1

DAFTAR ISI

BAB 1. PENDAHULUAN .................................................................................... 3

1.1 Latar Belakang ....................................................................................... 3
1.2 Rumusan Masalah .................................................................................. 4
1.3 Tujuan ...................................................................................................... 4
1.4 Luaran Kegiatan..................................................................................... 4
1.5 Manfaat ................................................................................................... 4
BAB 2. TINJAUAN PUSTAKA ........................................................................... 5
2.1 Raspberry Pi............................................................................................. 5
2.2 Sensor Berat (Load Cell) ........................................................................ 5
2.3 Sensor Ultrasonic .................................................................................... 5
2.4 Camera Pi V1 .......................................................................................... 5
2.5 Algoritma Deep Learning ...................................................................... 5
2.6 Internet of Things (IoT) .......................................................................... 6
2.7 Konveyor ................................................................................................. 6
2.8 Proximity Sensor ..................................................................................... 6
2.9 Penelitian Terdahulu .............................................................................. 6
2.10 Kerangka Pikir ....................................................................................... 7
BAB 3. TAHAP PELAKSANAAN ....................................................................... 9
3.1 Waktu dan Tempat Pelaksanaan........................................................... 9
3.2 Metode Pelaksanaan............................................................................... 9
3.3 Perancangan Awal Prototipe ............................................................... 10
3.4 Tahap Coding Raspberry ..................................................................... 10
3.5 Tahap Penerapan Deep Learning Menggunakan Metode CNN
(Convolution Al Neural Network) .................................................................... 10
3.6 Pembangunan Prototipe ....................................................................... 11
3.7 Ujicoba Prototipe .................................................................................. 12
BAB 4. BIAYA DAN JADWAL KEGIATAN .................................................... 13
4.1 Anggaran Biaya .................................................................................... 13
4.2 Jadwal Kegiatan ................................................................................... 13
DAFTAR PUSTAKA........................................................................................... 14
 2

LAMPIRAN ......................................................................................................... 16
Lampiran 1. Biodata Ketua dan Anggota ......................................................... 16
Lampiran 2. Biodata Dosen Pendamping ......................................................... 19
Lampiran 3. Justifikasi Anggaran Kegiatan .................................................... 21
Lampiran 4. Susunan Organsasi Tim dan Pembagian Tugas ......................... 22
Lampiran 5. Surat Pernyataan Ketua Pelaksana ............................................ 24
Lampiran 6. Gambaran Teknologi Smart Trash................................................25

DAFTAR GAMBAR

Gambar 1. Diagram Alir Kerja Alat......................................................................8

Gambar 2. Diagram Alir Pelaksanaan..................................................................9
Gambar 3. Rangkaian Alat Menggunakan Project Board.................................10
Gambar 4. Desain Smart Trash............................................................................11
 3

BAB 1. PENDAHULUAN

1.1 Latar Belakang

Pada umumnya sampah di kota yang merupakan buangan sampah berasal dari
rumah tangga atau pemukiman, perkantoran atau sekolah terbagi menjadi golongan
sampah yang bisa di daur ulang dan yang bisa digunakan sebagai kompos, sampah
tersebut berupa bahan organik dan non-organik (Hamid B et al., 2020a). Berdasarkan
data dari Kementerian Lingkungan Hidup dan Kehutanan, di Banyuwangi sendiri
angka Timbulan sampah pada tahun 2023 mencapai 305,312.85(ton), 836.47(ton)
per harinya (Tim Penyusun, 2020).
Masyarakat sering kali tidak membedakan jenis sampah yang dibuang, oleh
karena itu Sampah yang ditimbulkan dari aktivitas dan konsumsi masyarakat
perkotaan ini, telah menjadi permasalahan lingkungan yang harus ditangani oleh
setiap pemerintah kota dengan dukungan partisipasi aktif dari masyarakat perkotaan
itu sendiri (Puspitawati & Rahdriawan, 2012a).
Dampak buruk dari membuang sampah sembarangan adalah penyakit. Penyakit
seperti tetanus, hepatitis A, cacingan, demam berdarah, keracunan makanan, infeksi
kulit, dan trachoma (Fauzi et al., 2023). Sampah-sampah yang tidak dikelola dengan
baik dapat menjadi tempat berkembang biak bagi mikroorganisme patogen yang
dapat menulari manusia menyebabkan resiko kesehatan di lingkungan sekitar
(Hamid B et al., 2020b).
Hasil observasi (Rachmadi, 2019), pada lingkungan sekolah, masih ada
kurangnya pengolahan terhadap sampah yang ada, sampah-sampah di lingkungan
sekolah sendiri meliputi plastik, kertas, kaca, daun, kayu, dan limbah praktikum.
Hal ini menunjukkan perilaku peduli sampah yang kurang. Misalkan peserta didik
rata-rata belum terbiasa membuang sampah pada tempatnya, belum mau memilah
dan mengumpulkan sampah menurut jenisnya. Ketidakpedulian ini disebabkan
pengetahuan tentang pengelolaan sampah yang kurang juga bisa disebabkan
kurangnya motivasi akan membuang sampah sesuai golongan sampah tersebut.
Padahal selama ini upaya pemanfaatan sampah seperti diantaranya dengan
Konsep Reuse, Reduce, and Recycle (3R) dapat mengurangi sampah yang berujung
dipembuangan tempat akhir, (Gunawan Wibowo & Izzuddin, 2021). konsep 3R harus
diawali dengan mengubah perilaku “membuang” sampah menjadi perilaku
“mengelola” sampah (Puspitawati & Rahdriawan, 2012b).
Berdasarkan analisa permasalahan di atas maka kami merancang dan
membangun Smart Trash menggunakan metode Algoritma Deep Learning serta UV
Light untuk mencatat dan memilah setiap sampah yang dibuang siswa serta
memudahkan pemilahan sampah-sampah yang ada di lingkungan sekolah yang bisa
didaur ulang atau dijadikan kompos (Faizal et al., 2023). Smart Trash dengan
Algoritma Deep Learning dilengkapi dengan UV Light yang berfungsi menetralisir
bakteri yang kemungkinan muncul pada sampah. Smart Trash dibangun
menggunakan material akrilik sebagai bahan kotak sampah, dan Raspberry Pi
 4

sebagai pemroses data. Sensor berat, Sensor ultrasonic, Sensor Proximity Inductive
sebagai sensor yang dapat mendeteksi berat, keberadaan objek dan jenis logam
yang mendukung dari kinerja Smart Trash dengan Algoritma Deep Learning

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas adapun rumusan masalah pada kegiatan
ini diantara lain bagaimana merancang dan membangun Smart Trash menggunakan
metode algoritma Deep Learning ?
1.3 Tujuan
Tujuan dari kegiatan ini adalah merancang dan membangun Smart Trash
menggunakan metode algoritma Deep Learning

1.4 Luaran Kegiatan

Luaran yang diharapkan dari kegiatan ini adalah prototipe Smart Trash, laporan
kemajuan, laporan akhir, dan akun media sosial

1.5 Manfaat
Dengan adanya inovasi Smart Trash dapat membantu dalam pengelolaan
sampah yang terintegrasi dengan bank sampah
 5

BAB II. TINJAUAN PUSTAKA

2.1 Raspberry Pi
Raspberry Pi adalah sebuah modul komputer yang juga mempunyai input
output digital port seperti pada board microcontroller. Diantara kelebihan
Raspberry Pi dibanding board microcontroller yang lain yaitu mempunyai port atau
koneksi untuk display berupa TV atau Monitor PC serta koneksi USB untuk
keyboard serta mouse (Alkautsar et al., 2020). Raspberry Pi Foundation menyediakan
biaya rendah dan kinerja tinggi komputer Raspberry Pi papan tunggal untuk
mendidik dan memecahkan permasalahan dunia nyata. Pada awal 2016, lebih dari
8 juta Raspberry Pi telah terjual, menjadikannya salah satu yang terbanyak
komputer papan tunggal yang populer dipasaran (Pagnutti et al., 2017).
2.2 Sensor Berat (Load Cell)
Load cell adalah sebuah transduser yang dapat menghasilkan output secara
proporsional dengan beban atau gaya yang diberikan. Load cell dapat memberikan
pengukuran yang akurat dari gaya dan beban. Load cell digunakan untuk
mengkonversikan regangan pada logam ke tahanan variabel sehingga menghasilkan
sinyal listrik yang besarnya sebanding dengan berat yang diukur (Sari et al., 2020).
2.3 Sensor Ultrasonic
Sensor ultrasonik adalah sensor yang berfungsi untuk mengubah besaran fisis
menjadi besaran listrik atau sebaliknya. Sensor ultrasonik yang diginakan pada
penelitian ini merupakan satu alat yang berfungsi sebagai pengirim, penerima, dan
pengontrol gelombang ultrasonik yang diproses pada sistem. Prinsip kerja sensor
ultrasonik yaitu pantulan gelombang suara digunakan untuk mendefinisikan atau
jarak suatu objek dengan frekuensi tertentu (Valentin et al., 2021).
2.4 Camera Pi V1
Raspberry Pi Camera Modul V1 merupakan modul tambahan Raspberry Pi
untuk mengambil gambar dan video dengan resolusi tinggi. Pi Camera V1 dirilis
pada bulan tahun 2013. Pi Camera V1 memiliki peningkatan resolusi 5 megapixels
(Alkautsar et al., 2020) .

2.5 Algoritma Deep Learning

Deep Learning merupakan metode learning yang memanfaatkan artificial
neural network yang berlapis-lapis (multi layer). Artifical Neural Network ini dibuat
mirip otak manusia, dimana neuron-neuron terkoneksi satu sama lain sehingga
membentuk sebuah jaringan neuron yang sangat rumit. Convulational Neural
Network (CNN) adalah salah satu algoritma yang termasuk dalam kategori Deep
Learning. CNN digunakan untuk menganalisis gambar visual, mendeteksi dan
 6

mengenali objeck pada image, yang merupakan vektor berdimensi tinggi yang akan
melibatkan banyak parameter untuk mencirikan jaringan (Nugroho et al., 2020).
2.6 Internet of Things (IoT)
Internet of things (IoT) adalah objek-objek fisik seperti perangkat elektronik,
kendaraan, benda sehari-hari, dan bahkan manusia, saling terhubung dan dapat
berkomunikasi dengan satu sama lain melalui internet. Dalam IoT, objek -objek
tersebut dilengkapi dengan sensor, perangkat lunak, dan konektivitas internet yang
memungkinkan mereka mengumpulkan dan bertukar data secara otomatis
(Alkautsar et al., 2020).

2.7 Konveyor
Konveyor adalah suatu sistem mekanik yang mempunyai fungsi memindahkan
dari tempat satu ketempat lainnya (Arijaya, 2019). Konveyor banyak dipakai di
industri untuk transportasi barang yang jumlahnya sangat banyak dan
berkelanjutan. Dalam kondisi tertentu, konveyor banyak dipakai karena
mempunyai nilai ekonomis dibandig transportasi berat seperti truk dan mobil
pengangkut. Konveyor mempunyai banyak jenis ysng disesuaiakan dengan
karakteristik barang yang diangkut. Jenis – jenis konveyor tersebut anatara lain
apron, flight, overhead, load propelling, car, bucket, screw, roller, vibrating,
pneumatic, dan hidraulic.
2.8 Proximity Sensor
Sensor Proximity adalah suatu komponen yang berfungsi untuk mendeteksi
keberadaan suatu objek. Sensor proximity jenis induktif banyak digunakan untuk
mendeteksi adanya benda logam pada jarak terntentu tanpa harus menyentuh benda
tersebut (Aribowo et al., 2021). Sensor proximity adalah sensor yang memiliki dua
buah komponen transmiter (pengirim), dan receiver (penerima), sistem kerja sensor
proximity induktif ini memancarkan gelombang elektromagnetik yang dikirimkan
melalalui komponen transmiter. Jika terdapat benda yang mengandung gelombang
elektromagnetik (logam), maka gelombang elektromagnetik terpantul kembali dan
diterima oleh komponen receiver dan diproses, jika pada saat sensor proximity
induktif menembakan gelombang elektromagnetik dan ada benda yang tidak ada
mengandung logam (non-logam) maka sensor proximity induktif tidak akan
merespon (Fitria et al., 2020).
2.9 Penelitian Terdahulu
Pengembangan Smart Trash sebelum nya pernah dilakukan oleh (Alkautsar et
al., 2020) dimana target sampah mereka merupakan tempat sampah umum yang
dapat memilah sampah otomatis berdasarkan kategori organik maupun anorganik
dan bank sampah bisa dipantau melalui aplikasi. Sistem kerjanya yaitu : Ketika
sampah masuk, maka sistem akan melakukan pengukuran berat sampah
menggunakan load cell (sensor berat), dimana apabila berat sampah tersebut >=
100 gram, maka akan dilakukan penangkapan objek sampah oleh pi camera. Setelah
 7

mendapatkan gambar sampah, maka sistem akan mengirimkan ke machine learning

(IBM Watson) untuk dicocokan kategorinya yang kemudian machine learning
tersebut akan memberikan respon dalam bentuk JSON. Lalu sistem akan
mengirimkan perintah ke servo motor untuk memutar papan ke arah yang sesuai
dengan kategori tersebut, dan ketika kapasitas sampah penuh sistem akan
mengirimkan notifikasi ke bank sampah.
Pengembangan tempat sampah otomatis (Mustofa, 2018) menunjukkan bahwa
tempat sampah otomatis yang dirancang dapat memilah jenis sampah organik,
anorganik, dan logam. Hal ini ditunjukkan dengan nilai threshold 251 yang
didapatkan dari beberapa uji coba pada sampah yang ditempelkan sensor touch dan
sensor proximity inductive. Hasil uji coba menunjukkan prototipe dapat
membedakan jenis sampah dengan baik dengan output dari nilai threshold antara
125-220 yang didapat dari tegangan 2.45 Vdc hingga 4.57 Vdc untuk sampah
organik. Sampah anorganik mempunyai output dari nilai threshold antara 248-250
yang didapat dari tegangan 4.86 Vdc hingga 4.92 Vdc dan sampah logam
mempunyai output dari nilai threshold antara 153-180 yang didapat dari tegangan
3.04 Vdc hingga 3.53 Vdc dengan status sensor proximity inductive “hidup”.

2.10 Kerangka Pikir

Prototipe Smart Trash merupakan produk yang ditempeli oleh teknologi guna
mempermudah dalam sistem pengelolaan sampah. Smart Trash
mengimplementasikan algoritma Deep Learning yang dapat belajar secara
konstruksif mengenal sampah plastik (Adi Nugroho et al., 2020) yang nantinya
dapat diimplementasikan ke teknologi-teknologi yang dapat menjaga lingkungan.
Dengan Smart Trash di lingkungan sekolah siswa dapat membangun motivasi
dalam menjaga kebersihan di lingkungan sekolah. Setiap sampah yang dibuang
siswa akan tercatat ke database sehingga guru dapat memantau keaktivan siswa
dalam menjaga kebersiha di lingkungan sekolah.
Pemilahan sampah plastik dan kertas dan informasi yang dikirimkan oleh
Smart Trash ke Bank Sampah dapat memudahkan proses daur ulang dan
pengolahan sampah menjadi lebih mudah.
 8

Gambar 1. Diagram Alir Kerja Alat

 9

BAB III. TAHAP PELAKSANAAN

3.1 Waktu dan Tempat Pelaksanaan

Kegiatan ini dilaksanakan pada selama kurang lebih 5 bulan setelah pendanaan
dilakukan dan bertempat di Laboratorium Teknik Elektro Universitas PGRI
Banyuwangi Kabupaten Banyuwangi.
3.2 Metode Pelaksanaan
Metode yang digunakan pada kegiatan ini adalah dengan membuat kerangka
kerja yang akan menjelaskan secara rinci garis besar seluruh program yang akan
dilaksanakan. Kerangka kerja tersebut dapat dilihat pada bagan

Tahapan Metode Hasil

Persiapan Pengumpulan data Data literatur dan

literatur dan lapangan lapangan

Desaign Sistem Perancang Perangkat Persiapan Alat dan

Smart Trash Lunak Bahan

Pengerjaan
alogaritma,
Software
Skema rangkaian

Perancangan Perakitan perangkat

perangkat keras keras Prototipe

Smart Trash Uji Coba

Perangkat keras

Singkronisasi

Analisis

Gambar 2. Diagram Alir Pelaksanaan

 10

3.3 Perancangan Awal Prototipe

Pada tahap ini, dilakukan perancangan sistem basis data jenis/obyek dan
kemudian direalisasikan. Perancangan awal dilakukan untuk menguji komponen-
komponen Perangkat Keras yang telah dipersiapkan.

Gambar 3. Rangkaian Alat Menggunakan Project Board

Keterangan :

No Nama Alat Fungsi

1. Raspberry Pi 3 Modul B+
2. Raspberry Pi camera 5MP OV567
3. Stepper Motor Nema 17
4. Sensor Berat (Load Cell)
Sebagai otak dari system yang dapat
mengolah data dan melakukan
seluruh proses pada sistem
Menangkap gambar sampah
Penggerak Konveyer untuk memilah
sampah
Membaca berat jenis sampah

3.4 Tahap Coding Raspberry

Coding dilakukan menggunakan software IDE (Integrated Development
Enviroment) berbasis GUI yaitu Thonny untuk mengcompile Bahasa Phyton.
Struktur koding yang dimasukkan dimulai dari input yang akan membaca data dan
algoritma untuk mempelajari data yang selanjutanya akan mengirim perintah ke
output.
3.5 Tahap Penerapan Deep Learning Menggunakan Metode CNN
(Convolution Al Neural Network)
Ada banyak algoritma yang bisa digunakan untuk membuat Machine Learning.
yaitu Convolutional Neural Networks (CNN), Long Short Term Memory Network
(LSTM), Reccurent Neural Network (RNN), Self Organizing Maps (SOM) dan saat
 11

ini Convolutional Neural Network (CNN) adalah algoritma yang paling efektif
dalam mengenali citra. CNN dirancang khusus untuk mengenali dan
mengklasifikasikan gambar, dengan beberapa lapisan yang mengekstrak informasi
dari gambar dan menentukan klasifikasi gambar. Aplikasi ini menggunakan Python
sebagai bahasa pemrograman, web berbasis Flask, Tensor Flow, dan Open CV.
Prosesnya melibatkan tahap pre-processing dan tahap klasifikasi, dimana proses
pelatihan dilakukan dengan berbagai batch size dan epoch untuk mendapatkan
model terbaik.

3.6 Pembangunan Prototipe

Dalam tahap ini pembangunan Prototipe dari rancangan desain yang telah di
rancang akan direalisasikan sesuai dengan konsep yang diterapkan.

Gambar 4. Desain Smart Trash

Pada Gambar 4. merupakan rancangan Smart Trash yang didalam nya terdiri dari :
No Nama Keterangan
1. Penutup Penutup Sampah
2. Raspberry pi camera Menangkap gambar sampah
5MP OV567
3. Raspberry Pi 3 Sebagai otak dari system yang dapat mengolah data
Model B+ dan melakukan seluruh proses pada sistem
4. Stepper Motor Nema Penggerak Konveyer untuk memilah sampah
17
5. UV Light Penetral Bakteri yang terkumpul di tempat sampah
6. Compartment Penyimpan sampah non-organik yang bisa di daur
Sampah Non-organik ulang
 12

7. Compartment Penyimpan sampah organik yang bisa dijadikan

Sampah Organik kompos
8. Load Cell Membaca berat jenis sampah

3.7 Ujicoba Prototipe

Ujicoba dilakukan untuk mengetahui efektifitas dan kekurangan alat agar bisa di
tingkatkan efektifitas kegunaannya. Pengujian sistem pada kegiatan ini dilakukan
di Laboratorium Universitas PGRI Banyuwangi menggunakan konsep kalibrasi dan
uji laboratorium sebelum sistem benar-benar dapat diujicoba dan diterapkan di
lapangan. Pada tahapan ini penulis melakukan pengujian alat yang sudah selesai di
bangun dengan kondisi sudah lengkap.
 13

BAB IV. BIAYA DAN JADWAL KEGIATAN

4.1 Anggaran Biaya

Rencana anggaran biaya yang dibutuhkan dalam pembuatan Smart Trash
seperti pada tabel 1.

No Jenis Pengeluaran Sumber Dana Besaran Dana (Rp)

Belmawa 6.600.000
1 Bahan Habis Pakai Perguruan Tinggi -
Instansi Lain (jika ada) -
Belmawa 1.000.000
2 Sewa dan Jasa Perguruan Tinggi 450.000
Instansi Lain (jika ada) -
Belmawa 1.600.000
3 Transportasi Lokal Perguruan Tinggi 750.000
Instansi Lain (jika ada) -
Belmawa 600.000
4 Lain-lain Perguruan Tinggi -
Instansi Lain (jika ada) -
Jumlah 11.000.000
Belmawa 9.800.000
Perguruan Tinggi 1.200.000
Rekap Sumber Dana
Instansi Lain (jika ada) -
Jumlah 11.000.000
Tabel 1. Anggaran Biaya

4.2 Jadwal Kegiatan

Berikut merupakan jadwal kegiatan dalam pembuatan Smart Trash
ditunjukkan pada tabel 2.

Bulan
No Jenis Kegiatan Penanggungjawab
1 2 3 4
1 Studi literatur Ketua, Anggota 1, Anggota 2
2 Persiapan Alat dan Bahan Anggota 2
3 Perancangan Alat Ketua
4 Perancangan Software Anggota 1
5 Pengujian Alat Ketua, Anggota 1, Anggota 2
6 Analisa dan Evaluasi Ketua, Anggota 1, Anggota 2
7 Publikasi Ketua, Anggota 1, Anggota 2
Tabel 2. Jadwal Kegiatan
 14

DAFTAR PUSTAKA

Adi Nugroho, P., Fenriana, I., & Arijanto, R. (2020). Implementasi Deep Learning
Menggunakan Convolutional Neural Network ( Cnn ) Pada Ekspresi Manusia. Jurnal
Algor, 2(1). https://jurnal.buddhidharma.ac.id/index.php/algor/index
Alkautsar, Y. Y. N. Y., Arbaatun, C. N., & Prawita, F. N. (2020). Matrash: The Use Of
Machine Learning In The Waste Bank Based Iot Integrated With Smart Trash Bin. E-
Proceeding of Applied Science, 6(2), 4068–4075.
Aribowo, D., Desmira, D., Ekawati, R., & Rahmah, N. (2021). Sistem Perancangan
Conveyor Menggunakan Sensor Proximity Pr18-8dn Pada Wood Sanding Machine.
Edsuaintek: Jurnal Pendidikan, Sains Dan Teknologi, 8(1), 67–81.
https://doi.org/10.47668/edusaintek.v8i1.146
Arijaya, I. M. N. (2019). Rancang Bangun Alat Konveyor Untuk Sistem Soltir Barang
Berbasis Mikrokontroler Arduino Uno. Jurnal Resistor Rekayasa Sistem Komputer,
2(2), 126–135.
Faizal, L., Yuyun, & Hazriani. (2023). Identifikasi Sampah Plastik Menggunakan
Algoritma Deep Learning. Jurnal Ilmiah Sistem Informasi Dan Teknik Informatika
(JISTI), 6(2), 162–171. https://doi.org/10.57093/jisti.v6i2.176
Fauzi, Aziz, R., Darnas, Y., & Chyntia, N. (2023). Analisis Potensi Daur Ulang Sampah
Domestik Kabupaten Solok Selatan. Jurnal Reka Lingkungan, 11(02), 140–151.
https://doi.org/10.26760/rekalingkungan.v11i2.140-151
Fitria, L., Amir, F., & Bahri, R. (2020). Smart Trash Menggunakan Metode Clustering
Dengan Pendekatan Centroid Linkage. Jurnal Teknologi, 12(2), 1–8.
Gunawan Wibowo, Y., & Izzuddin, A. (2021). Integrasi Pengolahan Sampah Metode 3r
Dengan Bank Sampah Di SMA Bima Ambulu. Jurnal Pengabdian Masyarakat, 2(1),
19–23.
Hamid B, A., Esti, E. A. J., & Muddarisna, N. (2020a). Daur Ulang Sampah Organik Dan
Unorganik Bernilai Ekonomis. Peduli - Jurnal Ilmiah Pengabdian Pada Masyarakat,
02(02), 75–86.
Hamid B, A., Esti, E. A. J., & Muddarisna, N. (2020b). Daur Ulang Sampah Organik Dan
Unorganik Bernilai Ekonomis. Peduli - Jurnal Ilmiah Pengabdian Pada Masyarakat,
02(02), 75–86.
Mustofa, A. R. (2018). Tempat Sampah Otomatis Dengan Sistem Pemilah Jenis Sampah
Organik, Anorganik, Dan Logam.
Nugroho, P. A., Fenriana, I., & Arijanto, R. (2020). Implementasi Deep Learning
Menggunakan Convolutional Neural Network ( Cnn ) Pada Ekspresi Manusia. Jurnal
Algor, 2(1), 12–21.
Pagnutti, M., Ryan, R. E., Cazenavette, G., Gold, M., Harlan, R., Leggett, E., & Pagnutti,
J. (2017). Laying the foundation to use Raspberry Pi 3 V2 camera module imagery
for scientific and engineering purposes. Journal of Electronic Imaging, 26(1), 1–13.
https://doi.org/10.1117/1.jei.26.1.013014
 15

Puspitawati, Y., & Rahdriawan, M. (2012a). Kajian Pengelolaan Sampah Berbasis

Masyarakat dengan Konsep 3R (Reduce, Reuse, Recycle) di Kelurahan Larangan
Kota Cirebon. Jurnal Pembangunan Wilayah & Kota, 8(4), 349–359.
Puspitawati, Y., & Rahdriawan, M. (2012b). Kajian Pengelolaan Sampah Berbasis
Masyarakat dengan Konsep 3R (Reduce, Reuse, Recycle) di Kelurahan Larangan
Kota Cirebon. Jurnal Pembangunan Wilayah & Kota, 8(4), 349–359.
Rachmadi, D. (2019). Peningkatan Perilaku Peserta Didik Dalam Mengelola Sampah
Sekolah Melalui Turnamen Tim SMAN 1 Karangrayung. Jurnal Profesi Keguruan,
5(1), 1–6.
Sari, A., Utami, N., Samsugi, S., & Ramdan, S. D. (2020). Pengembangan Koper Pintar
Berbasis Arduino Development of smart suitcases-based arduino. In Jurnal ICTEE
(Vol. 1, Issue 1).
Tim Penyusun. (2020). SIPSN - Sistem Informasi Pengelolaan Sampah National.
Kementerian Lingkungan Hidup Dan Kehutanan.
https://sipsn.menlhk.go.id/sipsn/public/home/fasilitas/bsu
Valentin, R. D., Desmita, M. A., Alawiyah, A., & Samsugi. (2021). Implementasi Sensor
Ultrasonik Berbasis Mikrokontroler Untuk Sistem Peringatan Dini Banjir. Jurnal
Ilmiah Mahasiswa Kendali Dan Listrik, 2(1), 1–10.
https://doi.org/10.33365/jimel.v1i1
 16

LAMPIRAN

Lampiran 1. Biodata Ketua dan Anggota

Biodata Ketua
 17

Biodata Anggota 1
 18

Biodata Anggota 2
 19

Lampiran 2. Biodata Dosen Pendamping

A. Identitas Diri
1 Nama Lengkap Ratna Mustika Yasi, M.Pd.
2 Jenis Kelamin Perempuan
3 Program Studi Teknik Elektro
4 NIP/NIDN 0712018901
5 Tempat dan Tanggal Lahir Banyuwangi, 12 Januari 1989
6 Alamat Email ratnayasi12@gmail.com
7 Nomor Telepon/HP 081231762092

B. Riwayat Pendidikan
Gelar Tahun Lulus
No Bidang Ilmu Magister
Akademik
Universitas Negeri
1 Sarjana (S1) Kimia 2013
Yogyakarta
Pendidikan Universitas Negeri
2 Magister (S2) 2015
Kimia Yogyakarta

C. Rekam Jejak Tri Dharma PT. Pendidikan/Pengajaran

No Nama Mata Kuliah Wajib/Pilihan sks

1 Statistik Wajib 3
2 Kalkulus Wajib 3
3 Kimia Teknik Wajib 2

Penelitian
No Judul Penelitian Penyandang Dana Tahun
1 Implementasi Panel Surya sebagai Sumber Mandiri 2022
Energi Listrik untuk Monitoring Lahan
Pertanian SHIFOD Jagung
2 Pengaruh Tegangan Terhadap Besar Kuat Mandiri 2021
Arus Listrik Pada Persamaan Hukum Ohm
3 Rancang Bangun Monitor Dan Aktuator Mandiri 2021
Kandang Ayam Menggunakan NodeMCU
ESP8266
4 Rancang Bangun Alat Ukur Kekuatan Mandiri 2020
Pukulan Atlet Beladiri Menggunakan
Sensor Fsr (Force Sensitive Resistor)
Berbasis Mikrokontroller Atmega328
 20

Pengabdian Kepada Masyarakat

 21

Lampiran 3. Justifikasi Anggaran Kegiatan

Harga Satuan
No Jenis Pengeluaran Volume
(Rp) Nilai (Rp)
1 Belanja Bahan
Raspberry Pi 3 Model B+ 1 600.000 600.000
Rasbery Pi Camera Modul 1 220.000 220.000
Kabel Pelangi 10 m 2 23000 46.000
Sensor Berat (Load Cell) 1 175.000 175.000
Bearing Gear 4 132000 528.000
Stepper Motor 3 102.000 306.000
Conveyer Belt 2 250.000 500.000
Battery Litium 1250Mah 1 136.000 136.000
1 Sensor Ultrasonik
1 560.000 560.000
GH-311RT GH-311
Akrilik 4 680.000 2.720.000
Proximity Sensor Omron 1 550.000 350.000
UV Light paket 1 459.000 459.000
SUB TOTAL 6.600.000
2 Belanja Sewa
Sewa Peralatan Laboratorium guna
perakitan smart trash 1 500.000 500.000
Pengujian sistem smart trash 1 450.000 450.000
Sewa Peralatan Laboratorium guna
perakitan konveyor 1 500.000 500.000
SUB TOTAL 1.450.000
3 Perjalanan Lokal
Perjalanan Pembelian Peralatan dan Bahan
250.000 1.250.000
Antar Kota 5
Perjalanan Perakitan peralatan 4 50.000 200.000
Perjalanan pengambilan data 4 150.000 600.000
Perjalan uji keandalan alat 2 150.000 300.000
SUB TOTAL 2.350.000
4 Lain-Lain
Biaya publikasi 1 450.0000 450.000
 22

Pembelian ATK 1 150.000 150.000

SUB TOTAL 600.000
GRAND TOTAL 11.000.000
GRAND TOTAL (SEBELAS JUTA RUPIAH)

Lampiran 4. Susunan Organsasi Tim dan Pembagian Tugas

Program Bidang Alokasi

No Nama/NIM Uraian Tugas
Studi Ilmu Waktu
1 M. Teknik Perancang 6 jam/ - Menentukan waktu
Sholahuddin Elektro an dan minggu dan mengawasi
Wahid/ pengemba jalannya kegiatan.
22202010071 ngan - Menentukan
perangkat rancangan dan sistem
keras yang akan dibuat.
elektronik - Membuat desain
a perangkat lunak.
- Menguji coba sistem
dan mengevaluasi
kegiatan dan kemajuan
kegiatan.
- Bertanggung jawab
atas semua kegiatan.
2 Muhammad Teknik Perancang 5 jam/ - Membuat desain
Fadhil Aulia/ Elektro an dan minggu perangkat keras.
222020100101 pengemba - Melakukan uji coba
ngan dan menganalisa
perangkat sistem.
lunak dan - Membuat evaluasi dan
mikrokont rancangan yang tepat.
roler
3 Ahmad Rizalul Teknik Desain, 5 jam/ - Mendesain dan
Arifin/ Elektro administra minggu melakukan analisa
222020100011 si dan rancangan sistem.
analisis - Membuat evaluasi dan
rancangan yang tepat.
- Mencatat semua jenis
kegiatan dan
perkembangan
 23

kegiatan untuk
dilaporkan.
 24

Lampiran 5. Surat Pernyataan Ketua Pelaksana

 25

Lampiran 6. Gambaran Teknologi Smart Trash

Desain 3D Smart Trash