Augmentasi pada yolov8 untuk meningkatkan segmentasi sampah menggunakan Dataset Zerowaste

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Nufi, Oryza Sativa (2026) Augmentasi pada yolov8 untuk meningkatkan segmentasi sampah menggunakan Dataset Zerowaste. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Oryza Sativa Nufi_09030622051 OK.pdf Download (5MB)
	Text Oryza Sativa Nufi_09030622051 Full.pdf Restricted to Repository staff only until 7 April 2029. Download (5MB)

Abstract

Pengelolaan sampah yang efektif memerlukan informasi yang akurat mengenai jenis dan distribusi material sampah. Salah satu pendekatan yang dapat mendukung kebutuhan ini dengan pemanfaatan computer vision berbasis deep learning untuk melakukan segmentasi objek sampah pada citra. Namun, karakteristik dataset sampah yang umumnya tidak seimbang serta keberadaan objek yang saling bertumpuk masih menjadi tantangan utama dalam meningkatkan kinerja model segmentasi. Pada penelitian ini, kinerja YOLOv8 berbasis segmentasi (YOLOv8-seg) dianalisis dalam melakukan segmentasi objek sampah pada dataset ZeroWaste yang terdiri dari empat kelas, yaitu cardboard, metal, rigid plastic, dan soft plastic. Dua skenario pelatihan diterapkan, skenario pertama menggunakan dataset asli yang bersifat tidak seimbang dan skenario kedua menggunakan dataset yang telah diproses penyeimbangan kelas menggunakan teknik augmentasi. Selain itu, performa YOLOv8-seg dibandingkan dengan metode Mask R-CNN sebagai baseline. Evaluasi performa dilakukan menggunakan metrik mean Average Precision pada ambang IoU 0.5 (mAP@0.5). Hasil eksperimen menunjukkan bahwa penerapan penyeimbangan data melalui augmentasi mampu meningkatkan kinerja YOLOv8-seg secara konsisten. Model yang dilatih menggunakan dataset seimbang menghasilkan performa yang lebih baik dibandingkan dengan skenario dataset asli serta menunjukkan keunggulan dibandingkan metode Mask R-CNN. Temuan ini menunjukkan bahwa kombinasi YOLOv8-seg dengan strategi penyeimbangan data melalui augmentasi merupakan pendekatan yang efektif dalam meningkatkan akurasi segmentasi objek sampah pada citra serta berpotensi mendukung pengembangan sistem pemetaan dan pengelolaan sampah yang lebih andal.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Nufi, Oryza Sativa padinyanufi@gmail.com 09030622051
Contributors:	Contribution Name Email NIDN Thesis advisor Nugroho, Bayu Adhi bayu.lecture@gmail.com 0718057902 Thesis advisor Nooriansyah, Subhan subhan.nooriansyah@uinsa.ac.id 2028129005
Subjects:	Kecerdasan Lingkungan Hidup
Keywords:	data augmentation; YOLOv8; waste segmentation; ZeroWaste dataset; deep learning
Divisions:	Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User:	Oryza Sativa Nufi
Date Deposited:	07 Apr 2026 08:06
Last Modified:	07 Apr 2026 08:06
URI:	http://digilib.uinsa.ac.id/id/eprint/89187

Actions (login required)

View Item