Klasifikasi Jenis Sampah Menggunakan Metode Random Forest

Authors

  • Diana Sava Salsabila Universitas Islam Negeri Sunan Ampel, Surabaya
  • Arimbi Puspitasari Universitas Islam Negeri Sunan Ampel, Surabaya
  • Dwi Rolliawati Universitas Islam Negeri Sunan Ampel, Surabaya

DOI:

https://doi.org/10.33020/jsimtek.v3i1.795

Keywords:

Klasifikasi Sampah, Random Forest, PySpark, Pembelajaran Mesin

Abstract

Pemilahan sampah secara manual kerap menghadapi kendala, terutama di wilayah dengan infrastruktur dan kesadaran rendah. Penelitian ini mengembangkan model klasifikasi jenis sampah menggunakan algoritma Random Forest yang diimplementasikan dengan framework PySpark. Dataset yang digunakan adalah Real Waste dengan 4.752 gambar dari berbagai kategori sampah. Setelah preprocessing dan pembagian data, model menghasilkan akurasi sebesar 44,64%, dengan precision 48,62% dan recall 44,64%, menunjukkan performa yang masih perlu ditingkatkan. Kategori plastik dan vegetasi memiliki akurasi terbaik, sedangkan kategori makanan organik dan tekstil mengalami kesulitan akibat kemiripan fitur visual. Tujuan utama penelitian ini adalah memberikan solusi praktis yang mendukung pengelolaan sampah berbasis teknologi. Studi ini memberikan dasar awal bagi pemanfaatan teknologi berbasis pembelajaran mesin untuk mendukung pengelolaan sampah. yang lebih efektif dan berkelanjutan

Downloads

Download data is not yet available.

References

Baiq Nurul Azmi, Arief Hermawan, & Donny Avianto. (2023). Analisis Pengaruh Komposisi Data Training dan Data Testing pada Penggunaan PCA dan Algoritma Decision Tree untuk Klasifikasi Penderita Penyakit Liver. JTIM?: Jurnal Teknologi Informasi Dan Multimedia, 4(4), 281–290. https://doi.org/10.35746/jtim.v4i4.298

Ciptady, K., Harahap, M., Jonvin, J., Ndruru, Y., & Ibadurrahman, I. (2022). Prediksi Kualitas Kopi Dengan Algoritma Random Forest Melalui Pendekatan Data Science. Data Sciences Indonesia (DSI), 2(1). https://doi.org/10.47709/dsi.v2i1.1708

Danang Aji Kurniawan, D. A. K., & Ahmad Zaenal Santoso, A. Z. S. (2021). Pengelolaan Sampah di daerah Sepatan Kabupaten Tangerang. ADI Pengabdian Kepada Masyarakat, 1(1), 31–36. https://doi.org/10.34306/adimas.v1i1.247

Devella, S., Yohannes, Y., & Rahmawati, F. N. (2020). Implementasi Random Forest Untuk Klasifikasi Motif Songket Palembang Berdasarkan SIFT. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 7(2), 310–320. https://doi.org/10.35957/jatisi.v7i2.289

Handijono, A., & Suhatman, Z. (2024). Meningkatkan Deduplikasi Data melalui Kesamaan Teks dalam Pembelajaran Mesin: Pendekatan Komprehensif. AKADEMIK: Jurnal Mahasiswa Humanis, 4(2), 602–615. https://doi.org/10.37481/jmh.v4i2.955

Nuariputri, J., & Sukmasetya, P. (2023). Klasifikasi Jenis Sampah Menggunakan Base ResNet-50. Jurnal Ilmiah Komputasi, 22(3), 379–386. https://doi.org/10.32409/jikstik.22.3.3380

Ristya, T. O. (2020). Penyuluhan Pengelolaan Sampah Dengan Konsep 3R Dalam Mengurangi Limbah Rumah Tangga. Cakrawala: Jurnal Manajemen Pendidikan Islam Dan Studi Sosial, 4(2), 30–41.https:/doi.org/10.33507/cakrawala.v4i2.250

Rosyani, P., Saprudin, S., & Amalia, R. (2021). Klasifikasi Citra Menggunakan Metode Random Forest dan Sequential Minimal Optimization (SMO). Jurnal Sistem Dan Teknologi Informasi (Justin), 9(2), 132. https://doi.org/10.26418/justin.v9i2.44120

Sistem Informasi Pengelolaan Sampah Nasional: SIPSN. (2024). 2024. Website: https://sipsn.menlhk.go.id/, diakses tanggal 12 Desember 2024.

Supriyadi, R., Gata, W., Maulidah, N., & Fauzi, A. (2020). Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah. E-Bisnis?: Jurnal Ilmiah Ekonomi Dan Bisnis, 13(2), 67–75. https://doi.org/10.51903/e-bisnis.v13i2.247

Sutanty, E., & Kusuma Astuti, D. (2023). Penerapan Model Arsitektur VGG16 untuk Klasifikasi Jenis Sampah. DECODE: Jurnal Pendidikan Teknologi Informasi, 3(2), 407–419. https://doi.org/10.51454/decode.v3i2.331

Downloads

PlumX Metrics

Published

2025-01-24

How to Cite

Salsabila, D. S., Puspitasari, A., & Rolliawati, D. (2025). Klasifikasi Jenis Sampah Menggunakan Metode Random Forest. Jurnal Sistem Informasi, Manajemen Dan Teknologi Informasi, 3(1), 101–112. https://doi.org/10.33020/jsimtek.v3i1.795

Issue

Vol. 3 No. 1 (2025): Januari

Section

Articles

License

Copyright (c) 2025 Diana Sava Salsabila, Arimbi Puspitasari, Dwi Rolliawati

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Dengan mengirimkan manuskrip ke Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi, penulis setuju dengan kebijakan ini. Tidak diperlukan persetujuan dokumen khusus.

  1. Hak cipta pada setiap artikel adalah milik penulis.
  2. Penulis mempertahankan semua hak mereka atas karya yang diterbitkan, tak terbatas pada hak-hak yang diatur dalam laman ini.
  3. Penulis mengakui bahwa Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi sebagai yang pertama kali mempublikasikan dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License. (CC BY-SA). Lisensi ini mengizinkan setiap orang untuk :
    • Berbagi — menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun;
    • Adaptasi — menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun.
    • Atribusi — Anda harus mencantumkan nama yang sesuai, mencantumkan tautan terhadap lisensi, dan menyatakan bahwa telah ada perubahan yang dilakukan. Anda dapat melakukan hal ini dengan cara yang sesuai, namun tidak mengisyaratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
    • BerbagiSerupa — Apabila Anda menggubah, mengubah, atau membuat turunan dari materi ini, Anda harus menyebarluaskan kontribusi Anda di bawah lisensi yang sama dengan materi asli.
  4. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi;
  5. Penulis menjamin bahwa artikel asli, ditulis oleh penulis yang disebutkan, belum pernah dipublikasikan sebelumnya, tidak mengandung pernyataan yang melanggar hukum, tidak melanggar hak orang lain, tunduk pada hak cipta yang secara eksklusif dipegang oleh penulis.
  6. Jika artikel dipersiapkan bersama oleh lebih dari satu penulis, setiap penulis yang mengirimkan naskah menjamin bahwa dia telah diberi wewenang oleh semua penulis bersama untuk menyetujui hak cipta dan pemberitahuan lisensi (perjanjian) atas nama mereka, dan setuju untuk memberi tahu rekan penulis persyaratan kebijakan ini.  Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi tidak akan dimintai pertanggungjawaban atas apa pun yang mungkin timbul karena perselisihan internal penulis.

Lisensi :

Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi diterbitkan berdasarkan ketentuan Creative Commons Attribution-ShareAlike 4.0 International License. (CC BY-SA).