DETEKSI JENIS SAMPAH MENGGUNAKAN METODE TRANSFER LEARNING YOLO-V8

Nandang Suwela, Muhammad Zidan Hedriyadi

Abstract


Permasalahan besar yang dihadapi oleh hampir semua negara termasuk Indonesia adalah masalah sampah, dimana jumlah dan jenis sampah yang beredar terus meningkat setiap tahunnya seiring dengan bertambahnya jumlah penduduk. Hal ini mengakibatkan penambahan peningkatan jenis dan jumlah timbunan sampah. Pemilahan jenis sampah menjadi tantangan utama dalam pengelolaan sampah karena keberadaan sampah yang ada di lingkungan masyarakat selalu dalam keadaan tercampur atau tidak terpilah. Pemilahan sampah yang baik sangat diperlukan sehingga dapat membedakan sampah yang dapat didaur ulang dan meminimalkan sampah yang tidak dapat didaur ulang. Penelitian ini merekayasa model kecerdasaan buatan Convolutional Neural Network (CNN) untuk membantu mengindetifikasi sampah melalui gambar, dan untuk meningkatkan akurasi peneliti menggunakan teknik transfer learning dari modul You Only Look Once (YOLO). YOLO-V8 merupakan versi terbaru dari model YOLO yang telah dikembangkan untuk meningkatkan akurasi dan kecepatan deteksi objek dengan akurasi tinggi. Penggunaan metode transfer learning pada YOLO-V8 memungkinkan untuk menyesuaikan model yang sudah ada dengan dataset baru yang spesifik, seperti dataset sampah, tanpa perlu melatih model dari awal, sedangkan untuk memudahkan analisa secara visual, digunakan aplikasi web. Perhitungan mAP didasarkan pada perhitungan IoU, pada mAP50, hasil prediksi memiliki minimal terdapat 50% bagian kotak tumpang tindih terhadap kotak target, sehingga model dapat mencapai nilai 0.88. Sedangkan pada mAP50-95 hasil prediksi minimal memiliki 95%, untuk nilai ini model mampu mencapai angka 0.70. Penelitian menggunakan dataset yang sangat terbatas, untuk penelitian selanjutnya dapat dilakukan penambahan dataset baik dalam jumlah kelas maupun jumlah dataset itu sendiri. Integrasi dengan sistem lain juga bisa dilakukan, seperti perhitungan berat sampah dan pelaporan mengenai pendapatan yang didapat dari menjual sampah untuk meningkatkan penghasilan masyarakat

Keywords


Deteksi Sampah; Transfer Learning; YOLO-8

Full Text:

PDF [61-74]

References


SIPSN, “Sistem Informasi Pengelolaan Sampah Nasional.” [Online]. Available: https://sipsn.menlhk.go.id/sipsn/

L. E. Torres-García, A., Rodea-Aragón, O., Longoria-Gandara, O., Sánchez-García, F., & González-Jiménez,“Intelligent waste separator. Computacion y Sistemas, 19(3).,” pp. 487–500, 2015.

N. Rima Dias Ramadhani, Nur Aziz Thohari, A., Kartiko, C., Junaidi, A., Ginanjar Laksana, T., & Alim Setya Nugraha, “Optimasi Akurasi Metode Convolutional Neural Network untuk Identifikasi Jenis Sampah,” RESTI (Rekayasa Sist. dan Teknol. Informasi), pp. 312–318, 2021.

R. Meyrena, S. D., & Amelia, “Analisis Pendayagunaan Limbah Plastik Menjadi Ecopaving Sebagai Upaya Pengurangan Sampah.,” Indones. J. Conserv., pp. 96–100, 2020.

B. Citra Malina, A., Muchtar, A., Penelitian dan Pengabdian pada Masyarakat, L., Hasanuddin, U., Jalan Perintis Kemerdekaan Km, M., Makassar, K., & Penelitian dan Pengembangan Daerah Kota Makassar Jalan Jenderal Ahmad Yani No, “KAJIAN LINGKUNGAN TEMPAT PEMILAHAN SAMPAH DI KOTA MAKASSAR,” J. Inov. dan Pelayanan Publik Makassar, vol. 1, no. 1, 2017.

G. LeCun, Y., Bengio, Y., & Hinton, “Deep learning,” Nature, pp. 436–444, 2015.

I. Jakhar, D., & Kaur, “Artificial intelligence, machine learning and deep learning: definitions and differences.,” Clin. Exp. Dermatology, pp. 131–132, 2020.

S. Zhang, X., & Xu, “Research on Image Processing Technology of Computer Vision Algorithm.,” in 2020 International Conference on Computer Vision, Image and Deep Learning (CVIDL), 2020, pp. 122–124.

M. Riziq sirfatullah Alfarizi, M., Zidan Al-farish, M., Taufiqurrahman, M., Ardiansah, G., & Elgar, “PENGGUNAAN PYTHON SEBAGAI BAHASA PEMROGRAMAN UNTUK MACHINE LEARNING DAN DEEP LEARNING,” Karimah Tauhid, 2023.

M. Kuroki, “Using Python and Google Colab to teach undergraduate microeconomic theory.,” Int. Rev. Econ. Educ.,2021.




DOI: https://doi.org/10.31326/sistek.v7i1.2125

Refbacks

  • There are currently no refbacks.


JOURNAL IDENTITY

Journal Name:  Journal Information System and Science Technology

Jurnal Sistem Informasi dan Sains Teknologi


e-ISSN: 2684-8260
Publisher: Program Studi Sistem Informasi, Universitas Trilogi, Jakarta Selatan, Indonesia
Publication Schedule: February and August
Language: Indonesian and English
APC: Free of charge (submission, publishing) 
Indexing:  Google Scholar, Garuda, Neliti, One Search, Base, DRJI, Road, Crossref, Index Copernicus, WorldCat, Scilit, Dimensions (find by DOI article)
OAI address: http://trilogi.ac.id/journal/ks/index.php/SISTEK/oai?verb=ListRecords&metadataPrefix=oai_dc
Collaboration Partners: Indonesian Association of Higher Education in Informatics and Computing (APTIKOM)

Contact: sistek@trilogi.ac.id (Whatsapp Number: +628192454119)

license :
Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Journal Information System and Science Technology (Jurnal Sistem Informasi dan Sains Teknologi) is Published by Information System Department Trilogi University, South Jakarta, Indonesia. 

Under license CC-BY from Creative Commons Attribution.