Sistem Klasifikasi Sampah Anorganik Menggunakan Metode YOLOv12

Abstract

Pengelolaan sampah anorganik yang efektif menjadi tantangan penting dalam upaya menjaga kelestarian lingkungan. Salah satu solusi yang dapat diterapkan adalah sistem otomatis untuk klasifikasi bahan anorganik guna mendukung proses daur ulang. Penelitian ini mengembangkan sistem klasifikasi bahan anorganik menggunakan metode You Only Look Once versi 12 (YOLOv12), sebuah model deteksi objek berbasis deep learning yang dikenal dengan kecepatan dan akurasinya yang tinggi. Proses penelitian dimulai dengan pengumpulan dataset gambar untuk mengenali beberapa jenis sampah anorganik. Dataset ini kemudian dilabeli dan digunakan untuk melatih model YOLOv12. Model dilatih dengan teknik augmentasi data serta tuning hyperparameter guna meningkatkan performa deteksi. Evaluasi sistem dilakukan menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil pengujian menunjukkan bahwa metode YOLOv12 mampu mengklasifikasikan bahan anorganik dengan akurasi tinggi serta waktu inferensi yang cepat. Selain pemaparan hasil metrik pengujian, penelitian ini juga menyajikan analisis komprehensif terhadap performa model seperti keandalannya pada berbagai kondisi lingkungan dan fisik objek ntuk mengevaluasi batas kapabilitas sistem secara mendalam. Hal ini menjadikannya solusi yang efisien untuk sistem otomatisasi pemilahan sampah.Meskipun difokuskan pada perancangan perangkat lunak, sistem deteksi yang dihasilkan diharapkan dapat menjadi langkah awal yang potensial untuk diintegrasikan pada perangkat keras pemilah otomatis. Dengan demikian, sistem ini pada akhirnya akan mendukung proses daur ulang agar berjalan lebih efisien dan efektif, mengurangi pencemaran lingkungan, serta meningkatkan nilai ekonomi bahan anorganik.