Peneliti ITB Buat Sistem Pendeteksi Kerusakan Jalan dengan IoT

JAKARTA - Penggunaan Internet of Things ( IoT ) untuk sektor transportasi mulai banyak dikembangkan pada saat ini. Peneliti ITB pun mengembangkan sistem road damage detection yang berbasis machine learning.

Sejumlah sektor di bidang transportasi yang telah menggunakan IoT adalah otomasi pembelian tiket, self driving car, pengelolaan lalu lintas, hingga peningkatan keamanan transportasi publik.

Yang terbaru, sebuah penelitian dikembangkan untuk sistem keamanan transportasi berupa road damage detection. Penelitian ini untuk meningkatkan keamanan mobilitas transportasi di beberapa segmen jalan yang rawan mengalami kerusakan.

Programnya menggunakan data yang dikumpulkan lewat dashcam kendaraan. Nantinya sistem akan mengenali kategori jalan rusak serta mengirimkan hasilnya kepada pemerintah terkait yang berwenang mengelola jalan tersebut.

Baca juga: 7 Jurusan Kuliah yang Lulusannya Bekerja di Telkom Indonesia

“Kalau kita bisa memanfaatkan data dari dashcam setiap pengguna mobil yang lewat, sistem bisa melaporkan data tersebut secara otomatis ke pihak yang berwenang untuk memberi tahu kalau di lokasi X ada jalan yang perlu diperbaiki,” ujar Peneliti Pusat Inovasi Kota dan Komunitas Cerdas ITB I Gusti Bagus Baskara Nugraha, dikutip dari laman ITB, Rabu (30/11/2022).

Pengembangan dashcam perlu dilakukan karena dashcam yang ada saat ini belum mampu melakukan pemantauan itu. Dashcam yang dikembangkan akan mampu mendeteksi kerusakan jalan, dari kategori rusak ringan sampai rusak berat berdasarkan algoritma tertentu yang dikembangkan machine learning.

Akurasi data menjadi isu terbesar yang harus dipenuhi oleh sistem pendeteksi ini. Untuk itu, diperlukan sumber data yang banyak agar sistem dapat mengenali berbagai variasi kerusakan jalan serta meminimalisir kemungkinan salah deteksi.

Baskara menjelaskan, “Pekerjaan machine learning atau artificial intelligence yang paling melelahkan adalah pengumpulan data. Bisa berbulan bulan bahkan bertahun-tahun. Supaya saat kita latih komputernya, dia benar benar pintar dan akurat, jadi datanya harus banyak.”

Sistem road damage detection saat ini masih mengandalkan identifikasi manual dengan cara melihat video rekaman dashcam secara langsung, kemudian pengamat harus memblok area jalan yang mengalami kerusakan. Namun ketika sistem sudah beroperasi secara optimal, hasil rekaman dashcam akan langsung dikirim ke cloud pusat yang ada pada server.

Baca juga: Calon Mahasiswa Perlu Tahu, Ini Perbedaan Skripsi, Tesis, dan Disertasi

Tantangan yang kemudian muncul adalah besarnya bandwidth yang dibutuhkan untuk mengirim dan mengunduh data. Kalaupun bandwidth mencukupi, tantangan lain adalah masalah biaya yang relatif besar saat mengirim maupun mengunduh data dari cloud pusat.

Pendekatan baru yang ditawarkan untuk menghadapi tantangan ini adalah penggunaan edge computing. Dengan edge computing, pengolahan data akan dilakukan secara lokal dekat dengan sumber data tersebut tanpa harus mengirimnya ke cloud pusat. Hasilnya, data dapat lebih mudah diproses karena rute pengolahan data dari lokal ke sistem cloud lebih pendek. Edge computing ini yang nantinya akan diwujudkan dalam bentuk sistem cloud di dalam dashcam.

Tantangan sistem road damage detection lainnya adalah kondisi lingkungan eksternal berupa lalu lintas yang padat dan perbedaan faktor pencahayaan saat pagi, siang, atau malam. Kedua faktor ini sangat berpotensi menyebabkan gagal deteksi kerusakan jalan oleh sistem. Oleh karena itu, sistem road damage detection juga masih harus melalui tahap-tahap perbaikan lebih lanjut untuk menyempurnakan cara kerjanya.