Keywords
YOLOv9
Sampah
How to Cite
Abstract
Sampah merupakan sisa kegiatan sehari-hari manusia atau proses alam yang berbentuk padat. Secara umum, sampah dikelompokkan menjadi dua yakni sampah organik dan anorganik. Sampah organik merupakan jenis sampah yang paling banyak dihasilkan oleh masyarakat, sampah ini memiliki kandungan air yang tinggi sehingga mengalami pembusukan yang cepat dan saat membusuk, sampah jenis ini menimbulkan bau busuk yang dapat penyebabkan pencemaran lingkungan serta berpotensi menjadi sarang penyakit. Sedangkan sampah anorganik tidak berasal dari makhluk hidup (non hayati) melainkan berasal dari bahan yang bisa diperbaharui dan bahan yang berbahaya serta beracun, contoh sampah yang dapat didaur ulang misalnya bahan yang terbuat dari plastik dan logam. Permasalahan mengenai sampah organik maupun anorganik menjadi sangat serius mengingat dampaknya yang luar biasa pada lingkungan, untuk menindaklanjuti permasalahan tersebut. Pada penelitian ini digunakan model deteksi YOLO-v9 untuk mengenali jenis sampah organik dan anorganik supaya sampah dapat dipilah dan dimanfaatkan sesuai jenisnya dengan baik. Dilakukan pembagian dengan presentase 70% untuk data pelatihan (training), 20% untuk validasi, dan 10% untuk pengujian (testing) terhadap 392 gambar dengan epoch sebanyak 100 kali. Penelitian menghasilkan performa yang baik yang dimana nilai rata-rata precision sebesar 0,937, recall 0,924, serta mAP50 dan mAP50-95 sebesar 0,857 dan 0,888. Pada objek dengan kelas anorganik_paper dan anorganik_metal memperoleh performa terbaik dan pada kelas organic_leaf dan organic_food_waste mendapatkan akurasi relatif rendah. Ini menunjukkan bahwa model YOLOv9 menunjukkan kinerja yang sangat baik dalam mengklasifikasikan jenis sampah.
References
[1] C. A. Windanu and A. S. Fauzi, “Analisa komposisi bahan pupuk kompos dari sampah organik,” in Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 2023, pp. 759–765.
[2] I. S. Abidin and D. H. S. Marpaung, “Observasi penanganan dan pengurangan sampah di Universitas Singaperbangsa Karawang,” Jurnal Justitia Jurnal Ilmu Hukum Dan Humaniora, vol. 8, no. 4, pp. 872–882, 2021.
[3] H. K. Astuti, “PEMBERDAYAAN EKONOMI KREATIF MELALUI DAUR ULANG SAMPAH PLASTIK (STUDI KASUS BANK SAMPAH KELURAHAN PAJU PONOROGO),” Apr. 25, 2022. doi: 10.31219/osf.io/6j7rv.
[4] M. A. Lestari, M. B. Santoso, and N. Mulyana, “Penerapan teknik participatory rural appraisal (PRA) dalam menangani permasalahan sampah,” Jurnal Penelitian dan Pengabdian Kepada Masyarakat (JPPM), vol. 1, no. 1, pp. 55–61, 2020.
[5] N. Ekawandani, “PENGOMPOSAN SAMPAH ORGANIK (KUBIS DAN KULIT PISANG) DENGAN MENGGUNAKAN EM4,” Apr. 02, 2018. doi: 10.31227/osf.io/3gt26.
[6] N. Azmin, I. Irfan, M. Nasir, H. Hartati, and St. Nurbayan, “Pelatihan Pembuatan Pupuk Kompos Dari Sampah Organik Di Desa Woko Kabupaten Dompu,” Jompa Abdi: Jurnal Pengabdian Masyarakat, vol. 1, no. 3, pp. 137–142, Sep. 2022, doi: 10.57218/jompaabdi.v1i3.266.
[7] U. H. Marshush, E. Abubakar, and A. Rahmatullah, “Pengelolaan Sampah Anorganik di Kelurahan Tlogosari Kulon Kota Semarang,” AJAD : Jurnal Pengabdian kepada Masyarakat, vol. 3, no. 3, Dec. 2023, doi: 10.59431/ajad.v3i3.223.
[8] T. Sutisna, A. R. Raharja, S. Solihin, E. Hariyadi, and V. H. C. Putra, “Penggunaan computer vision untuk menghitung jumlah kendaraan dengan menggunakan metode SSD (Single Shoot Detector),” Innovative: Journal Of Social Science Research, vol. 4, no. 2, pp. 6060–6067, 2024.
[9] S. Liu, R. Chen, M. Ye, J. Luo, D. Yang, and M. Dai, “EcoDetect-YOLO: A Lightweight, High-Generalization Methodology for Real-Time Detection of Domestic Waste Exposure in Intricate Environmental Landscapes,” Sensors, vol. 24, no. 14, p. 4666, Jul. 2024, doi: 10.3390/s24144666.
[10] S. Kumar, D. Yadav, H. Gupta, O. P. Verma, I. A. Ansari, and C. W. Ahn, “A Novel YOLOv3 Algorithm-Based Deep Learning Approach for Waste Segregation: Towards Smart Waste Management,” Electronics (Basel), vol. 10, no. 1, p. 14, Dec. 2020, doi: 10.3390/electronics10010014.
[11] Q. Sun, X. Zhang, Y. Li, and J. Wang, “YOLOv5-OCDS: An Improved Garbage Detection Model Based on YOLOv5,” Electronics (Basel), vol. 12, no. 16, p. 3403, Aug. 2023, doi: 10.3390/electronics12163403.
[12] V. Adi Kurniyanti and D. Murdiani, “Perbandingan Model Waterfall Dengan Prototype Pada Pengembangan System Informasi Berbasis Website,” Jurnal Syntax Fusion, vol. 2, no. 08, pp. 669–675, Aug. 2022, doi: 10.54543/fusion.v2i08.210.
[13] D. T. Haniva, J. A. Ramadhan, and A. Suharso, “Systematic Literature Review Penggunaan Metodologi Pengembangan Sistem Informasi Waterfall, Agile, dan Hybrid,” Journal of Information Engineering and Educational Technology, vol. 7, no. 1, pp. 36–42, Jun. 2023, doi: 10.26740/jieet.v7n1.p36-42.
[14] R. Padilla, W. L. Passos, T. L. B. Dias, S. L. Netto, and E. A. B. da Silva, “A Comparative Analysis of Object Detection Metrics with a Companion Open-Source Toolkit,” Electronics (Basel), vol. 10, no. 3, p. 279, Jan. 2021, doi: 10.3390/electronics10030279.
[15] Rafael Padilla, Sergio Lima Netto, and Eduardo A. B. da Silva, “A Survey on Performance Metrics for Object-Detection Algorithms,” in 2020 International Conference on Systems, Signals and Image Processing (IWSSIP), IEEE, Jul. 2020.
[16] M. M. Huda, K. A. Prasetyo, M. A. R. Vieri, R. Wulanningrum, and M. A. D. W. Dara, “Identifikasi Mangga Berdasarkan Tingkat Kematangan Menggunakan Yolo 11,” in Seminar Nasional Teknologi & Sains, 2025, pp. 175–182.
[17] M. M. NSA, R. Wulanningrum, and A. Sanjaya, “Implementasi YOLO Dalam Deteksi Jumlah Kendaraan,” in Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 2024, pp. 1274–1281.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Rio Agung Dewangga, Resty Wulanningrum, Umi Mahdiyah