Proyek ini bertujuan untuk melakukan klasifikasi gambar sampah ke dalam tiga kategori utama, yaitu Glass (Kaca), Paper (Kertas), dan Vegetation (Vegetasi) . Model deep learning yang digunakan berbasis arsitektur EfficientNetB0 , yang telah dilatih menggunakan dataset RealWaste dari UCI Machine Learning Repository. Dataset ini awalnya memiliki 9 kelas , tetapi dalam proyek ini hanya digunakan 3 kelas dengan total 1.356 gambar .
- Sumber Dataset: UCI Machine Learning Repository - RealWaste
- Jumlah total gambar yang digunakan: 1.356
- Kategori yang digunakan:
- Glass (Kaca)
- Paper (Kertas)
- Vegetation (Vegetasi)
- Ukuran gambar yang digunakan: 248x248 pixel
- Format gambar: RGB
Model yang digunakan dalam proyek ini adalah EfficientNetB0 , dengan arsitektur yang telah dimodifikasi dengan:
- GlobalAveragePooling2D untuk mereduksi dimensi fitur
- Dense Layer dengan Dropout untuk menghindari overfitting
- Softmax Activation untuk klasifikasi multi-kelas
- Mohamad Rafli Agung Subekti