Oleh = Mochammad Haldi Widianto

Sistem pengelolaan sampah tradisional beroperasi berdasarkan jadwal harian yang sangat tidak efisien dan mahal. Tempat sampah yang ada juga telah membuktikan ketidakefektifannya di depan umum seperti yang dilakukan orang tidak mendaur ulang sampahnya dengan benar. Dengan perkembangan Internet of Things (IoT) dan Artificial Intelligence (AI), sistem pengelolaan sampah tradisional dapat diganti dengan sensor pintar yang disematkan ke dalam sistem untuk melakukan pemantauan realtime dan memungkinkan pengelolaan sampah yang lebih baik. Penelitian ini bertujuan untuk mengembangkan sistem pengelolaan sampah pintar dengan menggunakan protokol komunikasi LoRa dan model deep learning berbasis TensorFlow. LoRa mengirimkan data sensor dan Tensorflow melakukan deteksi objek dan klasifikasi secara real time. Tempat sampah terdiri dari beberapa kompartemen untuk memisahkan sampah termasuk logam, plastik, kertas, dan kompartemen sampah umum yang dikendalikan oleh motor servo..

Pengelolaan limbah adalah operasi yang mahal karena menghabiskan banyak sumber daya dan tenaga kerja. Berbagai upaya telah dilakukan oleh pihak berwenang untuk meningkatkan sistem pengelolaan sampah dengan menyiapkan tempat sampah daur ulang dan meluncurkan kampanye 3R (daur ulang, gunakan kembali, dan kurangi). Sebuah studi tentang kesadaran masyarakat tentang kegiatan daur ulang di Kota Bharu, Kelantan Malaysia menunjukkan bahwa hanya 31,8% dari total 384 peserta yang terlibat dalam daur ulang. Hal ini menunjukkan bahwa inisiatif yang diambil sebelumnya tidak efektif dan sistem pengelolaan sampah yang cerdas perlu dikembangkan untuk menggantikan infrastruktur yang ada. Kemajuan di bidang IoT telah memungkinkan perbaikan sistem pengelolaan sampah yang ada. Implementasi sensor di tempat sampah bersama dengan konektivitas IoT memungkinkan pemantauan secara realtime, yang tidak ada dalam sistem pengelolaan limbah yang ada. Data seperti tingkat pengisian, suhu, kelembaban, dan data yang diperlukan dapat dikumpulkan dari sensor. Data ini kemudian dapat ditransfer ke cloud untuk penyimpanan dan pemrosesan. Data yang diolah kemudian dapat digunakan untuk mempelajari dan mengakses batasan sistem pengelolaan sampah yang ada dan oleh karena itu meningkatkan efisiensi sistem secara keseluruhan. Penerapan IoT di tempat sampah merupakan salah satu langkah menuju kota pintar.

Tabel 1. Perbandingan fungi beberapa IoT komunikasi untuk diterapkan di IoT

LoRa cocok untuk diterapkan pada sistem sampah cerdas karena biasanya tempat sampah ditempatkan antara beberapa meter hingga beberapa kilometer, dan LoRa mampu mengirimkan data dari jarak jauh dengan tetap mengkonsumsi daya yang rendah. Gambar menunjukkan perisai radio multiprotokol yang terhubung dengan modul LoRa dan Arduino Uno, yang bertindak sebagai node, dan Waspmote, yang bertindak sebagai gateway. Tabel diatas merepresentasikan spesifikasi LoRa yang digunakan dalam sistem. Modul LoRa terhubung ke Arduino melalui perisai radio multiprotocol, yang bertindak sebagai perisai interkoneksi untuk Arduino dan dirancang untuk menghubungkan dua modul komunikasi pada saat yang bersamaan. Modul menggunakan topologi star sebagai node (perangkat akhir / node sensor) untuk membangun koneksi point-to-point dengan gateway melalui penggunaan parameter seperti alamat node..

Gambar 2. LoRa

mewakili klasifikasi limbah menggunakan model deteksi limbah. Berdasarkan penelitian, model pendeteksian limbah yang dihasilkan memperoleh ketelitian rata-rata sebesar 88,4%. Presisi untuk

Setiap jenis deteksi sampah ditingkatkan dengan menambah jumlah sampel data citra. Deteksi sampah yang berjalan pada Raspberry Pi dengan modul kamera menangkap dengan kecepatan sekitar 0,75 frame per detik merupakan waktu inferensi dari model deteksi sampah yang diperoleh selama deteksi sampah secara real-time pada Raspberry Pi 3 Model BC. Pada kenyataannya, pengoperasian pendeteksian sampah membutuhkan waktu sekitar satu detik, dan pengoperasian untuk membuang sampah ke kompartemen sampah membutuhkan waktu sedetik lagi…

Model tersebut mampu mendeteksi dan mengklasifikasikan sampah berdasarkan kelas seperti logam, plastik, dan kertas. Namun, akurasi model dapat ditingkatkan dengan menambah jumlah data latih dalam hal ini, jumlah citra sampah dan dengan menambah waktu pelatihan. Pemilahan limbah dihubungkan dan dikoordinasikan dengan baik antara deteksi objek yang dilakukan oleh Raspberry Pi dan motor servo yang mengendalikan tutup kompartemen limbah individu. Modul RFID mengontrol mekanisme penguncian nampan. Sensor ultrasonik memantau tingkat pengisian, sedangkan modul GPS memantau lokasi dan waktu nyata tempat sampah. LoRa yang beroperasi pada pita frekuensi 915MHz mentransmisikan data mengenai status nampan mengenai level _lling, lokasi, dan waktu nyata dari nampan ke gateway LoRa. Data yang diterima di gateway diterjemahkan oleh program terminal, RealTerm. Penerapan sistem pemilahan dan pemantauan otomatis di tempat sampah ini bertujuan untuk mengurangi biaya pengoperasian dan meningkatkan sistem pengelolaan limbah

 

Referensi :

  1. TEOH JI SHENG, MOHAMMAD SHAHIDUL ISLAM, NORBAHIAH MISRAN , MOHD HAFIZ BAHARUDDIN,  HASLINA ARSHAD, MD. RASHEDUL ISLAM 1, MUHAMMAD E. H. CHOWDHURY, HATEM RMILI ,  AND MOHAMMAD TARIQUL ISLAM, “An Internet of Things Based Smart Waste Management System Using LoRa and Tensorflow Deep Learning Model” Digital Object Identifier 10.1109/ACCESS.2020.3016255, Universiti Kebangsaan Malaysia,