Rancang Bangun Alat Klasifikasi Botol Bekas Menggunakan Computer Vision untuk Mengurangi Sampah Plastik

Firdaus Sulaiman Syarif, Rika Revina

Abstract


Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis untuk botol plastik berdasarkan ukuran dan label, yang dapat digunakan untuk meningkatkan efisiensi proses daur ulang. Sistem ini menggunakan algoritma YOLOv8 untuk mendeteksi dan mengklasifikasikan botol plastik ke dalam empat kelas: botol kecil, sedang, besar, dan tidak ditolak. Data citra botol plastik dikumpulkan menggunakan kamera Arducam-IMX 219 dan dibagi menjadi data training (980 citra) dan data testing (300 citra) dengan resolusi 1020x500 piksel. Hasil penelitian menunjukkan bahwa sistem mencapai akurasi 93% dalam mendeteksi dan mengklasifikasikan botol plastik berdasarkan label dan ukuran. Penelitian ini membuktikan bahwa sistem dapat diimplementasikan sebagai metode yang efektif untuk memilah sampah botol plastik. Peningkatan jumlah data dan step dalam training direkomendasikan untuk penelitian selanjutnya.


Keywords


YOLOv8, botol plastik, deteksi objek, klasifikasi, real-time.

Full Text:

PDF

References


D. Anisa, R. Wati, and A. Samudra, “RANCANG BANGUN MESIN PENCACAH SAMPAH PLASTIK,” 2022.

A. Budianto, R. Adyus, D. T. Chrisnawangsih, T. Kimia, and T. Industri, PIROLISISS BOTOL PLASTIK BEKAS MINUMAN AIR MNIERAL JENIS PET MENJADI FUEL.

: Qona’ah, “Strategy Kampanye Gerakan # BijakBerplastik PT Danone Aqua Dalam Merayakan Hari Lingkungan Hidup Sedunia,” Jurnal Komunikasi, vol. 10, no. 1, pp. 48–55, 2019, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/jkom

P. Handoko et al., “REVERSE VENDING MACHINE PENUKARAN LIMBAH BOTOL KEMASAN PLASTIK DENGAN TIKET SEBAGAI ALAT TUKAR MATA UANG,” 2018.

M. Abrar Masril and D. Putra Caniago, “Optimasi Teknologi Computer Vision pada Robot Industri Sebagai Pemindah Objek Berdasarkan Warna,” vol. 11, no. 1, pp. 46–57, 2023, doi: 10.26760/elkomika.v11.i1.46.

A. Marzuki, A. Zaky, A. Cahayani Adha, T. Mohammad Yoshandi, U. Awal Bros, and K. Pekanbaru, “JURNAL MEDIA INFORMATIKA [JUMIN] Analisis Model Klasifikasi Sampah Botol Berbasis Image Processing Dan Machine Learning Dalam Rancang Bangun Aplikasi Penukaran Sampah Botol Otomatis,” 2024.

A. S. Nugroho, R. Umar, and A. Fadlil, “SISTEM PENGENALAN BOTOL PLASTIK BERDASARKAN LABEL MEREK MENGGUNAKAN FASTER-RCNN,” vol. 21, no. 2, pp. 111–118, 2020, [Online]. Available: http://jurnalnasional.ump.ac.id/index.php/Techno

S. Amanda Putri, G. Ramadhan, Z. Alwildan, R. Afriansyah, and P. Manufaktur Negeri Bangka Belitung, “Perbandingan Kinerja Algoritma YOLO Dan RCNN Pada Deteksi Plat Nomor Kendaraan,” 2023.

I. Topan Adib Amrulloh et al., “EVALUASI AUGMENTASI DATA PADA DETEKSI PENYAKIT DAUN TEBU DENGAN YOLOV8,” 2024.

B. A. Sadewa and Y. Yamasari, “Implementasi Deep Transfer Learning untuk Klasifikasi Nominal Uang Kertas Rupiah,” Journal of Informatics and Computer Science, vol. 05, 2024.

A. Ardiansyah, J. Triloka, K. kunci-Pengolahan Citra, D. Kesegaran Buah, and K. Akurasi, “Evaluasi Kinerja Model YOLOv8… 357.”

R. Politeknik Perkapalan Negeri Surabaya, “Jurnal Rekayasa Sistem Informasi dan Teknologi Volume 2, No 3 Februari 2025 e-ISSN : 3025-888X SISTEM IDENTIFIKASI INFORMASI EXPIRED DATE PRODUK KEMASAN MENGGUNAKAN KOLABORASI METODE YOLO-V11M DAN PADDLEOCR.”




DOI: https://doi.org/10.31284/p.snestik.2025.7448

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Firdaus Sulaiman Syarif, Rika Revina

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.