Teknologi Terbaru: Mendeteksi Kantong Kain, Jawaban Tepat untuk Melawan Sampah Plastik

.CO.ID,

Oleh: Rizki Hesananda, Dosen Jurusan Teknologi Informasi di Cyber University

Kecenderungan masyarakat saat ini semakin bergantung pada bahan plastik di era modern telah mengalami peningkatan besar, bahkan mencerminkan dirinya dalam rutinitas harian seperti pergi belanja. Walaupun sangat efisien digunakan, konsumsi tas plastik memberi dampak negatif bagi lingkungan dengan skala waktu lama. Limbah plastik butuh periode antara beberapa ratus sampai lebih dari satu milenium untuk benar-benar terdegradasi, merugikan dan merusak stabilitas ekosistem secara tak dapat dipulihkan.

Untuk mendukung kebijakan pemerintah dalam menangani peningkatan penggunaan kantong non-plastik, Cyber University merancang sebuah sistem identifikasi kantong tekstil (
cloth bag
) menerapkan teknologi deteksi objek yang didasarkan pada visi komputer. Teknologi tersebut mencampurkan pembelajaran mesin serta pembelajaran dalam jaringan mendalam, sambil memakai algoritme terkenal bernama YOLO v5 (You Only Look Once versi 5).

Penerapan Deteksi Kantong Kain Menggunakan YOLO v5

Kumpulan data yang dipergunakan mencakup 102 foto tas kain, didapat melalui proses fotografi langsung serta dari berbagai sumber online. Setiap gambar telah dilengkapi dengan penanda batas persegi panjang (bounding box) guna mengidentifikasi posisi tepat dari setiap tas kain tersebut.

Selanjutnya, dilakukan teknik
preprocessing
sepeti peralihan orientasi, penyesuaian ukuran gambar, serta mengubahnya jadi grayscale (
grayscale
). Di samping itu, metode augmentasi data dipakai, misalnya dengan melakukan rotasi secara acak serta membalik gambar, guna menambah variasi pada kumpulan datanya.

Penelitian ini bertujuan untuk mengembangkan model detektor yang dapat mendeteksi penggunaan kantong kain sepet seperti tersebut.
goodie bag
dan
tote bag
Sebagai ganti kantong plastik, pembuatan model dijalankan melewati beragam langkah, yang mencakup pengumpulan dataset, penandaan gambar, penyortiran informasi, sampai pendidikan model dengan mempergunakan algoritme YOLO v5.

Model telah melalui proses training selama 100 epoch, yaitu jumlah putaran lengkap dalam mengolah keseluruhan dataset. Akhirnya, performa sistem deteksi berhasil mencapai skor rata-rata dari metrik Average Precision (mAP) sebanyak 89,8% di titik threshold 0,5 atau mAP@0,5, hal ini menandakan bahwa kemampuan deteksinya sangat memadai.

Dengan ketepatan yang sangat baik, model pendeteksian ini bisa disematkan ke dalam banyak aplikasi nyata, misalnya untuk memantau pemakaian tas kain di mal-mal, program kesadaran tentang lingkungan, ataupun pengoptimalan perkembangan teknologi ramah lingkungan.
smart city
yang berbasis keberlanjutan.

Di luar keuntungan teknisnya, inovasi ini menyampaikan pesan signifikan lain yaitu menggerakkan transformasi tingkah laku publik untuk beralih menggunakan barang dengan dampak lingkungan yang rendah. Melalui penerapan teknologi, usaha dalam menekan limbah plastik tak sekadar tergantung pada pemahaman personal orang-orang saja, namun juga diperkuat oleh sistem pantauan mandiri yang pintar serta efisien.

Menuju Penerapan Lebih Luas

Sukses menerapkan YOLO v5 untuk mendeteksi tas kain memberi kesempatan bagi penelitian lebih lanjut, misalnya dengan meningkatkan ragam benda yang bisa diidentifikasi atau menyatukan model ini ke dalam perangkat lunak mobile.

Tehnik yang didasari oleh visibilitas komputer ini memiliki potensi untuk menjadi salah satu metode kunci dalam mengawasi tingkah laku yang ramah lingkungan di area umum, sambil juga mendorong penerapan peraturan yang lestari.

Oleh karena itu, teknologi bisa bertindak secara proaktif untuk menciptakan lingkungan yang lebih bersih dan sehat, bukan hanya dengan menghasilkan ide-ide baru, tapi juga dengan melakukan tindakan konkret yang mempromosikan perkembangan positif di tengah masyarakat.