Implementasi Convolutional Neural Network dalam Progressive Web App untuk Klasifikasi Sampah Otomatis

Abstract

Jumlah sampah global yang terus berkembang ditambah dengan ketidakefektifan teknik pengelolaan sampah konvensional, terutama pemilahan manual, memerlukan inovasi teknologi yang canggih. Penelitian ini berfokus pada pengembangan dan penilaian sistem klasifikasi sampah otomatis yang didukung oleh Convolutional Neural Networks (CNN) dalam bentuk Progressive Web App (PWA) untuk meningkatkan aksesibilitas dan efisiensi dalam pemilahan. Arsitektur VGG16, yang terkenal dengan lapisan jaringan saraf dalamnya, ditingkatkan melalui transfer learning dengan dataset klasifikasi sampah yang relevan. Setelah pelatihan, model diekspor ke format yang kompatibel dengan browser yaitu TensorFlow.js. PWA dibuat dengan Service Workers yang memberikan kemampuan offline dan caching untuk model, serta Web App Manifest yang menawarkan fungsionalitas aplikasi native. Untuk mengatasi penurunan performa model dan peningkatan latensi selama inferensi di konteks web, strategi optimasi seperti pruning dan kuantisasi diterapkan. Model memperoleh akurasi 86,5% pada data uji sampah dengan sepuluh kelas, membuktikan kemampuannya dalam mengklasifikasikan berbagai kategori sampah. Dari implementasi, dapat disimpulkan bahwa penyisipan CNN berakurasi tinggi ke dalam kerangka PWA adalah pendekatan praktis menuju sistem pengelolaan sampah cerdas