Submission akhir kelas Belajar Pengembangan Machine Learning (Dicoding). Model CNN untuk mengklasifikasikan gambar sampah rumah tangga ke dalam 12 kelas.
- Nama: Jan Agra Adyuta Harnowo
- Email: yutaagra@gmail.com
- ID Dicoding: adyuta23
Garbage Classification (12 classes) oleh Mostafa Mohamed — 15.515 gambar, 12 kelas: battery, biological, brown-glass, cardboard, clothes, green-glass, metal, paper, plastic, shoes, trash, white-glass. Dataset ini berbeda dari dataset Rock-Paper-Scissors maupun X-Ray yang sudah digunakan pada kelas sebelumnya.
- Arsitektur:
Sequential— 4 blokConv2D(64→128→256→512) +BatchNormalization+MaxPooling2D, dilanjutkanGlobalAveragePooling2D→Dense(512)→BatchNormalization→Dropout(0.5)→Dense(12, softmax). - Input: gambar di-resize on-the-fly ke
128x128(gambar asli tidak melalui preprocessing/resize manual — resolusi asli bervariasi per gambar, lihat cell eksplorasi dataset di notebook). - Augmentasi (rotasi, shift, zoom, flip, brightness) hanya diterapkan pada data training.
- Split data: 80% train / 10% validation / 10% test (stratified per kelas), total 15.515 gambar.
- Optimizer Adam dengan
clipnorm=1.0untuk stabilitas numerik. - Callback:
EarlyStopping,ReduceLROnPlateau,ModelCheckpoint, dan callback customStopAtAccuracy(berhenti otomatis saat akurasi training & validasi mencapai 95%). - Training final dijalankan penuh (50 epoch) di Google Colab (GPU T4).
| Metrik | Nilai |
|---|---|
| Training Accuracy | 97.66% |
| Test Accuracy | 88.40% |
Kedua metrik melampaui target minimum 85% pada rubrik submission.
.
├── tfjs_model/
│ ├── group1-shard1of2.bin
│ ├── group1-shard2of2.bin
│ └── model.json
├── tflite/
│ ├── model.tflite
│ └── label.txt
├── saved_model/
│ ├── saved_model.pb
│ ├── fingerprint.pb
│ ├── keras_metadata.pb
│ ├── assets/
│ └── variables/
├── Submission_Akhir_Jan_Agra_Adyuta_Harnowo.ipynb (notebook utama)
├── README.md
└── requirements.txt
Proyek ini menggunakan satu virtual environment (.venv, Python 3.11) untuk seluruh alur kerja: loading data, training, evaluasi, hingga konversi model ke SavedModel, TF-Lite, dan TFJS.
python3.11 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txtKredensial Kaggle API diperlukan untuk mengunduh dataset secara otomatis (jika data/garbage_classification belum ada). Simpan token di ~/.kaggle/kaggle.json sesuai dokumentasi Kaggle API.
Jalankan notebook:
jupyter nbconvert --to notebook --execute --inplace "Submission_Akhir_Jan_Agra_Adyuta_Harnowo.ipynb"
# atau buka & jalankan langsung di Jupyter/VS Code- Upload notebook ke Google Colab.
- Pilih runtime dengan GPU (T4): Runtime → Change runtime type → T4 GPU.
- Jalankan sel pertama (deteksi Colab otomatis menginstal
tf-keras+tensorflowjsdi atas TensorFlow bawaan Colab, tanpa mengubah versi TensorFlow/numpy bawaan) — setelah instalasi selesai, restart runtime lalu jalankan notebook dari awal (Run all). - Saat sampai di sel "Data Loading", upload
kaggle.jsonAnda sesuai instruksi di sel tersebut. - Karena tidak ada file
checkpoints/best_model.kerasdi Colab, sel training akan otomatis melatih model dari awal (50 epoch) menggunakan arsitektur & callback yang sama.
- Training lokal (opsional) memanfaatkan GPU Apple Silicon (Metal) melalui
tensorflow-metal. tensorflow==2.15.1(lokal) dipilih karenatensorflowjsmembutuhkan versi TensorFlow yang lebih lama agar seluruh dependency (termasuktensorflow-decision-forests, dependency internal konverter TFJS) dapat terpasang tanpa konflik versiprotobuf/ml_dtypesdalam satu environment yang sama.- Model menggunakan API Keras 2 "legacy" (
keras.optimizers.legacy.Adam,model.save()format SavedModel). Di Google Colab, ini dicapai lewat pakettf-keras+ environment variableTF_USE_LEGACY_KERAS=1, tanpa mengubah TensorFlow bawaan Colab (menghindari konflik ABI numpy/scipy). tensorflowjsselalu mengimportensorflow_decision_forestssecara internal meski fitur tersebut tidak dipakai di notebook ini (model kita adalah CNN Keras biasa, bukan decision forest). Notebook menyertakan mekanisme fallback: jika importtensorflow_decision_forestsgagal karena alasan versi, akan digantikan modul stub kosong agartensorflowjstetap bisa dipakai untuk konversi SavedModel → TFJS.