View/Open

Author
Tiara, Azkiya

Date Published
18 Jun 2026

Advisor
Arkham Zahri Rakhman, S.Kom., M.Eng.,
Ilham Firman Ashari, S.Kom., M.T,

Subject
Teknik Informatika

Publisher

Permasalahan penumpukan sampah akibat ketidakefisienan pemilahan manual menuntut adanya otomatisasi berbasis teknologi. Penelitian ini bertujuan merancang sistem klasifikasi sampah otomatis menggunakan model Deep Learning dengan algoritma You Only Look Once (YOLOv11m-cls) yang diintegrasikan dengan antarmuka web berbasis Gradio. Melalui pendekatan eksperimental, penelitian dilakukan melalui tahapan pengumpulan dataset, pra-pemrosesan citra, pelatihan model, dan validasi performa menggunakan metrik akurasi, precision, dan recall. Hasil pengujian menunjukkan bahwa model YOLOv11m-cls terbaik dicapai oleh Skenario 3 (SGD, batch size 32) dengan nilai akurasi tertinggi mencapai 97,02% pada Fold 4, Mean Top-1 Accuracy sebesar 96,56% (±0,38%), serta nilai classification loss terkecil sebesar 0,1069. Integrasi model ke dalam sistem antarmuka web Gradio terbukti andal dalam memberikan hasil klasifikasi dengan skor kepercayaan (confidence score) yang terukur, baik untuk input tunggal maupun batch processing. Penelitian ini menyimpulkan bahwa integrasi YOLOv11-CLS mendukung efisiensi manajemen limbah dalam hal peningkatan kecepatan pemilahan otomatis, pengurangan tingkat kesalahan manusia (human error), serta minimalisasi kontaminasi pada material daur ulang. Rekomendasi pengembangan berupa perluasan variasi dataset dengan kondisi lingkungan yang lebih kompleks serta integrasi sistem dengan perangkat keras atau pemilah fisik untuk implementasi praktis di lapangan.

URI
https://repository.itera.ac.id/depan/submission/SB2607150021

Keyword
Klasifikasi sampah YOLOv11 Artificial intelligence Waste managemen Automation