<![CDATA[Masalah pengelolaan limbah, terutama sampah anorganik seperti plastik, kaca, kardus, dan logam, menjadi tantangan signifikan dalam mewujudkan keberlanjutan lingkungan. Penelitian ini bertujuan meningkatkan akurasi klasifikasi sampah daur ulang berbasis citra dengan memanfaatkan algoritma YOLO11 yang telah dioptimalkan. Dataset penelitian terdiri dari 400 gambar sampah yang dikumpulkan melalui observasi lapangan, menggunakan latar belakang putih untuk mempertegas kontras objek. Proses penelitian mencakup tahap preprocessing data (meliputi resizing dan pembagian data), pelatihan model dengan rasio data 80:20, serta evaluasi kinerja menggunakan metrik akurasi, precision, recall, dan F1-score. Model dilatih selama lima epoch menggunakan bobot awal pada algoritma YOLO11. Hasil penelitian menunjukkan model mampu mencapai akurasi keseluruhan sebesar 98,7%, dengan precision 98,8%, recall 98,7%, dan F1-score 98,7%. Pengujian pada data eksternal juga membuktikan kemampuan model dalam menggeneralisasi, meskipun terdapat beberapa kendala pada pencahayaan dan sudut pandang tertentu. Temuan ini menggarisbawahi potensi besar algoritma YOLO11 untuk mendukung otomatisasi pengelolaan sampah daur ulang, seperti dalam pemisahan material di fasilitas daur ulang atau aplikasi berbasis edukasi mobile. Untuk pengembangan lebih lanjut, disarankan memperluas variasi dataset dan mengeksplorasi algoritma lain guna mendukung pengelolaan sampah yang lebih optimal dan berkelanjutan.]]>
