Seasonal Changes in the Amount of Washed-Up Microplastics in Suo-Oshima Beach Using Image Analysis

Karin Fahira Khairunisa, Dr. Ir. Sri Puji Saraswati, DIC., M.Sc.,IPM.

2026 | Skripsi | S1 TEKNIK INFRASTRUKTUR LINGKUNGAN

Polusi mikroplastik telah menjadi perhatian global karena dampaknya terhadap lingkungan. Banyaknya keberadaan mikroplastik di ekosistem laut menimbulkan risiko bagi spesies laut yang dapat membahayakan kesehatan manusia melalui proses bioakumulasi. Polusi mikroplastik memiliki tantangan untuk mengendalikan keberadaannya di lingkungan, karena ukurannya yang lebih kecil dari 5 mm dan faktor atmosfer temporal seperti kekuatan angin. Dalam beberapa waktu terakhir, untaian serasah alami – komponen yang terdiri dari akumulasi material alami dari alga dan kayu apung yang terdampar di pantai – telah diidentifikasi sebagai titik akumulasi mikroplastik di pantai dan merupakan substitusi mikroplastik potensial untuk mengatasi tantangan deteksi. Penelitian ini bertujuan untuk mengkuantifikasi keberadaan mikroplastik dengan untaian serasah alami sebagai variabel penggantinya dan untuk mengkorelasikan variabilitas musiman, yang direpresentasikan oleh kondisi angin, pengaruhnya terhadap pergerakan mikroplastik di Pantai Suo-Oshima Utara, Prefektur Yamaguchi, Jepang. Sampel dikumpulkan dari tiga zona serasah sepanjang arah darat – lepas pantai selama musim gugur 2023 hingga musim panas 2024, empat kali di setiap bulan musim yang representatif. Penelitian ini melakukan pemantauan pantai menggunakan data camera trap untuk diproses melalui analisis gambar deep learning dengan arsitektur jaringan HRNet. Evaluasi dampak kondisi atmosfer terhadap keberadaan mikroplastik di pantai dianalisis dengan data angin (kecepatan dan arah) sebagai variabel musiman. Penelitian ini berhasil mengkuantifikasi berat mikroplastik FPS (g) dengan hasil yang menunjukkan bahwa musim semi memiliki deposisi terbesar dan menunjukkan korelasi yang kuat antara pengaruh angin dengan keberadaan mikroplastik di musim panas (r = 0,39, p = 0,00027). Penggunaan metode pemantauan kamera dan analisis gambar dalam penelitian ini menghasilkan data berkelanjutan untuk memperkirakan dinamika mikroplastik di pantai dan kemampuan untuk menangani dataset besar dengan penerapan deep learning.

Microplastic pollution has become a global concern due to its influence towards the environment. The frequent occurrence of microplastic in the marine ecosystem poses the risk to the marine species, which can lead to threat human health through the process of bioaccumulation. Microplastic pollution has challenges to control its occurrence in the environment, due to the size which is smaller than 5 mm and the temporal atmospheric factor such as wind force. Recently, natural litter band –the component consisted the accumulation of natural material from washed ashore alga and driftwood– has identified as microplastic accumulation hot spot in the beach and the potential microplastic substitute to overcome the detection difficulty. This study aims to quantify the microplastic occurrence with natural litter band as its proxy and to correlate seasonal variability, represented by wind condition, influnce to the transport of microplastic in Northern Suo-Oshima Beach, Yamaguchi Prefecture, Japan. Sample was collected from three litter bands along the direction of onshore – offshore during autumn 2023 to summer 2024, four times in each representative season month. This study conducted monitoring of the beach using camera trap data to be processed through deep learning image analysis with HRNet network architecture. The evaluation of the atmospheric condition impact on microplastic occurrence in the beach was analyzed with wind data (speed and direction) as the seasonal variable. This study has successfully quantified FPS microplastic weight (g) with the result revealed the spring season has the largest deposition and revealed the strong correlation of the wind influence to the microplastic occurrence in the summer (r = 0.39, p = 0.00027). The usage of camera monitoring and image analysis method in this study provides continuous data to estimate the dynamic of microplastic on the beach and the ability to handle large dataset with the application of deep learning. 

Kata Kunci : sequential microplastic monitoring, image segmentation, deep learning