MAGHFIRA RAMADHON Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2025

Skripsi

Abstrak – Peningkatan jumlah sampah yang dihasilkan setiap tahun menjadi tantangan lingkungan yang signifikan. Pengelolaan sampah yang tidak efektif dapat menyebabkan pencemaran lingkungan, penurunan kualitas hidup, serta ancaman terhadap kesehatan manusia. Pendeteksian sampah secara manual masih memiliki keterbatasan dalam hal efisiensi dan akurasi. Oleh karena itu, diperlukan sistem komputer yang dapat secara otomatis mendeteksi sampah secara lebih efisien dan akurat. Penelitian ini bertujuan untuk membangun model deteksi sampah berbasis deep learning dengan menggunakan arsitektur YOLOv10 dan variannya, yaitu YOLOv10n, YOLOv10s, YOLOv10m, YOLOv10b, YOLOv10l, dan YOLOv10x. Model dikembangkan menggunakan dataset Trash Annotations in Context yang terdiri dari 5.930 citra sampah dengan 18 kelas berbeda. Model dilatih selama 100 epoch dengan ukuran citra 416×416 piksel menggunakan optimizer AdamW dan learning rate sebesar 5×10⁻⁴. Evaluasi dilakukan menggunakan metrik mAP@0.5, mAP@0.5:0.95, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model YOLOv10l memberikan performa terbaik dengan nilai presisi 75,32%, recall 52,47%, mAP@0.5 sebesar 63,85%, dan mAP@0.5:0.95 sebesar 47,29%. Varian lainnya seperti YOLOv10x dan YOLOv10s juga menunjukkan hasil kompetitif, namun dengan kebutuhan sumber daya yang lebih tinggi atau performa yang sedikit lebih rendah. Kontribusi dari penelitian ini diharapkan dapat mendorong efisiensi pengelolaan limbah serta mendukung upaya pelestarian lingkungan secara lebih cerdas dan berkelanjutan. Kata Kunci: deteksi sampah otomatis, deep learning, YOLOv10, varian YOLOv10, deteksi objek, TACO 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 159801 2025-07-10 15:46:59 2025-07-11 10:48:37 machine generated