Penggunaan Algoritma YOLOv8 untuk Deteksi Jenis Sampah
Studi Implementasi di Website Bank Sampah Bersinar
Abstrak
Di Indonesia, pengelolaan sampah yang efektif merupakan tantangan besar, terutama mengingat jumlah sampah yang dihasilkan terus meningkat setiap tahunnya. Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dan efisiensi deteksi dan pemilahan sampah menggunakan model deep learning YOLOv8, yang dikembangkan untuk deteksi objek secara real-time. Platform Roboflow digunakan untuk memproses dan menganalisis dataset gambar sampah yang dikumpulkan dari sumber online seperti Google dan Kaggle. Model YOLOv8 yang dilatih diterapkan dalam dua skenario utama: deteksi objek secara langsung melalui webcam dan implementasi pada antarmuka website. Hasil pengujian menunjukkan bahwa YOLOv8 memiliki kemampuan mendeteksi berbagai jenis sampah dengan sangat akurat; pada konfigurasi tertentu, nilai mAP mencapai 0,91490. Hasilnya menunjukkan bahwa teknologi ini dapat membantu meningkatkan pengelolaan sampah di Indonesia, terutama di Bank Sampah Bersinar dan sistem pengelolaan sampah lainnya.
Kata kunci— YOLOv8, deteksi objek, deep learning, pengolahan sampah
Referensi
J. M. Kadang and N. Sinaga, "Pengembangan Teknologi Konversi Sampah Untuk Efektifitas Pengolahan Sampah dan Energi Berkelanjutan,= TEKNIKA: Jurnal Ilmiah Bidang Ilmu Rekayasa, vol. 15, no. 1, pp. 33–44, 2021.
SIPSN, "Kementrian Lingkungan Hidup dan Kehutanan, "Sistem Informasi Pengelolaan Sampah Nasional (SIPSN).=
I. H. Sarker, "Deep learning: A comprehensive overview on techniques, taxonomy, applications and research directions. SN Computer Science, 2 (6): 420,= 2021.
X. Cong, S. Li, F. Chen, C. Liu, and Y. Meng, "A review of YOLO object detection algorithms based on deep learning,= Frontiers in Computing and Intelligent Systems, vol. 4, no. 2, pp. 17–20, 2023.
Ultralytics, "https://docs.ultralytics.com/integrations/tfjs/#whyshould-you-export-to-tfjs.=
Ultralytics, "https://docs.ultralytics.com/integrations/roboflow/. =
Z. Karimi, "Confusion Matrix.= [Online]. Available: https://www.researchgate.net/publication/35509678 8
