<![CDATA[Upaya memilah sampah organik dan anorganik di Indonesia masih jauh dari ideal, terutama karena keterbatasan sarana pendukung dan rendahnya partisipasi masyarakat. Kondisi ini menunjukkan perlunya pendekatan yang lebih otomatis agar proses identifikasi jenis sampah tidak sepenuhnya bergantung pada interaksi manusia. Penelitian ini mengeksplorasi kemampuan algoritma deteksi objek YOLOv8 dalam membedakan dua kategori sampah melalui citra. Sebanyak 3.169 gambar dari platform Roboflow digunakan sebagai dataset, kemudian model dilatih menggunakan skema transfer learning dengan bobot awal YOLOv8n pada resolusi 640×640 piksel selama 100 epoch. Kinerja model dinilai menggunakan metrik Precision, Recall, serta mean Average Precision (mAP). Model menghasilkan Precision 0,968, Recall 0,970, mAP@0,5 sebesar 0,986, dan mAP@0,5:0,95 mencapai 0,922. Hasil tersebut mengindikasikan bahwa YOLOv8 mampu melakukan identifikasi objek sampah secara akurat dan stabil, sehingga berpotensi menjadi komponen inti dalam pengembangan sistem pengelolaan sampah berbasis visi komputer di masa depan.]]>
Copyrights © 2025
