Implementasi Computer Vision Pada Pemilihan Botol Plastik Jenis Pet Dan HDPE Menggunakan Arsitektur Mobilenet V2

Peningkatan jumlah limbah botol plastik, khususnya jenis Polyethylene Terephthalate (PET) dan High-Density Polyethylene (HDPE), menimbulkan permasalahan lingkungan serius karena sifatnya yang sulit terurai. Proses pemilahan kedua jenis plastik ini masih banyak dilakukan secara manual oleh pengepul, yang memerlukan waktu lama dan berisiko terjadi kesalahan. Penelitian ini bertujuan untuk mengimplementasikan Computer Vision pada pemilahan botol plastik PET dan HDPE menggunakan arsitektur Convolutional Neural Network (CNN) MobileNetV2. Data penelitian terdiri dari 980 citra botol plastik yang dikumpulkan menggunakan webcam dengan berbagai variasi kondisi. Seluruh citra melalui tahap pre-processing dan data augmentation, kemudian dilatih menggunakan optimizer Adam, fungsi loss categorical crossentropy, dan penyesuaian laju pembelajaran adaptif. Hasil evaluasi menunjukkan bahwa model mencapai akurasi 97% dengan nilai precision, recall, dan F1-score masing-masing sebesar 0,97, serta waktu komputasi rata-rata 0,5–2 detik. Sistem yang dibangun juga terintegrasi dengan dashboard berbasis Flask untuk memantau hasil prediksi dan menyimpan data ke database MySQL. Temuan ini membuktikan bahwa pendekatan MobileNetV2 efektif digunakan dalam mendukung proses pemilahan botol plastik secara cepat, akurat, dan berkontribusi pada peningkatan efisiensi daur ulang.

Kata Kunci: Computer Vision, Convolutional Neural Network, MobileNetV2, PET, HDPE