<![CDATA[Pembuangan sampah sembarangan di badan air perkotaan seperti Sungai Sekanak, Palembang, masih sulit diawasi secara manual melalui rekaman CCTV konvensional. Penelitian ini mengusulkan sistem deteksi aktivitas membuang sampah yang menggabungkan YOLOv11 sebagai detektor manusia untuk mengekstraksi Region of Interest (ROI) dan MoViNet-A0 sebagai model pengenalan aksi video untuk mengklasifikasikan aktivitas menjadi Buang Sampah dan Normal. Dataset penelitian terdiri dari 1.413 klip video CCTV (548 Buang Sampah dan 865 Normal) yang direkam pada siang hari di kawasan Sungai Sekanak dan dibagi dengan rasio 70:15:15 untuk training, validation, dan testing. Hasil pengujian pada data uji menunjukkan model mencapai accuracy sebesar 92,92%, dengan precision 92,41%, recall 89,02%, dan F1-score 90,68% pada kelas Buang Sampah, serta precision 93,23%, recall 95,38%, dan F1-score 94,30% pada kelas Normal. Pengujian real-time langsung menggunakan kamera CCTV pada 10 sampel aktivitas menghasilkan akurasi 70%, lebih rendah dibandingkan akurasi pelatihan, dengan kesalahan klasifikasi yang umumnya terjadi pada objek berjarak jauh dari kamera dan tertutup sebagian oleh vegetasi. Hasil ini menunjukkan bahwa kombinasi YOLOv11 dan MoViNet-A0 mampu mendeteksi aktivitas membuang sampah dengan akurasi tinggi pada data terkurasi, namun memerlukan penyempurnaan lebih lanjut agar lebih andal pada kondisi pengawasan nyata yang lebih bervariasi.]]>
Copyrights © 2026
