Deteksi dan Klasifikasi Sampah Organik dan Anorganik Menggunakan Algoritma YOLO di Solo Technopark

Kemajuan teknologi kecerdasan buatan (AI), khususnya di bidang visi komputer, mendorong penerapan deteksi objek otomatis untuk berbagai kebutuhan, termasuk klasifikasi limbah organik dan anorganik. Pengelolaan limbah di Solo Technopark yang masih dilakukan secara manual menyebabkan proses pemilahan belum optimal. Penelitian ini bertujuan mengembangkan dan mengevaluasi kinerja beberapa model YOLO untuk mendeteksi dan mengklasifikasikan limbah organik dan anorganik secara real-time. Dataset yang digunakan terdiri atas 6.758 gambar dengan 10 kelas objek yang diperoleh dari Roboflow. Tahap pra-pemrosesan meliputi anotasi, orientasi otomatis, dan pengubahan ukuran gambar menjadi 640×640 piksel. Dataset dibagi menjadi 70% data pelatihan, 20% validasi, dan 10% pengujian. Penelitian menggunakan tiga model, yaitu YOLOv11, YOLOv12, dan YOLOv26 dengan variasi epoch 10, 30, 50, dan 100. Evaluasi dilakukan menggunakan metrik presisi, recall, mAP50, mAP50-95, dan waktu inferensi. Hasil terbaik diperoleh oleh YOLOv26 pada epoch 100 dengan nilai presisi 0,92, recall 0,847, mAP50 0,892, mAP50-95 0,741, dan waktu inferensi 3,0 ms. Hasil penelitian menunjukkan bahwa YOLOv26 mampu mendeteksi dan mengklasifikasikan limbah secara akurat dan cepat, sehingga berpotensi menjadi dasar pengembangan sistem deteksi limbah secara real-time.