<![CDATA[Abstrak — Pengelolaan sampah elektronik (e-waste) diIndonesia menghadapi tantangan serius akibat volume yangterus meningkat serta kesadaran publik yang rendah. Untukmengatasi masalah ini, sebuah aplikasi Android telahdikembangkan sebagai bagian dari sistem bank sampahterintegrasi. Penelitian ini bertujuan untuk mengevaluasifungsionalitas dan kinerja aplikasi tersebut melalui pengujianblack box dan analisis latency. Metode evaluasi menggunakanblack box testing untuk memvalidasi alur fungsionalitasnya danpengukuran latensi untuk menganalisis waktu respons sistem.Aplikasi ini dibangun dengan Jetpack Compose danmengintegrasikan model deep learning YOLOv11 untukidentifikasi e-waste otomatis. Hasil pengujian black boxmenunjukkan tingkat keberhasilan 100% pada semua skenariouji, mengonfirmasi bahwa seluruh fitur berfungsi sesuairancangan. Analisis latensi mencatat waktu pemrosesangambar maksimum sekitar 55 detik, dengan durasi yangbervariasi tergantung jumlah objek terdeteksi. Disimpulkanbahwa aplikasi yang dievaluasi terbukti fungsional, andal, dankinerjanya efektif untuk mendukung sistem bank sampahelektronik sebagai solusi praktis yang siap digunakan olehmasyarakat dan dikembangkan kembali.Kata kunci— black box testing, latency, e-waste, aplikasiandroid, deep learning, YOLOv1]]>
Copyrights © 2025
