Masalah sampah yang semakin kompleks di Indonesia dapat disebabkan oleh kurangnya kesadaran masyarakat tentang pentingnya pengelolaan sampah serta perubahan pola produksi dan konsumsi. Dalam upaya mengatasi masalah ini, UGM telah menyusun peta jalan penelitian tentang Perubahan Iklim dan Adaptasi Lingkungan, serta berfokus pada tujuan Sustainable Development Goals (SDGs) terkait Konsumsi dan Produksi yang Bertanggung Jawab. Diperlukan transformasi digital melalui teknologi komputasi bergerak dan perangkat pintar, terutama Internet of Things (IoT), untuk solusi yang cepat, akurat, dan efektif.
Pada penelitian ini, Dr. Yuris Mulya Saputra, seorang dosen Departemen Teknik Elektro dan Informatika SV UGM melalui Penelitian Dana Masyarakat SV UGM 2024 mengusulkan penggunaan transfer learning (TL) pada perangkat IoT sebagai solusi yang efisien dalam pengelolaan sampah, terutama untuk mendeteksi dan memilah jenis sampah. TL adalah pendekatan pembelajaran mesin yang memungkinkan setiap perangkat pengguna melakukan pelatihan gambar jenis sampah secara mandiri tanpa perlu berbagi data. Model yang telah dilatih dengan akurasi tinggi di cloud server akan ditransfer ke perangkat pengguna, memungkinkan pelatihan independen meski dengan data gambar yang terbatas.
Fokus utama penelitian ini adalah meningkatkan akurasi deteksi sampah menggunakan TL pada perangkat IoT yang memiliki keterbatasan sumber daya komputasi. Untuk mencapai klasifikasi sampah yang akurat, metode deep learning berbasis convolutional neural networks akan digunakan. Penelitian ini diharapkan dapat menghasilkan sistem TL berbasis klasifikasi gambar yang sederhana namun efektif, yang dapat digunakan oleh pengguna perangkat IoT dalam pemilahan sampah, serta tetap menjaga privasi data mereka.