Deteksi Sampah Organik dan Anorganik Menggunakan Model YOLOv8

Bima Prasetio
Nunik Pratiwi


DOI: https://doi.org/10.29100/jipi.v10i1.5965

Abstract


Penelitian ini berfokus pada pengembangan model untuk mendeteksi sampah organik dan anorganik menggunakan algoritma YOLOv8. Deteksi sampah yang efektif sangat penting untuk pengelolaan limbah yang berkelanjutan. Dataset yang digunakan terdiri dari 1178 citra sampah organik dan anorganik yang dikumpulkan dari Roboflow, dibagi menjadi set pelatihan, validasi, dan pengujian. Model YOLOv8 dilatih menggunakan teknik transfer learning selama 30 epoch dengan ukuran gambar 640x640 piksel. Evaluasi dilakukan terhadap metrik performa seperti precision, recall, mean Average Precision (mAP), dan Intersection over Union (IoU) dalam kondisi Gaussian blur, darkness, low resolution, dan motion blur. Hasil menunjukkan model mencapai performa terbaik pada kondisi normal dengan precision, recall, dan IoU yang tinggi serta waktu pemrosesan yang efisien. Kondisi Gaussian blur menunjukkan precision sempurna namun sedikit penurunan pada recall dan akurasi lokal. Kondisi darkness dan low resolution menunjukkan sedikit penurunan metrik dan peningkatan waktu pemrosesan. Motion blur adalah kondisi paling menantang, dengan penurunan signifikan pada precision, recall, dan IoU. Rekomendasi mencakup peningkatan recall pada Gaussian blur, efisiensi pemrosesan dalam kondisi darkness, serta peningkatan deteksi dan akurasi dalam kondisi motion blur.


Keywords


Intersection over Union (IoU); mean Average Precision (mAP); Sampah Organik dan Anorganik; YOLOv8

Full Text:

PDF

Article Metrics :

References


H. Hayat and H. Zayadi, “Model inovasi pengelolaan sampah rumah tangga,” JU-ke (Jurnal Ketahanan Pangan), vol. 2, no. 2, pp. 131–141, 2018.

R. D. Ramadhani, A. N. A. Thohari, C. Kartiko, A. Junaidi, T. G. Laksana, and N. A. S. Nugraha, “Opti-masi Akurasi Metode Convolutional Neural Network untuk Identifikasi Jenis Sampah,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 2, pp. 312–318, 2021.

T. P. Sari, A. M. I. T. Asfar, A. M. I. A. Asfar, A. I. E. Rahayu, and A. S. N. Azizah, “Pemanfaatan Limbah Elektronik (E-Waste) Mix Resin pada Kelompok Karang Taruna Desa Batulappa,” E-Amal: Jurnal Pengabdian Kepada Masyarakat, vol. 1, no. 3, pp. 491–496, 2021.

R. D. Lisminingsih and A. Malikah, “Pendirian Unit Bank Sampah dan Pengelolaan Sampah Residu di Desa Parangargo Malang,” in Prosiding Seminar Nasional LPPM UMP, 2019, pp. 148–157.

R. Akbari, “Analisis Timbulan dan Komposisi Sampah di Kawasan Bhumi Merapi dan Stonehenge Kaliurang, Sleman, DI Yogyakarta,” 2018.

Sistem Informasi Pengelolaan Sampah Nasional (SIPSN), “Kementerian Lingkungan Hidup dan Kehu-tanan Direktorat Jenderal Pengelolaan Sampah, Limbah dan B3 Direktorat Penanganan Sampah.” Ac-cessed: Nov. 18, 2023. [Online]. Available: https://sipsn.menlhk.go.id/sipsn/

D. Putri, R. M. A. Kinasti, and E. Lestari, “PEMANFAATAN LIMBAH ABU SISA Pembakaran Sampah Non Organik Sebagai Material Pengganti Pasir Pada Bata Beton Pejal,” Konstruksia, vol. 10, no. 1, pp. 39–50, 2019.

H. M. B. Tama, H. Helmy, and R. A. Mulyono, “Rancang Bangun Alat Pemilah Sampah Plastik Berbasis Sensorik RGB (Red, Green, Blue) sebagai Langkah Moderenisasi Teknologi pada Proses Pemilahan Sampah Plastik,” Blantika: Multidisciplinary Journal, vol. 1, no. 4, pp. 241–249, 2023.

A. I. Rasidi, Y. A. H. Pasaribu, A. Ziqri, and F. D. Adhinata, “Klasifikasi Sampah Organik dan Non-Organik Menggunakan Convolutional Neural Network,” Jurnal Teknik Informatika dan Sistem Infor-masi, vol. 8, no. 1, pp. 142–149, 2022.

J. Redmon and A. Farhadi, “Yolov3: An incremental improvement,” arXiv preprint arXiv:1804.02767, 2018.

T. Chowdhury, A. R. Sarker, A. A. S. Rasel, and S. H. Fahim, “Bangladeshi Vehicle Identification via YOLO v8-Based License Plate Detection,” 2024.

K. R. Tanjung, L. Liliana, and H. Juwiantho, “Klasifikasi Benda Organik dan Anorganik Dengan Metode YOLOv3 dan ResNet50,” Jurnal Infra, vol. 10, no. 2, pp. 268–274, 2022.

O. S. N. Utomo, F. Utaminingrum, and E. R. Widasari, “Implementasi YOLO versi 3 untuk Mengidentif-ikasi dan Mengklasifikasi Sampah Kantor berbasis NVIDIA Jetson Nano,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 6, pp. 2829–2834, 2022.

F. R. Hendri and F. Utaminingrum, “Rancang Bangun Sistem Pengklasifikasi Jenis Sampah Organik dan Anorganik menggunakan metode You Only Look Once versi 3 berbasis Raspberry Pi,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 7, pp. 3509–3514, 2022.

H. Purwantoro, T. Mudzakir, and S. Lestari, “Penerapan Algoritma YoloV5 Dalam Pendeteksian Objek Merek Sampah Botol Plastik,” Scientific Student Journal for Information, Technology and Science, vol. 5, no. 1, pp. 18–23, 2024.

M. Taşyürek and C. Öztürk, “A fine-tuned YOLOv5 deep learning approach for real-time house num-ber detection,” PeerJ Comput Sci, vol. 9, 2023, doi: 10.7717/PEERJ-CS.1453.

S. A. Putri, G. Ramadhan, Z. Alwildan, I. Irwan, and R. Afriansyah, “Perbandingan Kinerja Algoritma YOLO Dan RCNN Pada Deteksi Plat Nomor Kendaraan,” Jurnal Inovasi Teknologi Terapan, vol. 1, no. 1, pp. 145–154, 2023.

A. Asroni, G. Indrawan, and L. J. E. Dewi, “Implementasi Hirarki Dataset Dalam Membangun Model Language Aksara Bali Menggunakan Framework Tesseract OCR,” Jurnal RESISTOR (Rekayasa Sistem Komputer), vol. 6, no. 1, pp. 20–28, 2023.

E. I. Haksoro and A. Setiawan, “Pengenalan Jamur Yang Dapat Dikonsumsi Menggunakan Metode Transfer Learning Pada Convolutional Neural Network,” Jurnal ELTIKOM: Jurnal Teknik Elektro, Teknologi Informasi dan Komputer, vol. 5, no. 2, pp. 81–91, 2021.

L. Satya, M. R. D. Septian, M. W. Sarjono, M. Cahyanti, and E. R. Swedia, “SISTEM PENDETEKSI PLAT NOMOR POLISI KENDARAAN DENGAN ARSITEKTUR YOLOV8,” Sebatik, vol. 27, no. 2, pp. 753–761, 2023.

M. Sayed and G. Brostow, “Improved handling of motion blur in online object detection,” in Proceed-ings of the IEEE/CVF conference on computer vision and pattern recognition, 2021, pp. 1706–1716.