Berikut adalah silabus tentang “Penerapan Algoritma YOLO untuk Deteksi dan Klasifikasi Sampah di Tempat Umum sebagai Bagian dari Smart City Management”:
Sesi 1-5: Pengantar Smart City dan Deteksi Objek
-
Sesi 1: Konsep Smart City dan Peran Teknologi dalam Pengelolaan Sampah Definisi dan komponen Smart City
-
Teknologi yang digunakan dalam pengelolaan sampah
-
Studi kasus penerapan teknologi di berbagai kota
-
Sesi 2: Dasar-dasar Deteksi Objek dengan Deep Learning Pengenalan konsep deep learning
-
Arsitektur dasar Convolutional Neural Network (CNN)
-
Aplikasi deteksi objek dalam kehidupan sehari-hari
-
Sesi 3: Pengenalan Algoritma YOLO (You Only Look Once) Sejarah dan perkembangan YOLO
-
Arsitektur dan cara kerja YOLO
-
Keunggulan dan kelemahan YOLO dibandingkan algoritma lain
-
Sesi 4: Dataset untuk Deteksi dan Klasifikasi Sampah Memahami jenis-jenis sampah yang umum di tempat umum
-
Persiapan dan anotasi dataset menggunakan tools seperti LabelImg
-
Pembagian data menjadi training, validation, dan test sets
-
Sesi 5: Instalasi dan Persiapan Lingkungan Kerja Instalasi Python, TensorFlow, dan OpenCV
-
Pengenalan Google Colab dan Jupyter Notebook
-
Instalasi dan konfigurasi YOLO di lingkungan kerja
Sesi 6-10: Persiapan Model YOLO untuk Deteksi Sampah
-
Sesi 6: Pengantar Arsitektur YOLO dan Konfigurasi Penjelasan arsitektur YOLOv3 dan YOLOv4
-
Memahami file konfigurasi, anchors, dan class names
-
Pemilihan model sesuai kebutuhan
-
Sesi 7: Pemrosesan Dataset untuk YOLO Teknik augmentasi data untuk meningkatkan performa model
-
Membuat custom dataset untuk YOLO
-
Format input dan output pada YOLO
-
Sesi 8: Training Model YOLO pada Dataset Sampah Memahami hyperparameter training (batch size, learning rate, dll.)



