Sampah merupakan permasalahan di berbagai negara dunis, termasuk di Indonesia. Negara Indonesia merupakan negara penyumbang sampah plastik terbesar kedua di dunia. Pengolahan sampah merupakan salah satu cara untuk mengurangi sampah yang dihasilkan oleh masyarakat. Pemisahan jenis sampah merupakan tahapan awal sebelum dari proses daur ulang dilakukan. Penginderaan jenis dan bentuk sampah dengan kamera adalah satu metode yang menantang dalam penelitian di bidang computer vision. Dengan menggunakan metode ini dapat membuat sistem pemilahan sampah yang otomatis. Pada penelitian ini akan menentukan model CNN (Convolutional Neural Network) yang memiliki performa paling baik dalam memilah sampah dengan metode transfer learning. Transfer learning dalam penelitian ini menggunakan pre-trained model dari ImageNet. Hasil penelitian menunjukkan bahwa model CNN yang paling baik adalah Resnet 50. Nilai akurasi yang didapatkan dari train adalah 78% dan 90%. Sedangkan nilai akurasi dari validation sebesar 74% dan 80%. Dalam penelitian ini untuk dapat menerapkan teknologi pemisahan sampah secara otomatis pada tempat sampah maka dapat menggunakan model Resnet 50 apabila menggunakan server atau komputer dengan spesifikasi yang tinggi. Apabila menggunakan perangkat controller seperti Raspberry Pi dapat menggunakan model CNN MobileNet

Telah dilakukan analisis pada sistem pengenalan gambar empat buah bendera negara rumpun melayu secara digital. Negara tersebut adalah Indonesia, Malaysia, Singapura, dan Brunei Darussalam. Tujuan dari penelitian ini adalah sebagai bentuk langkah awal dalam melatih sistem Artificial Intelligence (Kecerdasan Buatan) dalam membedakan empat buah negara rumpun melayu berdasarkan warna dan motif bendera pada sebuah peta digital. Proses analisis dan pelatihan pengenalan bendera tersebut menggunakan metode Feed Forward Neural Network (FFNN). Hasilnya menunjukkan bahwa penggunaan 4 buah Hidden Layer, serta penggunaan Learning Rate 0,5 memberikan kemampuan pengenalan citra bendera secara tepat dengan persentase akurasi rata-rata mencapai 74,15%.