Model Cerdas Real-Time Berbasis YOLOv11 untuk Pemisahan Sampah Kategori Organik dan Anorganik

Abstract

Pengelolaan sampah, terutama di wilayah perkotaan, menjadi tantangan besar yang dipersulit oleh kurangnya pengetahuan masyarakat tentang pemilahan sampah organik dan anorganik, yang berdampak pada inefisiensi daur ulang dan potensi masalah kesehatan. Penelitian ini bertujuan untuk mengembangkan sistem otomatisasi pemilahan sampah yang cepat guna meningkatkan efisiensi pengolahan limbah menggunakan teknologi kecerdasan buatan (AI). Model yang digunakan adalah YOLOv11 yang dikembangkan dari arsitektur YOLOv8. Dataset yang digunakan terdiri dari 957 citra sampah organik dan 982 citra sampah anorganik, yang setelah augmentasi data keseluruhan berjumlah 4.581 citra. Pra-pemrosesan data, termasuk anotasi dan augmentasi, dilakukan menggunakan platform Roboflow. Model dilatih selama 50 epoch dengan hyperparameter seperti Optimizer AdamW dan Learning Rate 0.001667. Hasil pengujian model menggunakan data validasi menunjukkan kinerja yang sangat baik dengan nilai mAP@0.5 sebesar 0.952 untuk semua kelas. Nilai presisi (P) dan recall (R) untuk semua kelas adalah 0.928 dan 0.905, dengan mAP50-95 sebesar 0.686.  Penelitian ini diharapkan dapat mendukung pengelolaan limbah yang lebih efektif dan efisien serta berkontribusi terhadap pelestarian lingkungan.