<![CDATA[ABSTRAKPlastik merupakan salah satu material yang sangat banyak digunakan dalam bidang industri maupun dalam kehidupan sehari-hari. Dalam proses daur ulang sampah plastik terdapat fase pemilahan jenis material sampah plastik. Hal ini dilakukan untuk menghindari adanya kontaminasi jenis material yang tidak homogen dan menyebabkan masalah serius dalam proses daur ulang plastik. Oleh karena itu, maka diperlukan cara alternatif untuk mengidentifikasi material plastik. Metode yang dapat digunakan untuk identifikasi material plastik adalah mengamati reflektansi cahaya dari berbagai jenis material plastik dengan panjang gelombang antara 400-940 nm. Selain metode identifikasi karakteristik plastik, dibutuhkan juga metode untuk mengklasifikasi plastik sesuai dengan jenis material penyusunnya, yaitu dengan algoritma Naïve Bayes atau K-Nearest Neighbours (KNN). Berdasarkan hasil pengujian, sensor dapat mengkap reflektansi cahaya dengan tingkat error untuk material PET 6.45%, PP 14.72%, dan HDPE 5.31%. Algoritma Naïve Bayes mampu mengklasifikasi material plastik dengan akurasi sebesar 87.22%, sensitivitas sebesar 80.83%, selektivitas sebesar 90.42%, dan presisi sebesar 81.09%. Implementasi algoritma Naïve Bayes dapat mengklasifikasikan material PET, HDPE, dan PP dengan membutuhkan waktu rata-rata 650.8 ms. Algoritma K-Nearest Neighbours dapat mengklasifikasikan material plastik dengan akurasi sebesar 84.44%, sensitivitas sebesar 76.67%, selektivitas sebesar 88.33%, dan presisi sebesar 76.93% pada K=9. Implementasi algoritma KNN dapat mengklasifikasikan material PET, HDPE, dan PP dengan membutuhkan waktu rata-rata 807.4 ms.Kata kunci: reflektansi, plastik, Naïve Bayes, KNNABSTRACTPlastic is one of the most widely used materials in industry and in everyday life. In the process of recycling plastic waste, there is a phase of sorting the types of plastic waste materials. The method that can be used to identify plastic materials is to observe the light reflectance of various types of plastic materials with wavelengths between 400-940 nm. In addition to the identification method of plastic characteristics, a method for classifying plastics according to the type of constituent material is also needed, that is the Naïve Bayes algorithm or KNearest Neighbors (KNN). Based on the test results, the sensor can capture light reflectance with an error rate of 6.45% for PET, 14.72% Based on the test results, the sensor can capture light reflectance with an error rate of 6.45% for PET, 14.72% for PP, and 5.31% for HDPE. The Naïve Bayes algorithm is able to classify plastic materials an accuracy of 87.22%, sensitivity of 80.83%, selectivity of 90.42%, and precision of 81.09%. The implementation of the Naïve Bayes algorithm can classify PET, HDPE, and PP materials with an average time of 650.8 ms. The K-Nearest Neighbors algorithm can classify plastic materials with an accuracy of 84.44%, sensitivity of 76.67%, selectivity of 88.33%, and precision of 76.93% at K=9. Implementation of the KNN algorithm can classify PET, HDPE, and PP materials with an average time of 807.4 ms.Keyword: reflectance, plastic, Naïve Bayes, KNN]]>
Copyrights © 2021
