DETEKSI JENIS SAMPAH OTOMATIS MENGGUNAKAN YOLO UNTUK EFISIENSI PENGELOLAAN SAMPAH

Sampah yang terkelola dengan baik hanya mencapai 66,24%, sementara sampah yang tidak terkelola masih berada di angka 33,76%. Data ini menunjukkan bahwa sepertiga dari seluruh sampah di Indonesia belum ditangani dengan efektif. Salah satu kendala utama dalam pengelolaan sampah di masyarakat adalah kurangnya pemahaman tentang pemilhan sampah yang benar. Perkembangan teknologi deep learning dan computer vision menawarkan solusi dalam menagani permasalahan sampah ini. Salah satu model deep learning yang populer dan efektif untuk tugas deteksi objek adalah YOLO (You Only Look Once). Pada penelitian ini menggunakan model YOLOv8l. Penelitian ini bertujuan untuk membuat sebuah sistem deteksi jenis sampah otomatis terintegrasi dengan tempat sampah. Dataset yang digunakan sebanyak 2800 citra gambar yang terbagi ke dalam 4 kelas, dengan masing-masing kelas terdiri dari 700 gambar. Dataset dibagi dengan rasio 80:10:5 untuk proses pelatihan. Hasil evaluasi menggunakan data test mendapatkan nilai mAP sebesar 0,968 atau 96,8% Hal ini menunjukkan performamodel yang cukup baik dalam mendeteksi objek pada dataset test. Model juga
dievaluasi dengan melihat hasil akurasi yang mendapat nilai sebesar 89,98%. Dilakukan juga pengujian secara real-time di Taman Merdeka Binjai. Hasil pengujian menunjukkan kemampuan sistem untuk mendeteksi sampah dengan nilai confidence threshold yang bervariasi namun tetap konsisten di atas ambang batas ditetapkan 0,5. Nilai confidence threshold tertinggi dicapai pada deteksi botol sebesar 0,94 dan terendah pada kaleng sebesar 0,64 yang menunjukkan kandalan sistem dalam berabgai skenario deteksi pada jarak kurang dari 30cm.