| dc.description.abstract | Pengelolaan sampah menjadi tantangan besar akibat meningkatnya volume
sampah dan rendahnya tingkat pemilahan oleh masyarakat. Penelitian ini bertujuan
untuk merancang sistem deteksi otomatis berbasis algoritma YOLOv8 dalam
mengklasifikasikan tiga kategori sampah utama, yaitu Anorganik, Organik, serta
Bahan Berbahaya dan Beracun (B3). Dataset yang digunakan berupa 1.152 citra
sampah yang dikumpulkan secara langsung dan diberi label menggunakan
Roboflow. Data dialokasikan menjadi 80% data pelatihan, 10% data pengujian, dan
10% data validasi. Model dilatih dengan berbagai parameter, seperti epoch (25 dan
50), batch (8 dan 16), serta tiga varian model YOLOv8 (s, m, dan l). Evaluais model
dilakukan menggunakan metrik precision, recall, mAP50, dan mAP50-90 untuk
menentukan model terbaik. Hasil penelitian menunjukkan bahwa YOLOv8s dengan
epoch 50 dan batch 16 memberikan performa terbaik dengan mAP50 sebesar 96,1%
dan mAP50-90 sebesar 85,1%. Model ini mampu mendeteksi sampah dengan
tingkat akurasi yang tinggi serta kinerja komputasi yang efisien. Implementasi
sistem ini diharapkan dapat meningkatkan efektivitas pengelolaan sampah dan
mendukung program Smart City Yogyakarta. Sistem ini dapat dikembangkan lebih
lanjut dengan integrasi teknologi IoT dan sensor tambahan untuk meningkatkan
pemantauan dan otomatisasi dalam proses deteksi sampah secara real-time. | en_US |
