OPTIMASI AKURASI METODE CNN MENGGUNAKAN HYPERPARAMETER TUNING RANDOM SEARCH UNTUK KLISIFIKASI SAMPAH

Sampah merupakan hal yang paling sering kita temui dalam kegiatan sehari - hari namun banyak dari kita yang memandang sampah sebagai sebuah hal yang remeh sehingga secara tidak sadar keberadaan sampah semakin hari semakin bertambah. Salah satu cara untuk mengurangi masalah lingkungan akibat sampah adalah pemilahan sampah berdasarkan jenisnya yaitu sampah organik dan sampah anorganik, akan tetapi proses pemilahan secara manual memakan waktu yang lama dan membutuhkan banyak biaya. Menurut data Kementerian Lingkungan Hidup dan Kehutanan tahun 2021 volume sampah di seluruh Indonesia mencapai 18,2 juta ton per tahun. Pengotomasian sangat diperlukan untuk melakukan hal tersebut. Banyak penelitian yang telah dilakukan untuk membuat model deep learning yang mampu mengklasifikasian sampah organik dan anorganik akan tetapi akurasi yang didapatkan kurang memuaskan. Oleh karena itu pada penelitian ini akan dilakukan optimasi akurasi metode CNN menggunakan hyperparameter tuning random search untuk mencari hyperparameter terbaik. Dari hasil evaluasi menggunakan hyperparameter terbaik didapatkan hasil pengklasifikasian sampah organik mendapatkan akurasi 94% dan pengklasifikasian sampah anorganik mendapatkan akurasi 96%, sedangkan hyperparameter terendah mendapatkan akurasi pengklasifikasian organik sebesar 84% dan akurasi pengklasifikasian anorganik sebesar 90%. Kata kunci: CNN, Hyperparameter tuning, Random search, Sampah