Implementasi Metode YOLO Dalam Mendeteksi Jenis Sampah Berbasis Computer Vision


Muh. Fachrisyam(1*); Dolly Indra(2); Mardiyyah Hasnawi(3);

(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author

  

Abstract


Dalam beberapa dekade terakhir, masalah lingkungan, termasuk masalah sampah, telah menjadi isu global . Pengolahan sampah bisa menjadi solusi dalam menangani permasalahan ini, salah satu tantangan utama dalam pengolahan sampah adalah pengenalan dan pemilahan jenis sampah. Oleh karenanya solusi untuk mengatasi masalah ini yaitu dengan memanfaatkan teknologi berbasis komputer, suatu sistem untuk mendeteksi jenis sampah organik dan anorganik, Metode yang digunakan adalah metode You Only Look Once (YOLO) salah satu algoritma pendeteksi objek yang dapat digunakan secara real-time. Sistem yang dirancang ini menggunakan metode YOLOv5 dengan penggunaan versi pre-trained model YOLOv5s. Penelitian ini dibuat melalui beberapa tahap termasuk pengumpulan dataset gambar sampah, pelabelan data, pelatihan model YOLOv5 hingga pengujian model.  Dataset yang digunakan terdiri dari kantong plastik, kertas, kaleng, kulit telur dan tomat. Selanjutnya model akan di muat pada aplikasi mobile untuk melakukan deteksi secara langsung menggunakan kamera smartphone. Output yang dihasilkan merupakan nama jenis sampah dengan kotak pembatas di sekitar objek yang terdeteksi

Keywords


YOLO; Visi Komputer; Deteksi Objek; Pengolahan Citra; Jenis Sampah

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 11 times
PDF view: 8 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/linier.v2i1.2788 		  

Cite

How to cite item

References


M. Z. Elamin dkk., “Analisis pengelolaan sampah pada masyarakat desa disanah kecamatan sreseh kabupaten sampang,” Jurnal Kesehatan Lingkungan, vol. 10, no. 4, hlm. 368–375, 2018.

A. R. Papua, T. Hasanuddin, dan M. Hasnawi, “Decision Support System for Ranking Active Waste Bank in Makassar City Using TOPSIS and VIKOR Methods,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 13, no. 2, hlm. 267–273, 2024.

N. Andayani, E. Mulatsari, M. Moordiani, S. Khairani, dan G. F. Swandiny, “Edukasi dan Aplikasi Pengelolaan Sampah Berbasis Pemilahan Sampah di Lingkungan Fakultas Farmasi Universitas Pancasila,” Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat, vol. 5, no. 1, hlm. 23–35, 2022.

M. Fadhilur Rahman, “Deteksi Sampah pada Real-time Video Menggunakan Metode Faster R-CNN,” 2020.

L. N. Hayati, A. N. Handayani, W. S. G. Irianto, R. A. Asmara, D. Indra, dan M. Fahmi, “Classifying BISINDO alphabet using tensorflow object detection API,” ILKOM Jurnal Ilmiah, vol. 15, no. 2, hlm. 358–364, 2023.

F. Agustina dan M. Sukron, “Deteksi Kematangan Buah Pepaya Menggunakan Algoritma YOLO Berbasis Android,” Jurnal Ilmiah Infokam, vol. 18, no. 2, hlm. 70–78, 2022.

F. Agustina dan M. Sukron, “Deteksi Kematangan Buah Pepaya Menggunakan Algoritma YOLO Berbasis Android,” 2022.

M. Sari dan A. Asmendri, “Penelitian kepustakaan (library research) dalam penelitian pendidikan IPA,” Nat Sci (Irvine), vol. 6, no. 1, hlm. 41–53, 2020.

Z. Munawar dkk., Visi Komputer: Konsep, Metode, dan Aplikasi. Kaizen Media Publishing, 2023.

A. N. Tompunu, I. Azro, dan R. D. Kusumanto, “Model simulasi Facetracker Menggunakan metode HAAR LIKE FEATURE dan PID dengan 2 DOF (Degree of Freedom),” MANAJEMEN INFORMATIKA, vol. 6, no. 2, 2013.

A. A. Wijaya dan Y. Prayudi, “Implementasi visi komputer dan segmentasi citra untuk klasifikasi bobot telur ayam ras,” dalam Seminar Nasional Aplikasi Teknologi Informasi (SNATI), 2010.

D. Permana dan J. Sutopo, “Aplikasi Pengenalan Abjad Sistem Isyarat Bahasa Indonesia (SIBI) Dengan Algoritma YOLOv5,” Jurnal Simantec, vol. 11, no. 2, hlm. 231–240, 2023.

D. Luthfy, C. Setianingsih, dan M. W. Paryasto, “Indonesian Sign Language Classification Using You Only Look Once,” eProceedings of Engineering, vol. 10, no. 1, 2023.

T. Shafira, “Implementasi Convolutional Neural Networks Untuk Klasifikasi Citra Tomat Menggunakan Keras,” 2018.

C. N. Liunanda, S. Rostianingsih, dan A. N. Purbowo, “Implementasi Algoritma YOLO pada Aplikasi Pendeteksi Senjata Tajam di Android,” 2020.

H. V. Nguyen, J. H. Bae, Y. E. Lee, H. S. Lee, dan K. R. Kwon, “Comparison of Pre-Trained YOLO Models on Steel Surface Defects Detector Based on Transfer Learning with GPU-Based Embedded Devices,” Sensors, vol. 22, no. 24, Des 2022, doi: 10.3390/s22249926.

I. R. Sari, “Implementasi Convolutional Neural Networks (CNN) Untuk Klasifikasi Citra Benih Kacang Hijau Berkualitas,” 2021.

M. D. R. P. Dio, B. P. Bayu Priyatna, A. L. H. April Lia Hananto, dan S. S. H. Shofa Shofiah Hilabi, “Deteksi Objek Kecelakaan Pada Kendaraan Roda Empat Menggunakan Algoritma YOLOv5,” Teknologi, vol. 12, no. 2, hlm. 15–26, Des 2022, doi: 10.26594/teknologi.v12i2.3260.

I. Kurniawan, S. Aulia, dan A. Hartaman, “Rancang Bangun Sistem Pembelajaran Pengenalan Komponen Elektronika Berbasis Pengolahan Citra,” eProceedings of Applied Science, vol. 9, no. 1, 2023.

G. I. E. Soen, M. Marlina, dan R. Renny, “Implementasi Cloud Computing dengan Google Colaboratory pada Aplikasi Pengolah Data Zoom Participants,” JITU: Journal Informatic Technology And Communication, vol. 6, no. 1, hlm. 24–30, 2022.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Muh. Fachrisyam, Dolly Indra, Mardiyyah Hasnawi

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.



Literatur Informatika dan Komputer

Diterbitkan oleh  Fakultas Ilmu Komputer
Website :  https://jurnal.fikom.umi.ac.id/index.php/LINIER/
Email : linier@umi.ac.id

 This work is licensed under a Creative Commons Attribution-ShareAlike 4.0