<![CDATA[Pengelolaan sampah di Indonesia masih menghadapi tantangan besar dengan produksi mencapai 68.5 juta ton per tahun, sementara tingkat daur ulang masih rendah. Salah satu kendala utama adalah proses pemilahan yang masih dilakukan secara manual menyebabkan inefisiensi, tingginya biaya operasional, serta meningkatnya pencemaran lingkungan akibat pembuangan sampah yang tidak terkelola dengan baik. Minimnya kesadaran masyarakat dalam memilah sampah semakin memperburuk kondisi ini. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem deteksi dan klasifikasi sampah berbasis algoritma YOLOv8 yang dikenal dengan kecepatan dan akurasi tinggi dalam mendeteksi objek. Model dilatih menggunakan dataset yang terdiri dari 1.822 gambar dalam enam kategori sampah yaitu kertas, plastik, kardus, metal, gelas, dan sampah organik yang diperoleh dari berbagai sumber termasuk Roboflow dan TrashNet. Hasil evaluasi menunjukkan bahwa model memiliki tingkat keakuratan yang cukup tinggi dengan nilai mAP (mean Average Precision) sebesar 0.905. Sistem ini di-deploy dalam bentuk web menggunakan Flask yang dilengkapi dengan fitur unggah gambar/video serta menampilkan hasil deteksi dengan tampilan yang informatif dan mudah digunakan. Penelitian ini menunjukkan bahwa object detection berbasis YOLOv8 dapat mendukung pengelolaan sampah secara lebih efisien.]]>
Copyrights © 2025
