View/Open

Author
GYMNASTIAR, AL KHOARIZMY

Date Published
02 Jul 2026

Advisor
Yuliana, M.Cs.,
Rohmi Dyah Astuti, S.Si., M.Cs.,

Subject
Sains Data

Publisher

Akumulasi sampah pesisir menjadi tantangan pengelolaan lingkungan di Indonesia karena pemantauan manual terkendala luas wilayah dan aksesibilitas pantai. Penelitian ini mengevaluasi alur kerja deteksi dan klasifikasi material sampah pesisir berbasis zero-shot menggunakan Grounding DINO dan CLIP tanpa data berlabel untuk pelatihan model. Dataset terdiri atas 196 citra permukaan pesisir dari empat lokasi pantai di Provinsi Lampung dengan 776 objek beranotasi manual dalam enam kelas material, yaitu plastic, metal, glass, rubber, organic, dan other. Empat skenario prompt diuji pada evaluasi berbasis ground truth, dan skenario S4 memperoleh kinerja terbaik dengan akurasi 80,4% serta F1-score makro 0,725. Evaluasi end-to-end menggunakan Grounding DINO dengan box threshold 0,15 dan text threshold 0,30 menghasilkan 2.687 kotak prediksi, dengan 428 kotak yang berhasil dicocokkan dengan ground truth pada ambang IoU ≥ 0,5 dan mean Intersection over Union (mIoU) sebesar 0,817. Pada 428 kotak tersebut, F1-score makro klasifikasi mencapai 0,740, sehingga CLIP menunjukkan kinerja yang relatif stabil ketika objek telah terlokalisasi dengan benar. Temuan ini menunjukkan bahwa klasifikasi zero-shot berbasis vision-language model dapat digunakan pada sampah pesisir, sedangkan kinerja sistem end-to-end masih bergantung pada kemampuan detektor dalam menghasilkan kandidat objek yang relevan pada citra pesisir.

URI
https://repo.itera.ac.id/depan/submission/SB2607020012

Keyword
deteksi sampah pesisir klasifikasi material sampah pembelajaran zero-shot Grounding DINO CLIP rekayasa prompt