Riset UGM menunjukkan AI bisa dipakai untuk mengenali sampah sejak dibuang, tetapi manfaat terbesarnya justru mungkin ada pada data, insentif, dan rantai ekonomi sirkular yang menyertainya.
Universitas Gadjah Mada pada 5 Oktober 2026 memperkenalkan Smart Waste Bin, perangkat berbasis kecerdasan buatan dalam ekosistem WESTA yang dirancang untuk mengenali dan memilah sampah secara otomatis. Untuk pembaca yang bertanya apakah alat seperti ini bisa mengurangi salah pilah di kampus atau kota, jawabannya: berpotensi membantu di titik buang, tetapi belum terbukti pada skala operasional luas. Yang sudah jelas dari tahap riset ini adalah arah pengembangannya tidak berhenti pada tong sampah, melainkan pada sistem yang juga merekam jenis sampah, estimasi berat, lokasi, dan emisi karbon.
Itu penting karena masalah pemilahan di Indonesia kerap bukan sekadar kurangnya wadah organik, anorganik, dan residu. Di banyak tempat, kesalahan justru terjadi saat pengguna ragu membedakan jenis sampah, terburu-buru membuang, atau tidak melihat manfaat langsung dari memilah dengan benar. Jika AI mampu menurunkan kesalahan di titik awal, beban pemilahan ulang di tahap berikutnya bisa berkurang. Namun pada tahap ini, klaim tersebut masih harus dibuktikan lewat uji akurasi, stabilitas, dan kemudahan penggunaan yang memang masih menjadi agenda riset berikutnya.
Bagaimana WESTA bekerja di balik perangkat
Menurut penjelasan UGM, Smart Waste Bin adalah salah satu komponen dari WESTA, singkatan dari AI-Powered Waste Circular Ecosystem. Perangkat ini saat ini mengenali tiga kategori sampah, yaitu organik, anorganik, dan residu, lalu terhubung dengan aplikasi melalui Bluetooth Low Energy. Hasil identifikasi dapat ditampilkan di layar perangkat dan disambungkan ke aplikasi seluler serta dashboard yang dipakai untuk mengelola dan menganalisis data.
Bagi pengguna umum, cara kerjanya bisa dipahami sederhana: sampah dimasukkan, sistem memindai, lalu AI mengirim hasil deteksi. Tetapi di belakang proses itu, nilai tambah WESTA ada pada pencatatan. Sistem ini tidak hanya menandai kategori sampah, melainkan juga menyiapkan data tentang perkiraan bobot, lokasi temuan, estimasi jejak karbon, bahkan merek produk yang muncul pada sampah tertentu. Di sinilah proyek ini bergerak dari alat bantu kebersihan menjadi instrumen pengumpulan data timbulan sampah.
Mengapa data lebih penting daripada sensasi “AI”
Dalam tata kelola sampah, data sering kali lebih langka daripada tempat sampah itu sendiri. Kampus, gedung, atau kawasan komersial bisa memiliki banyak wadah pemilahan, tetapi tidak selalu tahu jenis sampah apa yang paling sering muncul, produk apa yang mendominasi, atau titik mana yang paling banyak menghasilkan residu. Dengan kata lain, pemilahan manual menghasilkan sampah, tetapi belum tentu menghasilkan pengetahuan yang bisa dipakai untuk memperbaiki sistem.
Karena itu, pendekatan UGM menarik ketika dikaitkan dengan ekonomi sirkular. Jika data merek dan jenis kemasan bisa dipetakan dengan rapi, ia dapat dipakai untuk mendorong tanggung jawab produsen, menilai potensi material bernilai ekonomi, dan merancang insentif yang lebih tepat. UGM juga menyebut fitur poin untuk sampah bernilai ekonomi seperti botol plastik sedang dikembangkan, walau penukaran poin menjadi reward belum selesai. Artinya, perubahan perilaku yang dibayangkan proyek ini tidak hanya bergantung pada sensor dan model AI, tetapi juga pada apakah pengguna melihat manfaat nyata dari memilah dengan benar.
Konteks Indonesia: pemilahan masih menjadi pekerjaan dasar
Konteks nasional membuat eksperimen seperti ini relevan. Dalam dokumen resmi peringatan Hari Peduli Sampah Nasional 2025, Kementerian Lingkungan Hidup menyebut timbulan sampah Indonesia pada 2023 mencapai 56,63 juta ton per tahun. Dari jumlah itu, capaian pengelolaan nasional tercatat 39,01 persen, sementara 60,99 persen belum terkelola. Dokumen yang sama juga mencatat 306 daerah, atau 54,44 persen, masih mengoperasikan TPA secara open dumping.
Masalah tersebut menunjukkan bahwa pemilahan dari sumber masih menjadi simpul dasar yang belum selesai. Undang-Undang Nomor 18 Tahun 2008 sendiri menempatkan pemilahan sebagai bagian dari penanganan sampah, yakni pengelompokan dan pemisahan sesuai jenis, jumlah, dan sifatnya. Dalam kerangka itu, Smart Waste Bin bisa dibaca sebagai upaya memindahkan sebagian beban identifikasi dari manusia ke mesin. Tetapi teknologi seperti ini tetap hanya salah satu lapisan solusi; ia tidak menggantikan kebutuhan infrastruktur, pengangkutan terpisah, pasar material daur ulang, dan tata kelola daerah yang konsisten.
Apa yang belum terbukti
UGM cukup terbuka bahwa proyek ini masih berada pada tahap scale-up menuju sistem yang siap diuji secara operasional. Perkembangan hingga Agustus 2026 menunjukkan instalasi elektronik telah selesai dan fungsi perangkat sudah terintegrasi dengan aplikasi serta model AI. Uji coba direncanakan di lingkungan FEB UGM, dengan pekerjaan lanjutan berupa optimasi model, penambahan empat kelas sampah termasuk B3, serta pengujian akurasi, stabilitas, dan kemudahan penggunaan.
Di sinilah batas yang perlu dijaga. Belum ada dasar untuk menyebut perangkat ini sudah siap dipakai luas di kota-kota Indonesia, apalagi mengklaim pasti menurunkan timbulan sampah atau langsung meningkatkan daur ulang. Akurasi klasifikasi di lingkungan nyata biasanya dipengaruhi bentuk kemasan yang berubah, kondisi kotor atau basah, pencahayaan, volume penggunaan, dan disiplin pengguna. Justru karena itulah tahap uji operasional akan menjadi penentu: apakah WESTA efektif hanya sebagai prototipe kampus, atau bisa berkembang menjadi model pengelolaan sampah berbasis data yang lebih luas.
