Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Dewangga, Rio Agung
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 1 Documents
Search

 1 
Deteksi Objek Sampah Organik dan Anorganik Menggunakan YOLOv9 Dewangga, Rio Agung; Wulanningrum, Resty; Mahdiyah, Umi
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/8wvngs64

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.
Co-Authors Mahdiyah, Umi Resty Wulanningrum