<![CDATA[Di Indonesia, pengelolaan sampah yang efektif merupakan tantangan besar, terutama mengingat jumlah sampah yang dihasilkan terus meningkat setiap tahunnya. Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dan efisiensi deteksi dan pemilahan sampah menggunakan model deep learning YOLOv8, yang dikembangkan untuk deteksi objek secara real-time. Platform Roboflow digunakan untuk memproses dan menganalisis dataset gambar sampah yang dikumpulkan dari sumber online seperti Google dan Kaggle. Model YOLOv8 yang dilatih diterapkan dalam dua skenario utama: deteksi objek secara langsung melalui webcam dan implementasi pada antarmuka website. Hasil pengujian menunjukkan bahwa YOLOv8 memiliki kemampuan mendeteksi berbagai jenis sampah dengan sangat akurat; pada konfigurasi tertentu, nilai mAP mencapai 0,91490. Hasilnya menunjukkan bahwa teknologi ini dapat membantu meningkatkan pengelolaan sampah di Indonesia, terutama di Bank Sampah Bersinar dan sistem pengelolaan sampah lainnya. Kata kunci— YOLOv8, deteksi objek, deep learning, pengolahan sampah]]>
Copyrights © 2024
