Koeswara, Tya Septiani Nurfauziah
Unknown Affiliation

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

Found 1 Documents
Search

Sistem Klasifikasi Sampah Berbasis YOLOv8 dengan Pemicu Ultrasonik untuk Efisiensi Daya Nuraini, Yusna Salma; Nur'aini, Yusna Salma; Al Zahra, Nabila; Ilham, Muhammad Faris; Kuswandi, Irwan; Bahri, Saeful; Koeswara, Tya Septiani Nurfauziah
Jurnal Ilmiah Sistem Informasi Vol. 5 No. 2 (2026): May: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/pg864m25

Abstract

Akumulasi limbah yang tidak terkelola secara efektif menimbulkan ancaman serius bagi keberlanjutan lingkungan dan kesehatan masyarakat global, khususnya di kawasan urban padat penduduk. Meskipun teknologi pemilahan sampah otomatis telah berkembang, sistem eksisting sering kali terkendala efisiensi energi yang rendah dan isu higienitas akibat ketergantungan pada kontak fisik atau penggunaan sistem kamera yang aktif terus-menerus (always-on). Penelitian ini bertujuan merancang Sistem Pemilah Sampah Cerdas Hibrida yang mengintegrasikan teknologi visi komputer algoritma YOLOv8 Nano dengan sensor ultrasonik HC-SR04 untuk mewujudkan solusi pemilahan nirkontak (touchless). Menggunakan metode Research and Development (R&D), sistem ini menawarkan mekanisme manajemen daya efisien, di mana sensor ultrasonik bertindak sebagai pemicu jarak dekat (<10 cm) yang secara otomatis membuka pintu sampah dan mengaktifkan kamera akuisisi citra hanya ketika objek terdeteksi. Model YOLOv8 dilatih menggunakan dataset sebanyak 25.077 citra yang bersumber dari repositori publik Kaggle, dan berhasil mencapai performa Presisi sebesar 80,6% serta mAP@50 sebesar 61,7%. Berdasarkan pengujian real-time, sistem mampu mengklasifikasikan dan menginstruksikan aktuator servo untuk memisahkan sampah ke wadah organik atau anorganik secara akurat. Dilengkapi modul IoT ESP8266, sistem ini juga memfasilitasi pemantauan kapasitas volume sampah. Kesimpulannya, integrasi cerdas antara pemicu sensor dan deep learning ini tidak hanya memperbaiki akurasi pemilahan, tetapi juga menghadirkan solusi yang lebih higienis, responsif, dan hemat energi sebagai pendukung ekosistem Smart City.