<![CDATA[Penelitian ini mengembangkan sistem klasifikasi sampah real-time untuk sampah organik, anorganik, dan bahan berbahaya beracun (B3) di Jalan Timah Sungailiat, Bangka Belitung, Indonesia menggunakan YOLOv11 untuk mengatasi pencemaran lingkungan akibat pengelolaan sampah yang tidak tepat. Dataset khusus sebanyak 5.000 gambar yang seimbang pada kondisi siang, senja, dan malam dikumpulkan untuk melatih YOLOv11 sehingga mampu menangani variasi pencahayaan. Metodologi meliputi pra-pemrosesan (ubah ukuran 640×640 piksel, normalisasi, augmentasi data), pelatihan YOLOv11 pada dataset seimbang, serta evaluasi menggunakan metrik mean Average Precision (mAP@0.5), presisi, recall, dan F1-score. Sistem mencapai mAP@0.5 sebesar 70%, presisi 69%, recall 70%, dan F1-score 0,70 dengan kecepatan 43 frame per detik (FPS) serta 102 GFLOPs sehingga dapat dijalankan pada GPU kelas menengah. Meskipun akurasi masih moderat karena variasi pencahayaan dan oklusi, kerangka kerja ini menawarkan solusi hemat biaya dan skalabel untuk pengelolaan sampah kota pintar, mengurangi tenaga sorting manual serta mendukung inisiatif daur ulang. Perbaikan mendatang akan fokus pada peningkatan performa malam hari dan penanganan.]]>
Copyrights © 2026
