Sistem Pemilah Sampah Otomatis Berbasis Image Detection dan IoT

Abstract

Permasalahan pengelolaan sampah di Indonesia masih menjadi isu penting karena rendahnya kesadaran masyarakat dalam melakukan pemilahan sampah berdasarkan jenisnya, sehingga menyebabkan sampah tercampur dan menyulitkan proses pengolahan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pemilah sampah otomatis berbasis image detection dan Internet of Things (IoT) menggunakan algoritma YOLOv5s untuk mendeteksi dan mengklasifikasikan sampah ke dalam tiga kategori, yaitu kertas dan tisu, botol plastik, serta kaleng. Model yang telah dilatih kemudian dikonversi ke format TensorFlow Lite (TFLite) agar dapat dijalankan pada Raspberry Pi 3B+ sebagai pengendali utama sistem. Metode penelitian yang digunakan adalah Waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem terdiri atas webcam, model deteksi objek, motor servo sebagai mekanisme pemilah, sensor ultrasonik untuk monitoring volume tempat sampah, LCD sebagai media informasi, serta Firebase untuk pengiriman data secara real-time. Hasil pelatihan model menunjukkan performa yang sangat baik dengan nilai mAP@0.50 sebesar 99% dan mAP@0.50–0.95 sebesar 88,5%. Berdasarkan pengujian object detection, sistem berhasil mendeteksi 14 dari 18 objek yang diuji dengan tingkat keberhasilan sebesar 77,78%. Selain itu, hasil Hardware Acceptance Testing (HAT) dan evaluasi kinerja sistem memperoleh nilai keseluruhan sebesar 85,82% yang termasuk dalam kategori sangat baik. Hasil penelitian menunjukkan bahwa sistem mampu melakukan pemilahan sampah secara otomatis serta menyediakan informasi kondisi tempat sampah secara real-time.