KLASIFIKASI SAMPAH PLASTIK BERDASARKAN DETEKSI WARNA RGB DENGAN METODE K-NEAREST NEIGHBOR

Kheri Agus Suseno, Husni Faqih

Abstract


Pengelolaan sampah plastik merupakan sebuah langkah yang sangat dibutuhkan kalangan masyarakat saat ini dalam menentukan penanganan yang tepat terutama pada sampah plastik. Mengelompokkan beberapa jenis plastik atau klasifikasi jenis plastik PET, HDPE, PP, LDPE PVC dan Other akan sangat membantu dalam pengelolaan sampah plastik terutama ketepatan dalam menentukkan jenis-jenis plastik tersebut agar lebih mudah dalam penanganannya. Dari jenis plastik pada umumnya dibagi menurut sifat khusus dan jenis bahannya sebagai pembeda sesuai kategori plastik tersebut. Dari jenis masing-masing plastik dapat diklasifikasikan dari beberapa fitur warna, berat dan sifat kimia yang terkandung didalamnya[2]. Penentuan warna dari jenis plastik ditentukan dengan menggunakan alat deteksi warna RGB dan T (Red Green Blue Temperatur Warna). Sensor Warna yang menghasilkan gelombang frekuensi pantulan sehingga didapatkan berupa data numerik tertentu sehingga dapat dijadikan sebagai penentu sifat, dan warna serta kualitas plastik tersebut. Nilai dari hasil deteksi ini akan dikumpulkan menjadi sebuah datasheet private yang akan digunakan sebagai penentu dari jenis-jenis plastik yang ada. Metode yang digunakan untuk menentukkan jenis plastik ini menggunakan metode K-nearest neighbor (KNN).

               

Kata kunci: Klasifikasi Pengelolaan sampah plastik, PET, HDPE, PP, LDPE PVC dan Other, Artivicial K-nearest neighbor (KNN).


Full Text:

PDF

References


. Aladdin Mardanov, A. R. (2021). Waste PET Recycling and Production of Polyols. Republik Azerbaijan: researchgate.

. KIC Kata Data Center (2020),Berita Kesadaran warga memilah sampah, Indonesia, https://katadata.co.id

. Bekti Khona’ah, D. R. (2019). Identification and Clasification of Plastik Color Images based on The RGB Method. Palembang, Indonesia: Journal of Multidisciplinary Engineering Science and Technology (JMEST).

. H. A. Rodriguez-Arias, A. M.-G. (2020). Automatic Classification System by Color of Plastik Bottle. Cartagena, Colombia: IOP Publishing.

. Hamed Masoumi, S. M. (2019). Identification and classification of plastik resins using near infrared. ReseachGate.

. I Yani, D. R. (2020). Identification and plastik type and classification of PET, HDPE, and PP using RGB method. Palembang, South Sumatera, Indonesia: IOP Publishing.

. Lokesh Reddy Kambam, A. R. (2019). Classification of plastik bottles based on visual and physical features for waste management. Amrita Vishwa Vidhyapheetam, India: IEEE.

. M. Manfredi, E. B. (2019). Prediction and classification of the degradation state of plastik. Springer-Verlag Berlin Heidelberg.

. Malyuskin, O. (2020). Microplastik Detection in Soil and Water Using Resonance Microwave Spectroscopy:A Feasibility Study. North Irlandia: IEEE Sensors.

. No.27, P. P. (2020). Pengelolaan Sampah. Indonesia.

. Shivaank Agarwal, R. G. (2020). One-Shot learning based classification for segregation of plastik waste. India: IEEE.

. Vishnu Sudharshan, P. S. (2020). Object detection routine for material streams combining RGB and hyperspectral reflectance data based on Guided Object Localization. Germany: IEEE Sensors.

. Witaya Srigul, Prajuab Inrawong, Mongkol Kupimai. (2016). Plastik classification base on correlation of RGB color. 978-1-4673-9749-0/16/$31.00 ©2016 IEEE, 1.

. Wiji Lestari, Sri Sumarlinda, University of Duta Bangsa Surakarta (2022). Implementation Of K-Nearest Neighbor (Knn) And Suport Vector Machine (Svm) For Clasification Cardiovascular Disease. E-ISSN 2722 – 2985.

. R. Ganesh Babu, P. Karthika and K. Elangovan, "Performance Analysis for Image Security using SVM and ANN Classification Techniques," 2019 3rd International conference on Electronics, Communication and Aerospace Technology (ICECA), Coimbatore, India, 2019, pp. 460-465, doi: 10.1109/ICECA.2019.8822142.

. Abhilash, P.M., Chakradhar, D. Prediction and analysis of process failures by ANN classification during wire-EDM of Inconel 718. Adv. Manuf. 8, 519–536 (2020). https://doi.org/10.1007/s40436-020-00327-w

. Yang Li, Xuewei Chao, ANN-Based Continual Classification in Agriculture, Agriculture 2020, 10, 178; doi:10.3390/agriculture10050178

. Fathizadeh, Z., Aboonajmi, M. & Hassan-Beygi, S.R. Classification of Apples Based on the Shelf Life Using ANN and Data Fusion. Food Anal. Methods 14, 706–718 (2021). https://doi.org/10.1007/s12161-020-01913-1

. S. K. Tiwary, J. Pal and C. K. Chanda, "Multi-dimensional ANN Application for Active Power Flow State Classification on a Utility System," 2020 IEEE Calcutta Conference (CALCON), Kolkata, India, 2020, pp. 64-68, doi: 10.1109/CALCON49167.2020.9106479.




DOI: https://doi.org/10.31294/ijse.v10i2.25671

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

 

ISSN : 2714-9935 


Published by LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450


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