DAFTAR ISI
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
BAB 1. PENDAHULUAN
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
1.5 Manfaat
Dengan adanya inovasi Smart Trash dapat membantu dalam pengelolaan
sampah yang terintegrasi dengan bank sampah
5
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) .
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
Pengerjaan
alogaritma,
Software
Skema rangkaian
Singkronisasi
Analisis
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.
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
LAMPIRAN
Biodata Ketua
17
Biodata Anggota 1
18
Biodata Anggota 2
19
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
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
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
kegiatan untuk
dilaporkan.
24