Solusi ini sepenuhnya open source dan tersedia di platform GitHub, dengan tujuan untuk mendukung upaya berbagai pihak, khususnya lembaga lingkungan dan organisasi relawan, dalam mengatasi isu polusi sampah di seluruh dunia.
Jakarta, benang.id – Yandex B2B Tech, Yandex School of Data Analysis, dan Far Eastern Federal University (FEFU) telah mengembangkan dan memperkenalkan solusi AI terbarunya, sebuah neural network yang open-source, agar bisa mempercepat proses pembersihan limbah di tepi pantai kawasan terpencil. Teknologi ini telah berhasil digunakan di kawasan terpencil pada wilayah Cagar Alam Federal Kamchatka Selatan, Rusia Timur dan kini sedang diuji coba di kawasan Arktik dan sejumlah wilayah lainnya.
Sejalan dengan tema Hari Lingkungan Hidup Sedunia 2025 untuk mengakhiri polusi plastik, solusi berbasis AI open source ini bisa membantu berbagai pihak, termasuk lembaga lingkungan dan komunitas sukarelawan, dalam mempercepat proses pengangkutan limbah padat, termasuk plastik, di zona ekologi yang dianggap sensitif di seluruh dunia.
Krisis Polusi Plastik di Indonesia
Berdasarkan laporan World Bank pada tahun 2021, Indonesia menghasilkan 7,8 juta ton sampah plastik setiap tahunnya, dan 600.000 ton di antaranya dibuang ke laut. 83% limbah plastik di lautan Indonesia berasal dari daratan melalui jalur air, khususnya empat sungai utama di Indonesia – Brantas, Ciliwung, Citarum, dan Progo. Sungai-sungai ini dianggap sebagai kontributor besar untuk pencemaran laut dan termasuk dalam 20 sungai paling tercemar di dunia.
Limbah plastik meracuni ekosistem, mengganggu rantai makanan, dan mengancam keanekaragaman hayati laut dan kesehatan manusia. Banyak limbah plastik yang berakhir ditepi pantai Indonesia, di mana sampah tersebut dapat dikumpulkan dan diangkut. Namun, garis pantai Indonesia sepanjang 54.716 kilometer sulit untuk selalu dijaga kebersihannya, terutama untuk kawasan-kawasan terpencil yang tidak mudah dijangkau – tidak hanya untuk upaya pembersihan tetapi juga untuk asesmen polusi dan menentukan sumber daya penting yang dibutuhkan untuk pengangkutan limbah.
Dengan fitur pembelajaran mesin atau machine learning, deteksi dan analisis bisa dilakukan secara otomatis oleh neural network yang dikembangkan para peneliti Yandex dan FEFU. Bahkan proses asesmen polusi berhasil disederhanakan, sekaligus memberikan alternatif yang lebih cepat dan hemat biaya jika dibandingkan metode pengkajian sebelumnya. Ini merupakan sebuah terobosan baru dalam upaya mengatasi krisis maritim global.
Dampak nyata dan potensi adopsi secara global
Selama proses uji coba di cagar alam Kamchatka, neural network menemukan bahwa 33-39% limbah di pesisir terdiri dari kontainer dan kemasan plastik dan 27-29% berasal dari industri perikanan. Dengan menggunakan metode ini, tim relawan berhasil membersihkan 5 ton sampah empat kali lebih cepat daripada metode tradisional, memobilisasi jumlah relawan yang optimal, dan menentukan peralatan yang tepat untuk mengangkut sampah yang terkumpul.
Pengembangan proyek open-source neural network oleh Yandex dan FEFU di tahun 2025 juga mencakup pemantauan di seluruh taman nasional di kawasan Timur Jauh Rusia dan Arktik, di mana terdapat banyak medan menantang yang mempersulit upaya pengelolaan limbah.
Untuk mengatasi isu polusi yang mendesak ini, teknologi neural network bisa dikembangkan dan diimplementasikan lebih lanjut oleh tim sukarelawan lokal dan lembaga pemerintah, baik di Indonesia maupun negara-negara lain. Sehingga, pemantauan dan pembersihan limbah yang dilakukan di wilayah pesisir dan tepi sungai menjadi lebih efektif.
Selain itu, dengan basis sumber kode lengkap open source, kustomisasi dari neural network bisa dilakukan untuk mendeteksi jenis sampah baru, memantau spesies yang terancam, dan mendukung upaya lingkungan lainnya.
Cara kerja solusi berbasis AI
Solusi AI yang dikembangkan memanfaatkan visualisasi komputer, khususnya melalui fitur segmentasi gambar semantik, untuk memastikan bahwa deteksi limbah padat bisa dilakukan secara otomatis. Metode ini membagi gambar ke dalam kelompok piksel yang berbeda, membuat kategori masing-masing dari sesuai dengan jenis sampah tertentu seperti jaring ikan, besi, karet, potongan plastik besar, beton, dan kayu, mencapai tingkat akurasi lebih dari 80%.
Neural network kemudian memetakan lokasi limbah, melakukan estimasi volume dan bobotnya, melakukan kalkulasi tenaga kerja serta peralatan yang dibutuhkan – termasuk truk pengangkat sampah dan kendaraan untuk segala medan. Metode berbasis data ini mengoptimalkan proses logistik, mengurangi waktu penyelesaian pekerjaan dan biaya pembersihan.
Neural network oleh Yandex dan FEFU juga dapat diintegrasikan dengan berbagai alat pemetaan, seperti software spasial QGIS yang juga open source. Basis sumber kode lengkap neural network ini sepenuhnya open source dan tersedia di GitHub. Lembaga lingkungan dan organisasi sukarelawan di seluruh dunia dapat menggunakan model ini secara gratis dan memodifikasinya untuk keperluan masing-masing, khususnya dalam hal pengelolaan polusi. (*/GK)
