Rancang Bangun Sistem Klasifikasi Sampah Menggunakan YOLOV8 Berbasis Raspberry Pi 4

Abstrak

Umumnya terdapat satu atau lebih tempat sampah yang kita temui sehari – hari. Banyaknya tempat dan jenis sampah yang berbeda menyebabkan orang akan mengalami kebingungan dalam menempatkan sampah sesuai dengan tempatnya. Maka dari itu solusi yang ditawarkan adalah sebuah tempat sampah yang dapat memisah sampah sebanyak 4 kelas yaitu sampah organik, anorganik, B3, dan residu. Klasifikasi dilakukan secara otomatis dan real time menggunakan metode deep learning. Arsitektur deep learning yang digunakan adalah YOLO versi kedelapan yang memberikan performa dan akurasi yang lebih baik dibanding pendahulunya yaitu YOLOv5. Dengan komputer mini raspberry pi 4, motor servo, dan kamera raspberry, klasifikasi sampah dapat dilakukan secara real time dan otomatis. Penelitian dimulai dengan pengumpulan dataset melalui internet yang kemudian diaugmentasi dan dipisah menjadi 2 data yaitu: train dan test. Hasil evaluasi dan analisis mendapati versi terbaik untuk sistem klasifikasi sampah yang dirancang adalah YOLOv8n dengan rata – rata akurasi deteksi sebesar 94% dan akurasi integrasi sistem sebesar 75% serta waktu komputasi selama 0.69 detik dari 16 kali pengujian dan unggul dari versi lainnya. Dengan akurasi yang tinggi penelitian dikatakan berhasil dengan kekurangan integrasi sistem yang rendah yang disebabkan sampah yang bervariasi.