<![CDATA[Plastik daur ulang berperan penting dalam menanggulangi masalah limbah lingkungan sekaligus mendukung praktik keberlanjutan. Penelitian ini bertujuan mengembangkan sistem deteksi botol plastik dan kaleng daur ulang secara real-time menggunakan algoritma YOLOv8 yang terkenal akan kecepatan dan akurasinya. Dengan memanfaatkan dataset yang terdiri dari 2.900 gambar dan melatih model melalui Google Colab selama 25 epoch, penelitian ini berhasil menunjukkan performa luar biasa dari YOLOv8, dengan hasil mAP sebesar 99,5%, precision 99,7%, dan recall 99,5%. Model ini terbukti sangat efektif dalam mendeteksi objek daur ulang, memberikan prediksi yang tepat tanpa kesalahan negatif pada confusion matrix. Untuk penelitian lanjutan, disarankan menambah variasi kelas objek seperti botol kaca dan karet serta memperluas dataset guna meningkatkan generalisasi model. Selain itu, pengujian dalam kondisi nyata sangat diperlukan untuk memastikan kinerja optimal dalam lingkungan yang lebih kompleks. Pendekatan serupa dalam penelitian sebelumnya juga telah membuktikan kinerja unggul dalam deteksi real-time, menjadikan metode ini salah satu yang terdepan dalam pengembangan teknologi berbasis YOLO.]]>
Copyrights © 2024
