Latar Belakang Penelitian. Sebagai negara yang memiliki jumlah penduduk yang sangat besar, Indonesia tidak akan mudah terlepas dari masalah sampah. Laju pertumbuhan ekonomi juga memiliki dua mata sisi, karena secara negative juga akan menimbulkan masalah lingkunkan termasuk sampah. Secara umum sampah dibedakan menjadi dua, sampah organic dan anorganik. Sampah organik dan anorganik memiliki lama penguraian yang berbeda. Sampah organik memiliki waktu penguraian yang lebih cepat dibandingkan dengan sampah anorganik. Oleh sebab itu sampah organik dan anorganik memiliki cara penanganan daur ulang yang berbeda pula. Pemilahan sampah sebelum ditampung ke Tempat Pembuangan Akhir (TPA) sangat penting untuk mengurangi jumlah penimbunan sampah yang terus meningkat setiap tahunnya. Banyak dari masyarakat yang tidak mengerti bagaimana perbedaan jenis sampah yang hendak dibuang, meskipun di tempat sampah telah disediakan label sampah organik dan anorganik, namun masyarakat tetap membuang sampah ke tempat sampah dengan jenis yang berbeda. Hal tersebut tentu akan menyulitkan untuk memisahkan sampah oraganik dan anorganik pada TPA, oleh karena itu perlu dibuat sebuah alat yang dapat memisahakan sampah organik dan organik saat sampah dimasukkan kedalam tempat sampah. Saat ini ada alat yang diproduksi secara mandiri/ belum dengan skala industri. Namun peralatan yang ada saat ini, masih memiliki performance yang rendah dalam kemampuan mengklasifikasi secara benar. Penelitian ini meneliti tentang implementasi sistem klasifikasi sampah organik dan anorganik dengan menggunakan dua metode yang digabungkan. Metode pertama adalah dengan memanfaatkan teknologi IOT dengan memanfaatkan sensor dan mikrokontroller. Sedangkan metode kedua adalah metode deep learning dengan pendekatan convolutional neural network (CNN). Model CNN dibangun berdasarkan mengumpulkan data-data organik dan anorganik yang akan menjadi dataset acuan untuk pembelajaran. Model CNN saat ini juga memiliki banyak model-model arsitektur. Sehingga diharapkan penelitian ini juga akan mencoba beberapa arsitektur-arsitektur andal dalam melakukan klasifikasi. Diharapkan hasil penelitian ini bisa lebih baik (akurasi meningkat, kecepatan meningkat) dari metode klasifikasi sampah dengan sistem yang banyak sekarang yang menggunakan sensor. Tujuan dan Tahapan Metode Penelitian. Tujuan Penelitian adalah mengembangkan model penilaian otomatis forum diskusi dengan semantic similarity dan keyword similarity. Tujuan Penelitian ini adalah membuat prototype dengan sistem IOT dan model deep learning untuk memisahkan sampah organik dan anorganik. Tahapan Penelitian akan dilakukan dalam 3 tahun dengan tujuan yang berbeda-beda namun dalam satu kesatuan. Untuk penelitian tahun ini dapat dibagi menjadi 4 tahap yakni: Kajian Pustaka. Pada tahap awal kajian pustaka sedang dan telah dilakukan meliputi : mempelajari sensor-sensor yang biasa digunakan untuk bisa mendeteksi klasifikasi sampah organik dan anorganik. Lalu mempelajari metode deep learning seperti CNN yang biasa digunakan untuk gambar. Perumusan Masalah. Hasil tinjauan pustaka merumuskan permasalah dalam penelitian ini yakni bagaimana membuat model dengan CNN yang digabungkan dengan sistem sensor yang berbasisikan IOT. Pengumpulan Data. Data-data sampah organik dan anorganik dikumpulkan. Gambar sampah yang diambil bisa diperoleh dari dataset dan juga gambar secara langsung yang biasa dikelola PT Kompis. Pengembangan Model. Pada tahap ini juga dimulai membangun model yang digunakan dalam penelitian. Tahap ini dilanjutkan dengan membuat model dengan menggabungkan pendekatan IOT dan deep learning CNN. Penelitian ini akan memaksimalkan sistem klaisifkasi sampah yang ada. Setiap tahun 2022, 2023 dan 2024 akan menghasilkan : Luaran Wajib : Prototype yang di HAKI-kan Luaran Tambahan : jurnal internasional, Proceding Internasional Uraian TKT TKT saat ini 4, dan ditargetkan akan mencapai TKT-5 tahun 2024, TKT-6 tahun 2025

sampah, organik anorganik, IOT, CNN

• Abba Suganda Girsang S.T., M.Cs., Ph.D

• Ezra Peranginangin, S.T., M.T., M. B. A., Ph.D.