KLASIFIKASI CITRA KEBERSIHAN MA’HAD DI PONDOK PESANTREN MANBA’UL HIKAM DENGAN METODE YOU ONLY LOOK ONCE (YOLO)

Pondok Pesantren Manba’ul Hikam memiliki tantangan dalam memantau dan mengelola kebersihan lingkungannya secara efektif. Penelitian ini mengusulkan penggunaan metode You Only Look Once (YOLO) untuk meningkatkan klasifikasi citra kebersihan di Ma'had Pondok Pesantren Manba’ul Hikam. Metode YOLO dipilih karena kemampuannya dalam deteksi objek real
time yang cepat dan akurat, yang dapat memberikan informasi langsung tentang kondisi kebersihan tanpa memerlukan langkah deteksi terpisah.
Studi ini melibatkan persiapan data yang komprehensif, pelatihan model YOLO dengan dataset yang mencakup variasi kondisi lingkungan sehari-hari, serta validasi hasil klasifikasi untuk memastikan akurasi yang tinggi. Optimisasi kinerja melalui penggunaan perangkat keras yang tepat juga menjadi fokus untuk memastikan efisiensi waktu komputasi dalam implementasi sistem.
Hasil penelitian ini diintegrasikan ke dalam sistem pemantauan kebersihan eksisting di Ma'had Pondok Pesantren Manba’ul Hikam, memungkinkan informasi deteksi kebersihan yang cepat dan akurat untuk digunakan dalam pengambilan keputusan dan perbaikan yang tepat waktu. Diharapkan, penerapan metode YOLO dalam konteks ini akan memberikan kontribusi signifikan dalam meningkatkan manajemen kebersihan dan kenyamanan lingkungan di Pondok Pesantren Manba’ul Hikam secara keseluruhan.
========================================================================================================================
The Ma'had Pondok Pesantren Manba’ul Hikam faces challenges in effectively monitoring and managing its environmental cleanliness. This research proposes the use of YOLO method to enhance the classification of cleanliness images at Ma'had Pondok Pesantren Manba’ul Hikam. YOLO was chosen for its ability to perform fast and accurate real-time object detection, providing immediate information on cleanliness conditions without the need for separate detection steps.
This study involves comprehensive data preparation, training the YOLO model with datasets that encompass daily environmental conditions, and validating classification results to ensure high accuracy. Performance optimization through appropriate hardware use is also a focus to ensure computational efficiency during system implementation.
The research outcomes are integrated into the existing cleanliness monitoring system at Ma'had Pondok Pesantren Manba’ul Hikam, enabling rapid and accurate cleanliness detection information to be used for timely decision
making and corrective actions. It is expected that implementing the YOLO method in this context will significantly contribute to improving cleanliness management
and environmental comfort at Pondok Pesantren Manba’ul Hikam overall.