Analisis Komparatif YOLO11 dan RT-DETR untuk Deteksi Sampah pada Variasi Pencahayaan

Juni Ismail (Politeknik Bisnis Indonesia)
Pangidoan Adventus Ambarita (Politeknik Bisnis Indonesia)
Renovand Mikael Situmorang (Politeknik Bisnis Indonesia)
Elida Madona Siburian (Politeknik Bisnis Indonesia)
Inggrid Ester Erlinda Simarmata (Politeknik Bisnis Indonesia)

Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Vol. 5 No. 2 (2026): September 2026

Sistem pemilahan sampah berbasis citra memerlukan model deteksi objek yang mampu mempertahankan akurasi ketika kualitas visual berubah. Penelitian ini menganalisis ketahanan visual YOLO11n, YOLO11s, dan RT-DETR-l pada enam kelas objek sampah, yaitu biodegradable, cardboard, glass, metal, paper, dan plastic. Data eksperimen terdiri atas 7.324 citra latih, 2.098 citra validasi, dan 1.042 citra uji dengan anotasi bounding box berformat YOLO. Evaluasi dilakukan pada test set normal dan empat skenario gangguan, yaitu pencahayaan redup 50%, pencahayaan terang 50%, kontras rendah, dan Gaussian noise. Metrik evaluasi meliputi precision, recall, F1-score, mAP@50, mAP@50:95, dan estimasi FPS. Hasil pengujian normal menunjukkan bahwa RT-DETR-l memperoleh performa tertinggi dengan precision 0,5329, mAP@50 0,4484, dan mAP@50:95 0,3576. Pada evaluasi robustness, RT-DETR-l tetap paling stabil, khususnya pada skenario redup 50% dengan mAP@50 0,4463. Sebaliknya, YOLO11n menghasilkan efisiensi inferensi tertinggi dengan 178,32 FPS pada kondisi normal. Temuan ini menegaskan adanya trade-off antara akurasi deteksi, ketahanan visual, dan kecepatan inferensi untuk sistem deteksi sampah real-time.