SISTEM PENDETEKSI SAMPAH BOTOL PLASTIK DI BAWAH LAUT MENGGUNAKAN METODE DEEP LEARNING SECARA REAL TIME

Berdasarkan data dari studi berjudul "Plastic Waste Discharges from Rivers and Coastlines in Indonesia," Indonesia diperkirakan menghasilkan sekitar 7,8 juta ton sampah plastik setiap tahun. Sampah plastik menjadi sumber utama marine debris di seluruh dunia dan menghadirkan tantangan serius dalam proses dekomposisi di lingkungan perairan. Segala macam limbah plastik dan non - plastik yang berawal dari perairan sungai dan berakhir di ekosistem laut dan pesisir. Akibatnya, ketika sampah plastik mengendap di perairan laut akan berdampak negatif terhadap proses reproduksi dan migrasi satwa laut, menghambat pertumbuhan karang, merusak habitat laut, serta memicu kematian pada hewan laut yang berinteraksi dengan atau terperangkap dalam sampah plastik. Penelitian ini mengembangkan sebuah sistem deteksi sampah botol plastik di bawah laut secara real time menggunakan algortima deep learning YOLOv8.  Dataset pada penelitian ini bersifat primer yang diperoleh dari pengambilan gambar sampah botol plastik langsung di laut dan dikolam renang. Hasil penelitian menunjukkan bahwa model yang dibangun memiliki tingkat presisi yang mencapai 99,6% dan recall mencapai 100%. Hasil evaluasi performa deteksi dengan menggunakan ambang batas Intersection over Union (IoU) sebesar 50% menunjukkan mean Average Precision at 50 (mAP50) mencapai 99,5%, mengkonfirmasi kualitas model dalam mengukur akurasi deteksi pada tingkat tersebut. Bahkan, nilai mAP50-95 mencapai 97,8%, menunjukkan konsistensi performa model dalam deteksi pada rentang IoU dari 50 hingga 95%. Penelitian ini berhasil mengembangkan model deteksi sampah botol plastik di bawah laut secara real time menggunakan pendekatan YOLOv8. Dengan demikian, penelitian ini membuka potensi pengembangan lebih lanjut untuk mengurangi dampak negatif sampah plastik pada ekosistem perairan di Indonesia.