Programming
Kursus Skripsi Tesis Disertasi Python YOLO ~ Identifikasi Jenis Sampah Otomatis Menggunakan YOLO
Berikut adalah silabus 10 sesi (masing-masing 1.5 jam) untuk topik:
🗑️ “Identifikasi Jenis Sampah Otomatis Menggunakan YOLO”
✅ Tujuan Umum:
Mahasiswa mampu membangun sistem deteksi otomatis untuk mengidentifikasi dan mengklasifikasikan jenis sampah (organik, anorganik, B3, dll) menggunakan model YOLO (You Only Look Once), mulai dari dataset preparation hingga evaluasi akurasi model.
📚 Silabus 10x Sesi – Identifikasi Jenis Sampah Otomatis Menggunakan YOLO
| Sesi | Topik | Deskripsi Materi | Output |
|---|---|---|---|
| 1 | Pengenalan Deteksi Objek & YOLO | Konsep deteksi objek, sejarah YOLO (v1–v8), keunggulan dan penerapan | Mahasiswa memahami prinsip kerja YOLO dan penggunaannya dalam klasifikasi sampah |
| 2 | Klasifikasi Sampah dan Kebutuhan Dataset | Kategori sampah (organik, anorganik, B3), taksonomi, dan pentingnya data | Mahasiswa memahami kebutuhan anotasi untuk tiap jenis sampah |
| 3 | Pengumpulan dan Anotasi Dataset Sampah | Pengambilan gambar sampah, labeling menggunakan Roboflow/LabelImg | Mahasiswa membuat dataset sampah teranotasi siap dilatih |
| 4 | Instalasi Lingkungan YOLOv5 | Setup Python, PyTorch, YOLOv5 repo, dan dependensi | YOLOv5 berhasil diinstall dan bisa dijalankan di local atau Google Colab |
| 5 | Pelatihan Model YOLOv5 dengan Dataset Sampah | Struktur folder dataset, file config .yaml, perintah training YOLO |
Model YOLOv5 mulai dilatih menggunakan dataset buatan sendiri |
| 6 | Evaluasi Model dan Interpretasi Hasil Deteksi | mAP, precision, recall, confusion matrix, dan visualisasi hasil | Mahasiswa mengevaluasi performa model YOLO dan membandingkan hasil deteksi |
| 7 | Optimasi Dataset & Augmentasi Citra | Data augmentation (flip, rotate, brightness), balancing class | Performa model meningkat melalui augmentasi & balancing dataset |
| 8 | Deploy Model ke Aplikasi Sederhana (Streamlit/Flask) | Integrasi model ke aplikasi Python sederhana untuk demo | Web app sederhana yang bisa upload gambar dan deteksi sampah |
| 9 | Studi Kasus: Deteksi Sampah Realtime via Webcam | Implementasi YOLOv5 untuk realtime detection menggunakan webcam | Aplikasi mampu mendeteksi sampah realtime dengan akurasi baik |
| 10 | Presentasi & Evaluasi Proyek Mini | Mahasiswa menyajikan hasil deteksi, tantangan, dan solusi | Proyek identifikasi sampah berhasil ditampilkan dan dievaluasi |
🎯 Hasil Akhir yang Diharapkan:
-
Mahasiswa mampu membuat dataset sampah sendiri.
-
Model YOLOv5 berhasil dilatih untuk klasifikasi sampah.
-
Sistem deteksi sampah berbasis YOLO bisa dijalankan secara realtime.
