FTMM NEWS – Limbah plastik yang terombang-ambing bebas di lautan telah menjadi salah satu krisis lingkungan terbesar yang mengancam keberadaan biota laut. UNESCO memperkirakan bahwa sekitar 8-10 juta ton plastik masuk ke laut setiap tahunnya. Salah satu contoh nyata adalah Great Pacific Garbage Patch (GPGP), kumpulan plastik yang mengambang di Samudra Pasifik. Jika fenomena seperti ini terus meningkat, populasi biota laut akan berada dalam kondisi yang semakin mengkhawatirkan, memperparah kerusakan ekosistem laut.
Namun, seiring dengan perkembangan teknologi, data science, machine learning dan kecerdasan buatan kini dapat mengatasi masalah ini. Salah satu teknologi yang digunakan adalah sensor plastik bawah laut, yang mampu mendeteksi dan mencatat pergerakan serta konsentrasi sampah plastik di lautan. Sensor ini dirancang sedemikian mungkin untuk dapat membedakan plastik dan material lain seperti pasir atau organisme laut.
Bagaimana caranya?
Machine learning memungkinkan ilmuwan untuk memetakan area yang paling terdampak oleh limbah plastik. Machine learning juga dapat membantu memprediksi pergerakan sampah plastik di lautan dan memudahkan perencanaan operasi pembersihan yang lebih efisien. Selain itu, machine learning dapat mengidentifikasi pola-pola tertentu dalam distribusi plastik. Dengan demikian, langkah-langkah pencegahan dapat dilakukan sebelum masalah polusi semakin meluas.
Dengan memanfaatkan data science, machine learning, dan teknologi hijau, kita dapat memperkuat upaya untuk mencapai SDGs 14 tentang kehidupan di bawah air. Teknologi-teknologi ini memungkinkan pemantauan yang lebih terhadap limbah plastik di lautan. Melalui perkembangan ini, kita dapat memastikan kelangsungan hidup biota laut dan menjaga keseimbangan ekosistem.
Referensi:
- Jambeck, J.R., et al. (2015). “Plastic waste inputs from land into the ocean.” Science.
- The Pew Charitable Trusts. (2020). “Breaking the Plastic Wave: A Comprehensive Assessment of Pathways Towards Stopping Ocean Plastic Pollution.”
- Duke University. (n.d.). Marine Data and Mapping Portal. https://seamap.env.duke.edu/models/mdat/
- Lauren Drakopulos, Elizabeth Havice, Lisa Campbell, Architecture, agency and ocean data science initiatives: Data-driven transformation of oceans governance,Earth System Governance, https://www.sciencedirect.com/science/article/pii/S258981162200009X
Penulis : Manisa & Gracia Angela Hasjim
Editor: Muhammad Alesha Fadhana
