Devi Hasugian, mahasiswa Program Magister Teknik Industri UGM, melaksanakan seminar proposal penelitian dengan judul “Deteksi Polusi Visual Berbasis Deep Learning (Convolutional Neural Network)” pada Rabu (05/02), bertempat di Ruang M-10 Departemen Teknik Mesin dan Industri (DTMI) UGM. Penelitian ini bertujuan untuk mengatasi masalah polusi visual yang semakin marak di lingkungan perkotaan, dengan menggunakan teknologi deep learning untuk mendeteksi elemen-elemen yang menyebabkan gangguan estetika dan kualitas hidup masyarakat.

Seminar ini dipandu oleh dosen pembimbing Devi, Ir. Yun Prihantina Mulyani, S.T., M.Sc., Ph.D., IPM., ASEAN Eng., dan dihadiri oleh penguji yang terdiri dari Achmad Pratama Rifai, S.T., M.Eng., Ph.D., Ir. Ardiyanto, S.T., M.Sc., Ph.D., AEP., serta Ir. Andi Sudiarso, S.T., M.T., M.Sc., Ph.D., IPM.

Polusi visual merupakan gangguan yang timbul akibat keberadaan elemen-elemen yang merusak pemandangan dan estetika suatu tempat, seperti spanduk, papan iklan, sampah, dan grafiti yang dipasang tanpa izin. Elemen-elemen ini bukan hanya berdampak pada keindahan kota, tetapi juga meningkatkan stres, kecemasan, dan mengurangi kualitas hidup masyarakat, serta dapat mempengaruhi konsentrasi dan produktivitas, baik dalam aktivitas industri manufaktur maupun jasa. Penelitian Devi bertujuan untuk mengembangkan sistem deteksi polusi visual menggunakan teknologi Convolutional Neural Network (CNN), yang dapat mengidentifikasi elemen-elemen tersebut secara otomatis dan cepat.

Melalui pendekatan ini, Devi berharap dapat membantu pemerintah dan pihak terkait dalam memantau dan menegakkan aturan mengenai pemasangan iklan, spanduk, dan grafiti yang tidak sesuai dengan ketentuan. ”Dengan memanfaatkan deep learning, sistem yang dikembangkan dapat mendeteksi elemen-elemen polusi visual yang tidak memiliki izin, sehingga dapat mengurangi dampak negatif terhadap lingkungan dan kualitas hidup masyarakat,” papar Devi.

Penelitian ini berkontribusi pada pencapaian beberapa tujuan Sustainable Development Goals (SDGs), khususnya terkait dengan Kota dan Pemukiman yang Berkelanjutan (SDG 11) dan Konsumsi dan Produksi yang Bertanggung Jawab (SDG 12). Teknologi ini diharapkan tidak hanya menjadi solusi untuk meningkatkan estetika dan kenyamanan perkotaan, tetapi juga mendukung pembangunan yang lebih berkelanjutan dan teratur.

Seminar ini merupakan langkah penting dalam mengaplikasikan teknologi canggih untuk memecahkan masalah lingkungan yang sering kali terabaikan, dan diharapkan dapat memberikan kontribusi positif dalam menciptakan kota yang lebih nyaman dan ramah lingkungan.

Kontributor: Maryanti, A.Md.
Editor: Gusti Purbo Darpitojati, S.I.Kom.

Stefani Kumala Dewi Wijayanti, mahasiswa Program Magister Teknik Industri, Departemen Teknik Mesin dan Industri (DTMI) UGM mengadakan seminar proposal dengan judul “Deteksi Sampah Multi Kelas Menggunakan Algoritma Convolutional Neural Network untuk Proses Pemilahan” pada Selasa (04/02), bertempat di Ruang M-12. Seminar ini mengangkat tema pentingnya teknologi dalam pengelolaan sampah perkotaan yang berkelanjutan, sejalan dengan tujuan SDGs terkait keberlanjutan dan konsumsi yang bertanggung jawab.

Seminar ini dipandu oleh dosen pembimbing Stefani, Achmad Pratama Rifai, S.T., M.Eng., Ph.D., dan dihadiri oleh tiga penguji yang merupakan ahli di bidangnya: Ir. Yun Prihantina Mulyani, S.T., M.Sc., Ph.D., IPM., ASEAN Eng., Ir. Nur Mayke Eka Normasari, S.T., M.Eng., Ph.D., IPM., serta Ir. Sinta Rahmawidya Sulistyo, S.T., MSIE., Ph.D., IPM.

Penelitian yang dipresentasikan Stefani bertujuan untuk mengembangkan sistem deteksi sampah otomatis yang berbasis pada algoritma deep learning, khususnya Convolutional Neural Network (CNN), untuk membantu proses pemilahan sampah secara efisien. ”Sistem ini mengklasifikasikan sampah berdasarkan gambar ke dalam 20 kelas yang mencakup berbagai jenis sampah, seperti organik, kertas, kaca, plastik, elektronik (e-waste), hingga logam seperti besi dan aluminium,” papar Stefani.

Untuk mencapainya, Stefani menggunakan dataset yang terdiri dari kombinasi dataset publik dan dataset baru yang menghasilkan gambar sampah terbagi ke dalam kelas-kelas tersebut. Penelitian ini mengimplementasikan teknologi transfer learning dengan algoritma YOLOv4, YOLOv7, dan YOLOv8 yang terkenal dalam bidang visi komputer untuk deteksi objek secara real-time.

Stefani menekankan bahwa pengelolaan sampah yang baik sangat penting dalam mengurangi dampak negatif terhadap lingkungan dan kesehatan masyarakat. Dengan teknologi deteksi berbasis CNN, proses pemilahan sampah dapat dilakukan secara otomatis, memudahkan pengelolaan sampah, dan meningkatkan efektivitas daur ulang. Ini tentu saja berkontribusi pada pencapaian tujuan SDGs, khususnya yang terkait dengan keberlanjutan kota dan konsumsi yang bertanggung jawab.

Seminar ini juga mencerminkan upaya Fakultas Teknik UGM dalam mendukung pengembangan riset yang mengintegrasikan inovasi teknologi dengan isu-isu lingkungan, guna mendorong masyarakat menuju sistem pengelolaan sampah yang lebih ramah lingkungan dan berkelanjutan.

Dengan adanya penelitian ini, diharapkan dapat memberikan solusi praktis bagi pengelolaan sampah yang lebih efektif di perkotaan dan mendukung pembangunan yang lebih ramah lingkungan sesuai dengan prinsip-prinsip SDGs.

Kontributor: Maryanti, A.Md.
Editor: Gusti Purbo Darpitojati, S.I.Kom.