Inovasi Teknologi untuk Deteksi Kantong Kain

Oleh: Rizki Hesananda, Dosen Program Studi Teknologi Informasi Cyber University

Ketergantungan masyarakat pada plastik dalam kehidupan modern meningkat secara signifikan, termasuk dalam kegiatan sehari-hari seperti berbelanja. Meskipun praktis, penggunaan kantong plastik membawa dampak lingkungan jangka panjang yang serius. Sampah plastik memerlukan waktu ratusan hingga ribuan tahun untuk terurai sepenuhnya, menyebabkan kerusakan ekosistem yang sulit diperbaiki.

Untuk mendukung program pemerintah dalam mengurangi penggunaan kantong plastik, Cyber University mengembangkan sistem deteksi kantong kain dengan menggunakan teknologi pengenalan objek berbasis computer vision. Teknologi ini menggabungkan machine learning dan deep learning, dengan memanfaatkan algoritma populer YOLO v5 (You Only Look Once version 5).

Implementasi Deteksi Kantong Kain dengan YOLO v5

Dataset yang digunakan terdiri dari 102 gambar kantong kain, yang diperoleh dari hasil pengambilan gambar manual dan sumber daring. Semua gambar diberi anotasi dengan kotak pembatas untuk menandai letak objek kantong kain.

Selanjutnya, dilakukan teknik preprocessing seperti perubahan orientasi, pengubahan ukuran gambar, dan konversi warna menjadi hitam-putih. Selain itu, digunakan teknik augmentasi data, seperti rotasi acak dan pembalikan gambar, untuk meningkatkan variasi dataset.

Penelitian ini bertujuan membangun model pendeteksi penggunaan kantong kain seperti goodie bag dan tote bag sebagai alternatif kantong plastik. Pengembangan model dilakukan melalui beberapa tahap, mulai dari pengumpulan dataset, anotasi gambar, pemrosesan data, hingga pelatihan model menggunakan algoritma YOLO v5.

Model dilatih dengan menggunakan 100 epoch, istilah yang merujuk pada jumlah iterasi penuh pelatihan terhadap seluruh dataset. Hasilnya, model deteksi mencapai nilai mean Average Precision (mAP) sebesar 89,8%, yang menunjukkan kinerja deteksi yang sangat baik.