Sampah plastik merupakan sebuah permasalahan yang dapat menimbulkan banyak efek negatif terhadap lingkungan. Efek negatif ini terutama berdampak terhadap lingkungan sungai. Surabaya merupakan penyumbang sampah plastik terbanyak kedua di Indonesia. Di sini peneliti berupaya untuk mengurangi efek negatif tersebut dengan cara melakukan pengawasan dan pemetaan risiko. Metode yang digunakan untuk pengawasan adalah image classification. Selanjunya, gambar dari kelas plastik akan dihitung jumlah plastik yang ada dalam satu gambar menggunakan RGB filetering dan neighborhood windowing untuk menghitung jumlah sampah plastik pada suatu gambar. Kemudian akan dilakukan proses clustering untuk mengelompokkan gambar menjadi kelas risiko. Sedangkan untuk prediksi risiko menggunakan linier regression. Penelitian ini dapat dilakukan dengan cara memasang alat Raspberry Pi dengan kamera di pinggir sungai Surabaya. Penelitian ini menunjukan bahwa image classification menunjukan keakurasian yang tinggi dengan akurasi mencapai 100 persen dengan epoch sedikit menggunakan library Keras. Tetapi membutuhkan waktu yang cukup lama. Image classification menggunakan library ALI membutuhkan waktu lebih sedikit. Kemudian perlu adanya proses pengurangan noise untuk menghitung jumlah sampah menggunakan neighborhood window.