Implementasi YOLOv5n untuk Deteksi Sampah Sungai Berbasis Computer Vision

Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer
Vol. 5 No. 2 (2025): Juli: Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer

Pencemaran sungai akibat sampah menjadi persoalan lingkungan yang serius di Indonesia. Penelitian ini mengembangkan sistem deteksi sampah otomatis menggunakan model YOLOv5n, yang ringan dan cocok untuk perangkat berbasis Internet of Things. Sebanyak 700 gambar dianotasi dalam 17 kelas menggunakan Roboflow, lalu dilatih di Google Colab selama 150 epoch. Evaluasi model menunjukkan mAP@0.5 sebesar 0.417 dan mAP@0.5:0.95 sebesar 0.236. Model memiliki performa tinggi pada kelas dengan data melimpah seperti plastik dan ranting kayu, namun lemah pada kelas minoritas seperti bola dan sendal. Visualisasi berupa confusion matrix dan kurva evaluasi mendukung temuan ini. Pengujian lokal menggunakan kamera sungai menunjukkan kemampuan deteksi real-time yang cukup akurat. Hasil penelitian membuktikan bahwa YOLOv5n efektif untuk mendeteksi sampah dengan efisiensi tinggi, dan berpotensi diterapkan pada sistem kapal pembersih otomatis. Temuan ini menjadi dasar pengembangan sistem berbasis Artificial Intelligence untuk pengelolaan sampah perairan secara berkelanjutan. Kata kunci: Deteksi objek; YOLOv5n; Sampah sungai; Computer vision; Roboflow; Deep learning;