Belum lama ini, Kementerian Perhubungan mengukapkan moda transportasi darat akan mendominasi mudik lebaran 2023, sebanyak 22,07% dari total pemudik.
Untuk itu, Kondisi jalan yang prima menjadi salah satu faktor penentu kelancaran mudik. Pasalnya, jalan yang bopeng akan meningkatkan risiko kecelakan. Pada periode mudik tahun lalu, Kepolisian Negara RI mencatat terdapat 2.945 kasus kecelakaan di jalur transportasi darat.
Direktorat Jenderal Bina Marga Kementerian PUPR pada tahun 2021 mendata, setidaknya terdapat 3.848,15 km jalan nasional dalam kondisi rusak dan 2.901 km jalan marjinal yang memerlukan penanganan segera.
Untuk mengantisipasi kecelakaan akibat kondisi jalan bermasalah, mahasiswa Universitas Pertamina mengembangkan sistem pemetaan jalan rusak berbasis kecerdasan buatan. Mewakili Unit Kegiatan Mahasiswa Rekayasa Teknologi Robot, inovasi dari Muhammad Harish, Pande Kadek Tresna Juliana, dan Alya Aprimavista ini berhasil meraih Juara 1 Kategori Karya Tulis Ilmiah dalam Lomba Robot Nasional 2023 di Institut Teknologi Sepuluh Nopember.
“Pada kompetisi ini setiap peserta ditantang untuk membuat inovasi robotika yang berkaitan dengan EBT, kesehatan, IoT, lingkungan, dan digitalisasi. Sub-tema yang kami pilih dalam kompetisi ini adalah pemanfaatan IoT dalam pengembangan infrastruktur di Indonesia,” jelas Harish dalam keterangan tertulisnya Jumat (14/4/2023).
Adapun, sistem pendeteksi kerusakan jalan yang diberi nama ROAD MAP ini terdiri dari perangkat keras, yaitu kamera, komputer, dan LCD. Kemudian juga ada perangkat lunak, yakni model deteksi objek dan website, serta database.
Harish mengungkapkan sistem ini bekerja dengan cara memasang kamera pada kendaraan. Melalui algoritma machine learning (ML) yang telah dibuat sebelumnya, kamera akan otomatis mengambil gambar jika menemui area jalan yang rusak. Foto yang telah diambil kemudian akan dikirimkan ke website secara real-time agar petugas berwenang dapat segera mendata lokasi jalan yang rusak.
“Biasanya pendataan dilakukan secara manual oleh petugas. Namun proses ini memakan waktu lama. Sistem yang kami buat ini dapat mempersingkat waktu karena pencatatan dan pengukuran data serta pengambilan gambar dilakukan secara otomatis melalui sensor yang ada di kamera,” ungkapnya.
Sistem ROAD MAP memiliki tingkat akurasi yang cukup tinggi, yakni sebesar 88,4%. Nilai ini didapat berdasarkan kemampuan kamera dalam mengenali objek kerusakan jalan. Untuk mendapatkan nilai akurasi yang tinggi, Pande dan tim menggunakan 740 gambar jalan rusak untuk melatih model machine learning.
Ia berharap, inovasi ini dapat dikembangkan ke tahap yang lebih jauh khususnya pada pengembangan perangkat keras dan lunak, serta penghitungan biaya. Sehingga, sistem ini dapat digunakan oleh perusahaan maupun pemerintah untuk meningkatkan kualitas infrastruktur di Indonesia. (Angga)
