NusamandiriNews — Setiap kali kita membuang pembungkus makanan atau botol plastik bekas, pernahkah terbayang ke mana benda-benda itu bermuara? Di Indonesia, jawabannya sering kali berakhir di gunungan sampah TPA (Tempat Pembuangan Akhir). Berdasarkan data Sistem Informasi Pengelolaan Sampah Nasional (SIPSN), timbulan sampah di negeri ini diperkirakan menembus angka fantastis: sekitar 37 juta ton pada tahun 2024.

Masalah utamanya bukan sekadar seberapa banyak sampah yang diproduksi, melainkan bagaimana kita mengelolanya. Selama ini, urusan memisahkan antara sampah organik (seperti sisa makanan dan daun kering) dengan anorganik (seperti botol plastik dan kaleng) masih bertumpu pada cara manual.

Masalahnya, memilah sampah secara manual butuh waktu, ketelitian, dan tentu saja kedisiplinan tinggi. Begitu ada salah pilah, bahan yang seharusnya bisa didaur ulang malah tercampur dan ikut membusuk begitu saja di TPA.

Lantas, bisakah teknologi mengambil alih tugas rumit ini?

Baca juga:S2 Informatika UNM Tawarkan Kuliah Magister Terjangkau Terakreditasi Unggul

Mengajari Komputer “Melihat” Sampah

Jawabannya ada pada Artificial Intelligence (AI) atau kecerdasan buatan. Teknologi ini bukan lagi barang asing, kita menggunakannya sehari-hari saat membuka ponsel dengan pemindai wajah atau memakai filter kamera.

Berangkat dari prinsip yang sama, Sri Hadianti, dosen peneliti Universitas Nusa Mandiri (UNM) memanfaatkan salah satu cabang AI yang dinamakan Deep Learning. Metode ini ibarat mengajari komputer untuk memiliki “mata” dan “otak” sendiri, sehingga ia bisa mengenali dan membedakan jenis benda dari sebuah foto.

Dalam risetnya, Sri Hadianti bersama tim menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur khusus bernama DenseNet121.

Bayangkan DenseNet121 ini seperti seorang pembelajar yang sangat teliti. Dalam sistem ini, setiap informasi atau ciri visual yang ditangkap di tahap awal (seperti warna, garis, atau pola permukaan) dipassing dan dimanfaatkan kembali oleh tahap-tahap berikutnya. Komputer jadi tidak gampang “lupa” detail.

Agar proses belajarnya tidak mulai dari nol, peneliti menerapkan teknik Transfer Learning. Komputer dibekali lebih dulu dengan “pengetahuan dasar” dari basis data gambar raksasa bernama ImageNet, baru kemudian dilatih secara khusus untuk mengenali mana sampah organik dan mana sampah anorganik.

Tak berhenti di situ, tim juga menerapkan strategi augmentasi data. Gambar-gambar sampah sengaja diputar, diperbesar, digeser, hingga dibalik secara horizontal. Tujuannya sederhana: agar komputer tidak sekadar menghafal foto yang itu-itu saja, tetapi benar-benar cerdas mengenali sampah dari berbagai sudut pandang.

Hasil Uji: Akurasi Fantastis 98,79 Persen

Strategi pengajaran tersebut membuahkan hasil luar biasa. Saat diuji dengan membagi kumpulan data menjadi 80 persen untuk bahan latihan (data pelatihan) dan 20 persen untuk bahan ujian (data validasi), model AI yang dioptimalkan dengan algoritma AdamW ini mencatatkan tingkat akurasi sebesar 98,79 persen.

Secara lebih rinci, performa komputer dalam membedakan kedua jenis sampah tercatat sangat prima:

• Sampah Anorganik: Menghasilkan nilai precision 0,99, recall 0,99, dan F1-score 0,99.

• Sampah Organik: Menghasilkan nilai precision 0,99, recall 0,98, dan F1-score 0,99.

• Akurasi Validasi Keseluruhan: 98,79 persen.

Angka-angka ini menunjukkan bahwa dalam ruang lingkup pengujian laboratorium, mata digital buatan peneliti UNM ini hampir tak pernah salah mengenali jenis sampah.

Meski begitu, para peneliti tetap memberikan catatan kritis. Angka akurasi tinggi tersebut merupakan hasil pengujian dalam kondisi eksperimen. Tantangan di dunia nyata seperti pencahayaan yang meredup atau tumpukan sampah yang peyot dan kotor, tetap memerlukan pengujian serta pengembangan lebih lanjut.

Menuju Pemilahan Otomatis di Masa Depan

Lalu, bagaimana inovasi ini akan mengubah cara kita mengelola sampah?

Di masa depan, model AI buatan dosen peneliti di UNM ini bisa dihubungkan langsung dengan kamera pemindai dan mesin pemisah otomatis di tempat pengolahan sampah. Begitu sampah berjalan di atas ban berjalan (conveyor belt), kamera langsung memotret, AI mengidentifikasi jenisnya dalam sekejap, dan lengan robotik atau katup otomatis akan mengarahkan sampah tersebut ke wadah yang tepat.

Langkah ini tentu bisa memangkas ketergantungan pada pemilahan manual, menekan risiko human error, sekaligus memacu efisiensi industri daur ulang nasional.

Teknologi Canggih Tetap Butuh Kesadaran Manusia

Sekalipun teknologi smart waste management ini sangat menjanjikan, AI bukanlah tongkat sihir yang bisa menyelesaikan masalah sampah dalam semalam.

Inovasi yang dilahirkan oleh peneliti dari UNM yang dikenal sebagai Kampus Digital Bisnis ini hadir sebagai alat bantu, bukan pengganti kepedulian manusia. Budaya mengurangi sampah dari rumah (reduce), memakai kembali (reuse), dan kesadaran awal memilah sampah tetap menjadi fondasi paling utama.

Ke depan, tim peneliti berencana memperluas kemampuan AI ini agar bisa mengenali kategori yang lebih spesifik, seperti membedakan kertas, kaca, logam, plastik, hingga sampah berbahaya (B3).

Teknologi canggih dan kesadaran masyarakat harus berjalan berdampingan. Sebab, masa depan lingkungan yang lebih bersih tidak hanya ditentukan oleh seberapa sedikit sampah yang kita hasilkan, tetapi juga seberapa cerdas kita mengelolanya.