Permasalahan pengelolaan sampah rumah tangga yang tidak terkelola dengan baik dapat meningkatkan beban lingkungan dan mengurangi efektivitas daur ulang. Bank Sampah Bersih Berseri RW 025 masih mengandalkan sistem manual dalam pemilahan sampah, yang rentan terhadap kesalahan dan membutuhkan lebih banyak tenaga kerja. Penelitian ini bertujuan mengembangkan sistem pendeteksian dan klasifikasi sampah berbasis web menggunakan metode You Only Look Once (YOLO) versi 11 menggunakan pendekatan transfer learning jenis yolov11n (nano) dengan pengaturan kombinasi hyperparameter untuk mengotomatisasi proses pendeteksian dan klasifikasi jenis sampah yang berbeda beserta integrasinya dalam platform web menggunakan framework flask. Metode penelitian meliputi pengunduhan dataset sekunder utama bernama R1 Test dari platform Roboflow Universe, pengumpulan dataset sekunder lainnya dari web scraping dan pemotretan manual, serta penanganan dataset yang menghasilkan 27.400 gambar sampah dengan 9 (sembilan) jenis berbeda yaitu bottle, cans, cardboard, cup, foil, food, paper, paper_bag dan plastic. Hasil penelitian menunjukkan bahwa model yolov11n mampu mendeteksi objek dengan cukup akurat dan sumber daya komputasi yang ringan dengan menghasilkan nilai precision sebesar 91,7%, recall sebesar 89%, mAP50 sebesar 93,2% dan mAP50-95 sebesar 75,8% pada seluruh kelas. Namun, diperlukan perluasan dan penyeimbangan variasi dataset terutama pada kelas cardboard, paper, dan plastic serta diperlukan penyempurnaan hyperparameter dan penggunaan variasi model lainnya untuk peningkatan kualitas model secara lebih lanjut.

S12105

INF 0132 2025

Bekasi

Tersedia