Implementasi Object Detection Berbasis Web untuk Klasifikasi Jenis Sampah Menggunakan YOLO
DOI:
https://doi.org/10.29407/m7yxsp77Keywords:
deteksi objek, klasifikasi sampah, YOLOv8Abstract
pengelolaan sampah yang tidak efektif dapat menimbulkan dampak negatif terhadap lingkungan, seperti pencemaran tanah, air, dan udara, serta peningkatan emisi gas rumah kaca. Penelitian ini bertujuan untuk mengembangkan sistem deteksi jenis sampah berbasis web menggunakan algoritma YOLOv8 untuk mendukung pengelolaan sampah yang lebih efisien. Metode penelitian mencakup tahapan akuisisi data, persiapan data, pemodelan, evaluasi, dan deployment. Dataset sampah organik dan anorganik diperoleh melalui platform Roboflow, terdiri dari 1.097 gambar, yang kemudian diolah melalui proses anotasi dan pembagian data (70% data pelatihan, 20% data validasi, dan 10% data pengujian). Algoritma YOLOv8 dipilih karena keunggulannya dalam deteksi objek secara real-time dengan akurasi tinggi. Hasil evaluasi menunjukkan model memiliki rata-rata nilai presisi 0,883, recall 0,903, dan mAP 0,914. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi berbasis web menggunakan framework Flask, dengan antarmuka sederhana untuk memudahkan pengguna dalam mengunggah gambar dan menganalisis jenis sampah. Penelitian ini diharapkan dapat memberikan kontribusi nyata dalam mendukung pengelolaan sampah yang lebih baik melalui penerapan teknologi berbasis kecerdasan buatan.
Downloads
References
I. M. Pageh and I. G. M. Aryana, “Solusi Strategis Penangan Masalah Sampah Dengan Mengolah Sampah Dapur Menjadi Pupuk Organik Cair (POC): (Kasus Dua Desa Pinggir Kota di Kota Singaraja Bali),” J. Ilm. Ilmu Sos., vol. 4, no. 2, Jan. 2019, doi: 10.23887/jiis.v4i2.16533.
D. Clasissa Aulia et al., “Peningkatan Pengetahuan dan Kesadaran Masyarakat tentang Pengelolaan Sampah dengan Pesan Jepapah,” J. Pengabdi. Kesehat. Masy., vol. 1, no. 1, pp. 62–70, 2021.
A. P. P Prasetyo, M. Irfansyah, K. Exaudi, and T. Wanda Septian, “Sistem Pemilah Sampah Organik Berbasis Raspberry Pi Menggunakan Klasifikasi CNN,” J. Sisfotenika, vol. 13, no. 1, pp. 76–90, 2023, [Online]. Available: http://sisfotenika.stmikpontianak.ac.id/index.php/ST
A. Ibnul Rasidi, Y. A. H. Pasaribu, A. Ziqri, and F. D. Adhinata, “Klasifikasi Sampah Organik dan Non-Organik Menggunakan Convolutional Neural Network,” J. Tek. Inform. dan Sist. Inf., vol. 8, no. 1, Apr. 2022, doi: 10.28932/jutisi.v8i1.4314.
S. Aras, P. Tanra, and M. Bazhar, “Deteksi Tingkat Kematangan Buah Tomat Menggunakan YOLOv5,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 623–628, Mar. 2024, doi: 10.57152/malcom.v4i2.1270.
B. P. Nugroho, Y. Prihati, and S. T. Galih, “Implementasi Algoritma Yolo V5 Dalam Rancangan Aplikasi Pendeteksi Plat Nomor Kendaraan,” INTECOMS J. Inf. Technol. Comput. Sci., vol. 7, no. 3, pp. 851–859, Jun. 2024, doi: 10.31539/intecoms.v7i3.10376.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Bagus Dwi Prasetya, Erwanda Putri Amalia, Putri Devita Juliana, Ratih Kumalasari Niswatin
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
