<![CDATA[Penelitian ini mengevaluasi penerapan algoritma YOLOv5 dalam sistem pintar untuk identifikasi objek pada conveyor pemilah sampah, dengan tujuan meningkatkan efisiensi dan akurasi pemilahan sampah organik dan anorganik. Eksperimen ini menemukan beberapa kendala, termasuk resolusi gambar yang tidak optimal dan variasi data yang terbatas, yang berdampak pada kinerja model. Untuk mengatasi kendala tersebut, disarankan untuk meningkatkan kualitas gambar dan memperluas variasi serta jumlah data latih, termasuk penggunaan teknik augmentasi data untuk memperkaya dataset. Dengan peningkatan ini, diharapkan sistem dapat lebih efektif dalam otomatisasi pemilahan sampah, mengurangi ketergantungan pada tenaga kerja manual, dan meningkatkan efisiensi pengelolaan sampah. Penelitian ini menunjukkan potensi penerapan teknologi ini tidak hanya dalam skala industri, tetapi juga di kota-kota besar yang memerlukan solusi efisien dalam pengelolaan limbah. Dataset yang digunakan mencakup 17.365 gambar sampah organik dan anorganik, dengan model YOLOv5 dilatih menggunakan 50 epochs dan batch size 16. Model ini mencapai nilai mAP@0,5 sebesar 55,8% dan akurasi total 64%, menunjukkan kemampuan yang cukup baik dalam identifikasi dan klasifikasi sampah, meskipun ada ruang untuk perbaikan lebih lanjut.]]>
Copyrights © 2025
