Implementasi YOLOv5n untuk Deteksi Sampah Sungai Berbasis Computer Vision
DOI:
https://doi.org/10.51903/juritek.v5i2.5036Keywords:
Deteksi objek, YOLOv5n, Sampah sungai, Computer vision, Roboflow, Deep learningAbstract
Pencemaran sungai akibat sampah menjadi persoalan lingkungan yang serius di Indonesia. Penelitian ini mengembangkan sistem deteksi sampah otomatis menggunakan model YOLOv5n, yang ringan dan cocok untuk perangkat berbasis Internet of Things. Sebanyak 700 gambar dianotasi dalam 17 kelas menggunakan Roboflow, lalu dilatih di Google Colab selama 150 epoch. Evaluasi model menunjukkan mAP@0.5 sebesar 0.417 dan mAP@0.5:0.95 sebesar 0.236. Model memiliki performa tinggi pada kelas dengan data melimpah seperti plastik dan ranting kayu, namun lemah pada kelas minoritas seperti bola dan sendal. Visualisasi berupa confusion matrix dan kurva evaluasi mendukung temuan ini. Pengujian lokal menggunakan kamera sungai menunjukkan kemampuan deteksi real-time yang cukup akurat. Hasil penelitian membuktikan bahwa YOLOv5n efektif untuk mendeteksi sampah dengan efisiensi tinggi, dan berpotensi diterapkan pada sistem kapal pembersih otomatis. Temuan ini menjadi dasar pengembangan sistem berbasis Artificial Intelligence untuk pengelolaan sampah perairan secara berkelanjutan.
Kata kunci: Deteksi objek; YOLOv5n; Sampah sungai; Computer vision; Roboflow; Deep learning;
References
Referensi
[1] B. Ismaya, I. Bakti, dan S. Suparni, “Penerapan Bank Sampah Sebagai Solusi Mengatasi Ekosentris Lingkungan di Bantaran Sungai Citarum,” J. Pengabdi. Kpd. Masy., vol. 1, no. 6, 2023.
[2] N. C. Elvania, “Upaya Pengendalian Pencemaran Air Sungai Kalitidu Di Desa Jelu, Kecamatan Kalitidu, Kabupaten Bojonegoro,” Media Ilm. Tek. Lingkung., vol. 7, no. 1, hlm. 17–23, Apr 2022, doi: 10.33084/mitl.v7i1.3351.
[3] M. Mauliadi, M. Basyir, dan A. Finawan, “Rancang Bangun Robot Boat Pemungut Sampah Di Perairan Waduk Lhokseumawe Berbasis Mikrokontroler”.
[4] A. Rahayu, “Upaya Pengendalian Pencemaran Sungai yang Diakibatkan Sampah di Desa Muka Paya, Kecamatan Hinai, Sumatera Utara”.
[5] N. Novianti, B. Zaman, dan A. Sarminingsih, “Kajian Status Mutu Air dan Identifikasi Sumber Pencemaran Sungai Cidurian Segmen Hilir Menggunakan Metode Indeks Pencemaran (IP),” J. Ilmu Lingkung., vol. 20, no. 1, hlm. 22–29, Jan 2022, doi: 10.14710/jil.20.1.22-29.
[6] R. Alfandi, D. Erwanto, dan D. E. Yuliana, “Rancang Bangun Robot Kapal Pembersih Sampah Tenaga Surya Menggunakan Modul ESP32-CAM Dengan Kontrol Melalui Smartphone”.
[7] P. W. Muhammad Valdi, P. Pangaribuan, dan M. H. Barri, “Sistem Pemilah Sampah Berbasis Deep Learning dengan Algoritma SSD-MobileNet v2,” no. Vol. 11 No. 1 (2024): Februari 2024, Feb 2024.
[8] R. Tantowi, “Kendali Conveyor Pada Robot Pengumpul Sampah Di Permukaan Air Bebasis Image Processing,” Politeknik Negeri Sriwijaya, Palembang, 2022.
[9] U. R. Nur Santoso dan F. Gamar, “Deteksi Sampah Botol Plastik di Perairan Menggunakan YOLO v4-Tiny,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 7, no. 1, hlm. 91–98, Jan 2025, doi: 10.47233/jteksis.v7i1.1744.
[10] Z. Zuraidah, L. N. Rosyidah, dan R. F. Zulfi, “Edukasi Pengelolaan Dan Pemanfaatan Sampah Anorganik Di Mi Al Munir Desa Gadungan Kecamatan Puncu Kabupaten Kediri,” BUDIMAS J. Pengabdi. Masy., vol. 4, no. 2, Okt 2022, doi: 10.29040/budimas.v4i2.6547.
[11] A. P. Utami, N. N. A. Pane, dan A. Hasibuan, “Analisis Dampak Limbah/Sampah Rumah Tangga Terhadap Pencemaran Lingkungan Hidup”.
[12] J. Pardede dan H. Hardiansah, “Deteksi Objek Kereta Api menggunakan Metode Faster R-CNN dengan Arsitektur VGG 16,” MIND J., vol. 7, no. 1, hlm. 21–36, Jun 2022, doi: 10.26760/mindjournal.v7i1.21-36.
[13] L. Palupi, E. Ihsanto, dan F. Nugroho, “Analisis Validasi dan Evaluasi Model Deteksi Objek Varian Jahe Menggunakan Algoritma Yolov5,” J. Inf. Syst. Res. JOSH, vol. 5, no. 1, hlm. 234–241, Okt 2023, doi: 10.47065/josh.v5i1.4380.
[14] K. Khairunnas, E. M. Yuniarno, dan A. Zaini, “Pembuatan Modul Deteksi Objek Manusia Menggunakan Metode YOLO untuk Mobile Robot,” J. Tek. ITS, vol. 10, no. 1, Agu 2021, doi: 10.12962/j23373539.v10i1.61622.
[15] A. N. Sugandi dan B. Hartono, “Implementasi Pengolahan Citra pada Quadcopter untuk Deteksi Manusia Menggunakan Algoritma YOLO,” 2022.
[16] R. T. Hutabarat dan R. Kurniawan, “Deteksi Sampah di Permukaan Sungai menggunakan Convolutional Neural Network dengan Algoritma YOLOv8,” Semin. Nas. Off. Stat., vol. 2024, no. 1, hlm. 537–548, Nov 2024, doi: 10.34123/semnasoffstat.v2024i1.2099.
[17] N. Khairunissa dan R. Suwandi, “Sistem Pendeteksi Ketersediaan Tempat Duduk Pada Perpustakaan Berbasis Computer Vision. Studi Kasus : Perpustakaan Unand Ruangan The Gade Creative Lounge,” vol. 06, no. 01, 2025.
[18] R. Gelar Guntara, “Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 5, no. 1, hlm. 55–60, Feb 2023, doi: 10.47233/jteksis.v5i1.750.
[19] Febby Wilyani, Qonaah Nuryan Arif, dan Fitri Aslimar, “Pengenalan Dasar Pemrograman Python Dengan Google Colaboratory,” J. Pelayanan Dan Pengabdi. Masy. Indones., vol. 3, no. 1, hlm. 08–14, Mar 2024, doi: 10.55606/jppmi.v3i1.1087.
[20] T. R. Abdillah, “Analisis Komparasi Cycles X Render Dan Cycles Render Menggunakan Google Colab,” J. TIKA, vol. 8, no. 1, hlm. 90–94, Apr 2023, doi: 10.51179/tika.v8i1.1937.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
.png)
