Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Inggrid Ester Erlinda Simarmata
Politeknik Bisnis Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Komparatif YOLO11 dan RT-DETR untuk Deteksi Sampah pada Variasi Pencahayaan Juni Ismail; Pangidoan Adventus Ambarita; Renovand Mikael Situmorang; Elida Madona Siburian; Inggrid Ester Erlinda Simarmata
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1358

Abstract

Sistem pemilahan sampah berbasis citra memerlukan model deteksi objek yang mampu mempertahankan akurasi ketika kualitas visual berubah. Penelitian ini menganalisis ketahanan visual YOLO11n, YOLO11s, dan RT-DETR-l pada enam kelas objek sampah, yaitu biodegradable, cardboard, glass, metal, paper, dan plastic. Data eksperimen terdiri atas 7.324 citra latih, 2.098 citra validasi, dan 1.042 citra uji dengan anotasi bounding box berformat YOLO. Evaluasi dilakukan pada test set normal dan empat skenario gangguan, yaitu pencahayaan redup 50%, pencahayaan terang 50%, kontras rendah, dan Gaussian noise. Metrik evaluasi meliputi precision, recall, F1-score, mAP@50, mAP@50:95, dan estimasi FPS. Hasil pengujian normal menunjukkan bahwa RT-DETR-l memperoleh performa tertinggi dengan precision 0,5329, mAP@50 0,4484, dan mAP@50:95 0,3576. Pada evaluasi robustness, RT-DETR-l tetap paling stabil, khususnya pada skenario redup 50% dengan mAP@50 0,4463. Sebaliknya, YOLO11n menghasilkan efisiensi inferensi tertinggi dengan 178,32 FPS pada kondisi normal. Temuan ini menegaskan adanya trade-off antara akurasi deteksi, ketahanan visual, dan kecepatan inferensi untuk sistem deteksi sampah real-time.
Co-Authors Elida Madona Siburian Juni Ismail Pangidoan Adventus Ambarita Renovand Mikael Situmorang