UGMUGM
Journal of Internet and Software EngineeringJournal of Internet and Software EngineeringSampah plastik merupakan permasalahan global dengan volume yang terus meningkat. Penelitian ini menggunakan sampel data dari wilayah Yogyakarta, dengan volume yang terus meningkat namun belum diimbangi penanganan memadai. Identifikasi serta pemilahan sampah plastik berdasarkan gambar pada jenis resin diperlukan untuk memfasilitasi daur ulang efektif. Penelitian ini mengembangkan sistem pendeteksi pemilahan sampah plastik menggunakan pendekatan deep learning dengan arsitektur YOLOv8-cls untuk mengklasifikasikan plastik High Density Polyethylene, Polyethylene Terephthalate, Polypropylene, dan Polystyrene. Objek sampah plastik memiliki karakteristik yang dinamis dan munculnya bentuk-bentuk baru, penelitian ini melakukan retraining pada model baseline YOLOv8n-cls dengan membandingkan metode replay dan fine-tuning, serta mengeksplorasi variasi freeze layer dari 0 hingga 9. Hasil menunjukkan metode replay menunjukkan kinerja terbaik dengan F1-score pada data lama stabil di kisaran 98–99%, bahkan pada beberapa kasus setara atau melebihi model baseline dengan F1-score 99,16%–99,29%, menandakan model tetap andal mengenali objek lama. Sementara itu, F1-Score pada data baru berada di rentang 85–88%, yang masih tergolong tinggi. Analisis dan evaluasi menunjukkan metode replay lebih efektif dan stabil dalam mempertahankan pengetahuan objek lama sekaligus mempelajari objek baru. Pengujian sistem menggunakan user acceptance testing mendapat nilai 98,4% terhadap kemampuan sistem dalam memilah sampah plastik. Sistem pendeteksian ini diharapkan dapat membantu industri pemilahan sampah plastik dengan cepat dan akurat dalam menangani sampah plastik yang belum tertangani dengan baik.
Metode replay efektif mempertahankan kemampuan model terhadap data lama sekaligus beradaptasi pada sampah plastik baru, menjadikannya solusi yang lebih stabil dan berkelanjutan.Sistem dibangun menggunakan framework Flask dan database MySQL, dengan fitur koreksi prediksi secara manual oleh pengguna.Setelah diujikan melalui metode User Acceptance Testing (UAT), sistem meraih nilai 98,4%, menandakan bahwa pengguna menerima dan menyetujui fungsionalitasnya dengan sangat baik.
Penelitian lanjutan dapat mengkaji metode continual learning lain seperti elastic weight consolidation untuk meningkatkan retensi pengetahuan model saat belajar data baru. Selain itu, pengembangan arsitektur YOLO yang lebih ringan namun tetap akurat bisa menjadi fokus, terutama untuk penggunaan di perangkat dengan sumber daya terbatas. Terakhir, penelitian juga dapat mengeksplorasi deteksi sampah plastik berbasis citra 3D atau penggabungan sensor multispektral untuk meningkatkan akurasi dalam kondisi lingkungan yang kompleks.
| File size | 909.85 KB |
| Pages | 9 |
| DMCA | Report |
Related /
UGMUGM Adapun optimizer yang dianalisis adalah Stocasthic Gradient Descent (SGD), Adaptive Moment Estimation (Adam), Adam with Weight Decay (AdamW). Hasil analisisAdapun optimizer yang dianalisis adalah Stocasthic Gradient Descent (SGD), Adaptive Moment Estimation (Adam), Adam with Weight Decay (AdamW). Hasil analisis
ILININSTITUTEILININSTITUTE Kegiatan Pengabdian kepada Masyarakat (PkM) bertujuan meningkatkan pengetahuan dan kesadaran masyarakat secara mandiri melalui edukasi, penggunaan alatKegiatan Pengabdian kepada Masyarakat (PkM) bertujuan meningkatkan pengetahuan dan kesadaran masyarakat secara mandiri melalui edukasi, penggunaan alat
ILININSTITUTEILININSTITUTE Tindak lanjut disarankan meliputi perpanjangan durasi kegiatan, pengembangan materi edukasi yang lebih variatif, serta implementasi program follow-up untukTindak lanjut disarankan meliputi perpanjangan durasi kegiatan, pengembangan materi edukasi yang lebih variatif, serta implementasi program follow-up untuk
ILININSTITUTEILININSTITUTE Pengabdian kepada Masyarakat ini bertujuan meningkatkan pengetahuan dan keterampilan peserta melalui pelatihan berbasis intervensi, sehingga mereka mampuPengabdian kepada Masyarakat ini bertujuan meningkatkan pengetahuan dan keterampilan peserta melalui pelatihan berbasis intervensi, sehingga mereka mampu
UNARUNAR Evaluasi Keperawatan yang didapatkan setelah dilakukan intervensi menunjukkan bahwa masalah teratasi (Nyeri Akut). Pasien bersedia menerima informasi mengenaiEvaluasi Keperawatan yang didapatkan setelah dilakukan intervensi menunjukkan bahwa masalah teratasi (Nyeri Akut). Pasien bersedia menerima informasi mengenai
ILININSTITUTEILININSTITUTE Pelatihan dilaksanakan dalam bentuk workshop interaktif yang mencakup penyampaian materi, demonstrasi, praktik terbimbing, peer learning, dan refleksiPelatihan dilaksanakan dalam bentuk workshop interaktif yang mencakup penyampaian materi, demonstrasi, praktik terbimbing, peer learning, dan refleksi
UGMUGM Namun, pengawasan tradisional bergantung pada pemantauan manusia terus-menerus, yang rentan terhadap kesalahan dan membutuhkan sumber daya yang intensif.Namun, pengawasan tradisional bergantung pada pemantauan manusia terus-menerus, yang rentan terhadap kesalahan dan membutuhkan sumber daya yang intensif.
UGMUGM Hasil pengujian menunjukkan bahwa sistem monitoring Grafana berhasil menampilkan data secara real-time dan mengirimkan notifikasi email dengan tingkatHasil pengujian menunjukkan bahwa sistem monitoring Grafana berhasil menampilkan data secara real-time dan mengirimkan notifikasi email dengan tingkat
Useful /
ILININSTITUTEILININSTITUTE Program ini bertujuan mengevaluasi pelatihan komunikasi empatik yang terintegrasi dengan edukasi kesehatan gigi sebagai pendekatan pencegahan stunting.Program ini bertujuan mengevaluasi pelatihan komunikasi empatik yang terintegrasi dengan edukasi kesehatan gigi sebagai pendekatan pencegahan stunting.
ILININSTITUTEILININSTITUTE Oleh karena itu, diperlukan tindak lanjut yang berkelanjutan melalui sinergi antara pemerintah, akademisi, dan lembaga terkait guna mewujudkan pemberdayaanOleh karena itu, diperlukan tindak lanjut yang berkelanjutan melalui sinergi antara pemerintah, akademisi, dan lembaga terkait guna mewujudkan pemberdayaan
UGMUGM Namun, tingginya permintaan dapat menyebabkan penurunan kinerja atau downtime. Penelitian ini mengkaji penggunaan HAProxy sebagai solusi load balancingNamun, tingginya permintaan dapat menyebabkan penurunan kinerja atau downtime. Penelitian ini mengkaji penggunaan HAProxy sebagai solusi load balancing
UNARUNAR Sampel dalam penelitian ini sebanyak 50 responden dengan teknik pengambilan sampel secara purposive sampling. Hasil penelitian menunjukkan sebagian besarSampel dalam penelitian ini sebanyak 50 responden dengan teknik pengambilan sampel secara purposive sampling. Hasil penelitian menunjukkan sebagian besar