IMPLEMENTASI YOLOV8 DALAM DETEKSI RESIN IDENTIFICATION CODE ( RIC ) PADA MATERIAL PLASTIK

Suyuti, Muhammad Agil (2025) IMPLEMENTASI YOLOV8 DALAM DETEKSI RESIN IDENTIFICATION CODE ( RIC ) PADA MATERIAL PLASTIK. Other thesis, UPN Veteran Yogyakarta.

	Text 2. Cover_123200109_Muhammad Agil Suyuti.pdf Download (123kB)
	Text 3. Abstrak_123200109_Muhammad Agil Suyuti.pdf Download (92kB)
	Text 4. Lembar Pengesahan_123200109_Muhammad Agil Suyuti.pdf Download (972kB)
	Text 5. Daftar Isi_123200109_Muhammad Agil Suyuti.pdf Download (109kB)
	Text 6. Daftar Pustaka_123200109_Muhammad Agil Suyuti.pdf Download (170kB)
	Text 1. Skripsi Fulltext_123200109_Muhammad Agil Suyuti.pdf Restricted to Repository staff only Download (2MB)

Abstract

Plastik adalah material anorganik yang memerlukan waktu lama untuk terurai secara alami, yang dapat menyebabkan dampak buruk terhadap lingkungan, seperti pencemaran tanah dan air serta dampak pada rantai makanan. Salah satu solusi untuk mengatasi permasalahan plastik ini adalah melalui proses daur ulang. Resin Identification Code (RIC) diperkenalkan untuk mempermudah pemilahan limbah plastik berdasarkan jenis resin yang digunakan. Teknologi seperti object detection berbasis citra dapat digunakan untuk membantu pemisahan plastik sesuai RIC-nya, meningkatkan efisiensi dalam proses daur ulang. Salah satu pendekatan yang dapat diterapkan adalah penggunaan metode deep learning seperti YOLO V8, yang mampu melakukan deteksi dan klasifikasi multi-objek secara bersamaan.

YOLO V8 (You Only Look Once version 8) merupakan algoritma object detection berbasis deep learning yang sangat tepat untuk penelitian ini. Algoritma ini telah terbukti unggul dalam berbagai aplikasi, seperti deteksi objek ikan di lingkungan bawah air dan segmentasi lesi polipoid, dengan hasil yang jauh lebih baik dibandingkan model lain seperti YOLO V7, U-Net, dan Faster R-CNN. Penelitian ini bertujuan untuk mengimplementasikan YOLO V8 dalam mendeteksi dan mengklasifikasikan jenis-jenis plastik berdasarkan RIC, guna mendukung proses daur ulang plastik yang lebih efektif dan terarah. Dengan kemampuan YOLO V8 untuk melakukan deteksi multi-objek dalam satu gambar, diharapkan dapat meningkatkan akurasi dan efisiensi dalam pemisahan limbah plastik sesuai jenis resin yang digunakan.

Berdasarkan hasil penelitian, model deteksi Resin Identification Code (RIC) pada material plastik menggunakan You Only Look Once (YOLO) V8 menunjukkan performa yang baik dengan precision sebesar 0,863, recall 0,932, serta mAP50 dan mAP50-95 masing-masing sebesar 0,96 dan 0,789. Kelas dengan performa terbaik adalah "6-PS" dan "7-Other" yang mencapai precision dan recall mendekati 1, sementara kelas "4-LDPE" memiliki precision terendah sebesar 0,622 meskipun recall-nya tinggi di 0,917. Model terbaik diperoleh dengan konfigurasi hyperparameter yang menggunakan optimizer AdamW, learning rate 0.001, dan jumlah epoch 150, yang terbukti memberikan keseimbangan optimal antara akurasi dan generalisasi model. Penelitian ini berhasil menerapkan metode YOLO V8 dalam object detection untuk mengenali RIC plastik, khususnya dalam konteks multi-object detection, sehingga dapat mendukung proses daur ulang plastik yang lebih efisien dan terarah.

Kata kunci : YOLOv8, Resin Identification Code ( RIC ), Object Detection, Multi Object Detection, Plastik

Item Type:	Thesis (Other)
Additional Information:	Muhammad Agil Suyuti (Penulis - 123200109) ; Bambang Yuwono (Pembimbing)
Uncontrolled Keywords:	YOLOv8, Resin Identification Code ( RIC ), Object Detection, Multi Object Detection, Plastik
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	25 Apr 2025 01:52
Last Modified:	25 Apr 2025 01:52
URI:	http://eprints.upnyk.ac.id/id/eprint/42469

Actions (login required)

View Item