Ide Judul Skripsi: Permasalahan Sampah dan Teknologi Tepat Guna Untuk Pemecahannya

merlindawibowo.com – Sampah merupakan benda yang kebanyakan tidak memiliki nilai, seperti barang yang rusak atau tidak terpakai lagi, yang sebagian besar berasal dari rumah tangga. Berdasarkan jenisnya dibagi menjadi tiga kategori: organik, anorganik, dan berbahaya. Organik adalah jenis yang dapat terurai secara alami, seperti sisa makanan, kayu, ranting pohon, daun kering, dan lain sebagainya. Anorganik, di sisi lain, sulit terurai secara alami dan membutuhkan waktu yang lama. Jika anorganik menumpuk dalam tanah untuk waktu yang lama, ini dapat merusak lapisan tanah. Sedangkan jenis yang berbahaya adalah jenis yang mudah terbakar, dapat mencemari lingkungan, dan membahayakan kesehatan manusia.

Jenis organik umumnya mengandung senyawa organik dan dapat diurai oleh mikroorganisme. Biasanya berwarna hijau atau coklat, dan memiliki bentuk tidak beraturan. Sementara, jenis anorganik mengandung zat-zat yang bersifat non-organik dan sulit diurai oleh mikroorganisme. Jika jenis anorganik terkubur dalam tanah untuk waktu yang lama, ini dapat menyebabkan pencemaran tanah, yang berarti merusaknya lapisan tanah. Contoh jenis anorganik termasuk karton, kaca, logam, plastik, dan kertas dan umumnya memiliki warna putih atau biru, dan memiliki bentuk padat atau lebih padat.

Jenis berbahaya, atau yang biasa disebut B3, adalah jenis yang memiliki potensi bahaya seperti kemampuan mudah terbakar, dampak negatif pada kesehatan manusia, dan pencemaran lingkungan. B3 berasal dari sisa-sisa kegiatan industri, pelayanan kesehatan, sektor pariwisata, atau bahkan dari rumah tangga. Salah satu contohnya yaitu batu baterai. Batu baterai ini memiliki sifat korosif yang dapat menyebabkan iritasi pada kulit dan karat pada baja.

Permasalahan Sampah Indonesia

Permasalahan ini di Indonesia merupakan isu yang kompleks dan masih terus menjadi tantangan. Beberapa masalah yang sering dihadapi adalah:

Penanganan Tidak Tepat: Masih ada kekurangan dalam sistem pengelolaan, terutama di daerah perkotaan. Infrastruktur pengelolaan yang tidak memadai menyebabkan akumulasi sampah di tempat-tempat tidak semestinya, seperti sungai, saluran air, dan lahan terbuka.

Kurangnya Kesadaran Masyarakat: Sikap kurang peduli dan kurangnya kesadaran tentang pentingnya pengelolaan secara benar masih menjadi masalah. Banyak masyarakat yang masih membuang sembarangan tanpa memikirkan dampaknya bagi lingkungan.

Peningkatan Volume: Pertumbuhan populasi dan urbanisasi yang cepat menyebabkan peningkatan volume secara signifikan. Kurangnya infrastruktur pengelolaan yang tidak sebanding dengan pertumbuhan populasi menjadi tantangan utama.

Pengelolaan Jenis yang Berbahaya: Pengelolaan jenis yang berbahaya seperti limbah medis dan elektronik juga masih menjadi masalah. Pengolahan yang tidak tepat dapat berdampak buruk pada lingkungan dan kesehatan manusia.

Keterbatasan Anggaran: Keterbatasan anggaran dalam pengelolaan juga menjadi faktor pembatas dalam meningkatkan infrastruktur dan layanan pengelolaan.

Meskipun sudah ada upaya dari pemerintah dan organisasi non-pemerintah untuk mengatasi masalah sampah, namun masih ada ruang untuk peningkatan. Upaya yang lebih besar dalam meningkatkan kesadaran masyarakat, pengembangan infrastruktur pengelolaan sampah yang lebih baik, serta penerapan kebijakan yang lebih ketat dalam pengelolaan sampah berpotensi untuk meningkatkan efektivitas penanganan sampah di Indonesia. Sehingga, bisa dikatakan bahwa penanganan sampah di Indonesia masih belum mencapai tingkat maksimal yang diharapkan.

Teknologi Permasalahan Sampah

Terdapat beberapa teknologi tepat guna yang telah ada di masyarakat untuk membantu mengatasi permasalahan sampah di Indonesia, antara lain:

Bank Sampah: Kegiatan ini merupakan salah satu inisiatif yang telah diterapkan di banyak daerah di Indonesia. Kegiatan ini merupakan tempat pengumpulan sampah yang kemudian diolah dan dijual untuk didaur ulang. Melalui kegiatan ini, masyarakat dapat mendapatkan insentif berupa uang atau barang sesuai dengan jumlah sampah yang mereka kumpulkan. Hal ini tidak hanya membantu mengurangi volume, tetapi juga memberikan sumber penghasilan tambahan bagi masyarakat.

Pengomposan Rumah Tangga: Pengomposan rumah tangga adalah teknologi sederhana yang dapat digunakan untuk mengolah jenis organik menjadi kompos. Dengan menggunakan bak kompos atau alat pengomposan lainnya, masyarakat dapat mengurangi volume jenis organik yang masuk ke tempat pembuangan akhir (TPA) dan sekaligus memproduksi pupuk organik yang berguna untuk pertanian.

Penggunaan Tas Belanja Ramah Lingkungan: Mengurangi penggunaan kantong plastik sekali pakai dengan menggantinya dengan tas belanja yang ramah lingkungan dapat membantu mengurangi sampah plastik yang dihasilkan. Masyarakat bisa menggunakan tas belanja kain atau tas belanja yang terbuat dari bahan daur ulang.

Penggunaan Teknologi Aplikasi: Beberapa aplikasi telah dikembangkan untuk membantu masyarakat dalam membuang dengan lebih efisien. Contohnya adalah aplikasi yang memungkinkan masyarakat untuk melaporkan lokasi pembuangan liar atau tempat pembuangan ilegal kepada pihak berwenang untuk segera ditangani.

Pengolahan Sampah Elektronik: Teknologi daur ulang sampah elektronik juga mulai berkembang di Indonesia. Beberapa komunitas atau perusahaan telah memulai usaha pengumpulan dan daur ulang sampah elektronik seperti handphone, komputer, dan perangkat elektronik lainnya.

Penerapan teknologi-teknologi tepat guna ini membutuhkan kolaborasi antara pemerintah, masyarakat, dan sektor swasta untuk meningkatkan kesadaran, mendukung infrastruktur, serta memberikan insentif bagi masyarakat untuk berpartisipasi dalam pengelolaan sampah secara berkelanjutan.

Klasifikasi Sampah dengan Algoritma Machine Learning

Beberapa penelitian sebelumnya terkait klasifikasi citra mencakup studi yang dilakukan oleh Rima Dias Ramadhani dan rekan-rekan pada Optimasi Akurasi Metode Convolutional Neural Network untuk Identifikasi Jenis Sampah. Mereka menggunakan metode Convolutional Neural Networks (CNN) dengan mengoptimalkan hyperparameter seperti dropout, padding, dan stride. Hasilnya menunjukkan peningkatan signifikan dari 67,6% menjadi 91,2% setelah dilakukan optimasi.

Penelitian lain oleh Irfan Nugraha Pratama, Tatang Rohana, dan Tohirin Al Mudzakir tentang Pengenalan Sampah Plastik Dengan Model Convolutional Neural Network menggunakan algoritma CNN dengan model unsupervised learning. Mereka berhasil mencapai akurasi sebesar 80% setelah 6000 iterasi dengan pembagian dataset pelatihan 80% dan pengujian 20%.

Widi Hastomo, Sugiyanto, dan Sudjiran melakukan penelitian Convolution Neural Network Arsitektur MobilenetV2 untuk Mendeteksi Tumor Otak. Mereka menggunakan CNN dengan arsitektur MobileNet-V2 pada dataset berisi 2870 gambar untuk mengklasifikasikan glioma, meningioma, no_tumor, dan pituitary. Hasilnya menunjukkan akurasi yang sangat baik, mencapai 94%.

Selanjutnya, Samuel Ady Sanjaya dan Suryo Adi Rakhmawan melakukan penelitian tentang Deteksi Masker Wajah Menggunakan MobileNetV2 di Era Pandemi COVID-19. Model yang mereka bangun menggunakan MobileNetV2 berhasil mendeteksi pemakaian masker dengan akurasi 96,85% setelah 20 epoch, dengan menggunakan 1.916 data masker dan 1.930 data tanpa masker.

Penelitian oleh Metin Akay dan rekan-rekan tentang Klasifikasi Kulit Sklerosis Sistemik menggunakan arsitektur MobileNetV2 mencapai akurasi 100% pada set pelatihan, 97,2% pada set validasi, dan 94,8% pada set pengujian.

Terakhir, Wei-Lung Mao dan rekan-rekan melakukan penelitian tentang Klasifikasi Daur Ulang Sampah menggunakan Convolutional Neural Network yang dioptimalkan. Mereka berhasil mencapai akurasi tertinggi sebesar 99,6% dengan menggunakan model DenseNet121 dan algoritma genetika untuk mengoptimalkan klasifikasi pada dataset TrashNet.

Penelitian yang dilakukan oleh Shanshan Meng dan Wei-Ta Chu tentang Klasifikasi Sampah menggunakan Support Vector Machine (SVM) dengan fitur HOG, simple CNN, dan CNN dengan blok residual juga memberikan hasil yang menjanjikan. Simple CNN menunjukkan akurasi sebesar 93,75%, sementara CNN dengan blok residual (ResNet50) mencapai 93,35%.

Ada beberapa algoritma machine learning yang dapat digunakan untuk klasifikasi sampah, tergantung pada karakteristik data dan tujuan dari klasifikasi tersebut. Beberapa algoritma yang umum digunakan termasuk:

Support Vector Machine (SVM): SVM adalah algoritma klasifikasi yang efektif untuk pemisahan kelas linear dan non-linear. SVM mencari hyperplane terbaik yang memisahkan kelas-kelas data.

K-Nearest Neighbors (KNN): KNN adalah algoritma yang sederhana dan non-parametrik yang digunakan untuk klasifikasi berdasarkan kedekatan dengan tetangga terdekat dalam ruang fitur.

Random Forest: Random Forest adalah algoritma ensemble yang terdiri dari banyak pohon keputusan. Setiap pohon memberikan suara pada kelas tertentu, dan kelas dengan suara terbanyak menjadi prediksi model.

Decision Trees: Decision Trees adalah algoritma yang membangun model prediksi dalam bentuk struktur pohon keputusan. Setiap simpul dalam pohon mewakili pengujian pada fitur data, dan setiap cabang mewakili hasil dari pengujian tersebut.

Convolutional Neural Networks (CNN): CNN adalah jenis arsitektur jaringan saraf tiruan yang efektif untuk pengolahan citra. Mereka memiliki lapisan konvolusi yang dapat mengekstraksi fitur-fitur penting dari gambar.

Logistic Regression: Meskipun namanya adalah “regresi”, Logistic Regression sebenarnya adalah algoritma klasifikasi yang digunakan untuk mengklasifikasikan data menjadi dua kelas berdasarkan variabel input.

Pemilihan algoritma tergantung pada kompleksitas data, jumlah sampel, dimensi fitur, serta kinerja yang diinginkan. Evaluasi dan validasi model juga merupakan langkah penting dalam memilih algoritma yang paling sesuai untuk kasus klasifikasi sampah.

Semoga bermanfaat!