IMPLEMENTASI WIENER FILTER DAN YOLOV3 UNTUK MENDETEKSI SAMPAH PLASTIK PADA CITRA PANTAI

Abstract

Masalah sampah yang meluas di lingkungan pesisir telah mengakibatkan konsekuensi ekologis yang substansial. Keberadaan sampah di pantai menimbulkan bahaya besar bagi ekosistem pesisir yang rapuh, terutama berdampak pada penyu, yang telah mengalami penurunan 24% tempat bertelur. Penyu mengalami polusi baik di darat maupun di air, menjadi korban karena memakan makanan yang tidak layak dan terjerat dalam alat tangkap. Meskipun ada upaya yang terus dilakukan untuk memerangi polusi, pendekatan pembersihan secara mekanis dan manual memiliki keterbatasan. Plastik telah muncul sebagai bahan antropogenik dominan yang ditemukan di lingkungan, baik yang tersembunyi di bawah pasir atau terdegradasi hingga tingkat yang membuat penyaringan mekanis menjadi tidak efektif dan memerlukan upaya pembersihan manual oleh para sukarelawan. Keberadaan plastik tetap menjadi ancaman bagi ekologi pantai, sehingga menuntut strategi pengelolaan yang efektif. Studi ini memperkenalkan pendekatan baru untuk meningkatkan efektivitas metode pembersihan manual dengan meningkatkan deteksi sampah plastik yang terabaikan melalui pemanfaatan algoritme pendeteksi objek yang canggih. Dengan memanfaatkan basis data sampah plastik yang komprehensif bernama TACO, yang terdiri dari 4200 gambar dan 28 kelas yang berbeda, model YOLOv3 menjalani pelatihan dengan menggunakan set data yang dimodifikasi dengan injeksi noise Gaussian dan teknik peningkatan filter Wiener. Setelah validasi menggunakan 1704 gambar, model ini diimplementasikan dalam server Flask untuk digunakan pada perangkat Android, sehingga memudahkan pengujian lapangan. Melalui validasi dan pengujian yang ketat, model ini menunjukkan ketahanan yang luar biasa dan mengungguli model yang dilatih dengan dataset yang diinjeksikan noise sebelumnya, mencapai rata-rata Average Precision (mAP) yang konsisten sebesar 44,1%, presisi 42,4%, recall 58%, dan f1- skor 49% selama validasi. Selain itu, di lingkungan pantai yang sebenarnya, model ini mencapai tingkat keberhasilan 68% dalam memprediksi keberadaan sedotan, botol plastik, dan topi dalam jarak 1 meter.