nasional dan bank sampah untuk mengkoordinir sampah di setiap wilayah namun masih belum teratasi. Pengelolaan sampah dari lingkup terkecil dalam masyarakat yaitu keluarga dapat membantu menyelesaikan masalah sampah. Permasalahan yang terjadi masyarakat belum memiliki pengetahuan tentang pengelolaan dan pemilahan sampah. Banyak penelitian terkait klasifikasi sampah dari berbagai bidang ilmu, metode dan teknologi. Salah satunya adalah dari bidang citra digital dengan memanfaatkan machine learning untuk membangun sebuah system pengelolaan sampah dan klasifikasi jenis sampah menjadi fitur utama untuk membantu masyarakat sebagai langkah awal pengolahan sampah mandiri. Banyak penelitian terkait klasifikasi sampah untuk meningkatkan penelitian terkait klasifikasi sampah kami dari kelompok riset smart technologi melakukan riset study klasifikasi sampah di bidang citra digital dan machine learning, ada beberapa hal yang dapat ditingkatkan dari penelitian klasifikasi sampah :
- Penggunaan Data Multi-sumber: Banyak dataset klasifikasi sampah organik dan anorganik yang hanya berfokus pada jenis sampah dari satu lokasi atau sumber data tertentu. Penelitian selanjutnya dapat mengeksplorasi penggunaan data multi-sumber dari berbagai negara atau wilayah untuk meningkatkan generalisasi model dan menciptakan model yang lebih robust.
- Klasifikasi Sampah dalam Skala Industri: Beberapa penelitian telah mencoba mengklasifikasikan sampah pada skala kecil, misalnya dalam lingkungan laboratorium. Namun, gap penelitian masih terdapat pada klasifikasi sampah dalam skala industri yang melibatkan data dari fasilitas pengolahan sampah sebenarnya.
- Analisis Ketidakpastian Model: Selain meningkatkan akurasi model, penelitian selanjutnya dapat mencari cara untuk mengukur dan mengelola ketidakpastian model dalam klasifikasi sampah. Analisis ketidakpastian ini dapat meningkatkan kepercayaan dan penerapan model di lingkungan nyata.
- Aplikasi pada Robot Pengumpul Sampah: Penelitian yang ada fokus pada klasifikasi citra, namun masih ada research gap pada aplikasi model klasifikasi ini pada robot pengumpul sampah yang dapat secara otomatis mengidentifikasi dan memilah jenis sampah yang berbeda.
- Penggunaan Teknik Transfer Learning: Selain menggunakan arsitektur DenseNet121, Anda dapat mencari cara untuk memanfaatkan teknik transfer learning dari model-model yang telah dilatih sebelumnya pada tugas-tugas serupa. Penggunaan transfer learning dapat mempercepat pelatihan model dan meningkatkan akurasi dengan jumlah data yang lebih sedikit.
kumpulan alur penelitian, arsitektur sistem dan gambar kegiatan penelitian (gambar mandiri) gambar daftar beberapa penelitian yang sudah dilakukan oleh peneliti terdahulu yang dapat dijadikan rujukan (gambar mandiri)
