YOLOv8n untuk Deteksi Sampah secara Real-Time pada Aplikasi Bank Sampah
Abstract
Pengelolaan sampah merupakan tantangan lingkungan yang signifikan di Indonesia, terutama di kawasan perkotaan dengan tingkat kesadaran pemilahan sampah yang masih rendah. Program bank sampah yang diatur dalam Peraturan Menteri Negara Lingkungan Hidup Republik Indonesia Nomor 13 Tahun 2012 bertujuan untuk mendorong partisipasi masyarakat dalam pengelolaan sampah berbasis komunitas, namun pelaksanaannya masih belum optimal akibat keterbatasan teknologi dan proses administrasi yang masih manual. Penelitian ini mengusulkan pengembangan aplikasi bank sampah berbasis mobile yang mengintegrasikan model YOLOv8n untuk deteksi jenis sampah secara real-time. Dataset terdiri dari sembilan kategori sampah dengan total 4.500 gambar, yang dianotasi dan dibagi menjadi data latih, validasi, dan uji dengan rasio 80:10:10. Model YOLOv8n dilatih menggunakan konfigurasi 70 epoch, learning rate 0,001, dan optimizer AdamW, menghasilkan performa [email protected] sebesar 0,995 dan [email protected]:0.95 sebesar 0,785. Pengujian lanjutan menunjukkan kemampuan generalisasi yang baik terhadap variasi bentuk, latar belakang, jarak, dan skenario multi-objek, meskipun performa menurun pada bentuk dan warna yang jarang muncul dalam dataset serta pada deteksi jarak jauh. Hasil penelitian membuktikan bahwa YOLOv8n memiliki potensi tinggi untuk diimplementasikan dalam sistem bank sampah berbasis mobile guna meningkatkan efisiensi pemilahan dan partisipasi masyarakat..
Keywords— Objek Deteksi, YOLOv8n, Computer Vision, Machine learning
References
J. Pendidikan Tambusai, E. Mahpudin, R. Lumban Batu, Z. Aulia Nurul Putri, P. Studi Akuntansi, and U. Singaperbangsa Karawang, “Pengelolaan Sampah Rumah Tangga di Kabupaten Karawang.”
E. Nurcahyo and D. Ernawati, “PENINGKATAN KESADARAN MASYARAKAT DALAM PENGELOLAAN SAMPAH RUMAH TANGGA DI DESA MABULUGO, KABUPATEN BUTON.” [Online]. Available: https://www.kajianpustaka.com/2017/03/pengertian-bentuk-dan-tahapan-kebijakan-publik.html
Kepala Biro Hubungan Masyarakat KLHK Nunu Anugrah, “Oase Kabinet dan KLHK Ajak Masyarakat Kelola Sampah Organik Menjadi Kompos,” Kementerian Lingkungan Hidup dan Kehutanan. Accessed: Oct. 14, 2024. [Online]. Available: https://www.menlhk.go.id/news/klhk-ajak-masyarakat-kelola-sampah-organik-jadi-kompos/
Bank Sampah Bersinar, “Bank Sampah Bersinar,” https://www.banksampahbersinar.com/. Accessed: Oct. 14, 2024. [Online]. Available: https://www.banksampahbersinar.com/
K. O’Shea and R. Nash, “An Introduction to Convolutional Neural Networks,” Nov. 2015, [Online]. Available: http://arxiv.org/abs/1511.08458
M. Hussain, “YOLOv1 to v8: Unveiling Each Variant-A Comprehensive Review of YOLO,” IEEE Access, vol. 12, pp. 42816–42833, 2024, doi: 10.1109/ACCESS.2024.3378568.
K. V. Archana and G. Komarasamy, “A novel deep learning-based brain tumor detection using the Bagging ensemble with K-nearest neighbor,” J. Intell. Syst., vol. 32, no. 1, 2023, doi: 10.1515/jisys-2022-0206.
M. Sheykhmousa, M. Mahdianpari, H. Ghanbari, F. Mohammadimanesh, P. Ghamisi, and S. Homayouni, “Support Vector Machine Versus Random Forest for Remote Sensing Image Classification: A Meta-Analysis and Systematic Review,” IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., vol. 13, pp. 6308–6325, 2020, doi: 10.1109/JSTARS.2020.3026724.
S. Saidah, R. Purnamasari, A. N. Bainuri, and G. S. F. Wahid, “Analisis Perbandingan Metode LBP dan CLBP pada Sistem Pengenalan Individu Melalui Iris Mata,” J. Edukasi dan Penelit. Inform., vol. 6, no. 3, p. 285, 2020, doi: 10.26418/jp.v6i3.41521.
M. Safaldin, N. Zaghden, and M. Mejdoub, “An Improved YOLOv8 to Detect Moving Objects,” IEEE Access, vol. 12, pp. 59782–59
