Inovasi ini bertujuan menekan risiko kecelakaan kerja sekaligus menjaga efisiensi dan keberlanjutan aset perusahaan.
Tim PKM-RE ini diketuai Riduan (Teknik Geofisika, 2021) dengan anggota Pria Budi Tobing (Teknik Geofisika, 2021), dan Imam Ariadi (Teknik Informatika, 2022). Selama proses penelitian, mereka mendapatkan arahan intensif dari dosen pembimbing yang memastikan setiap tahapan sesuai metodologi ilmiah dan target penelitian, Rahmi Mulyasari, S.Pd., M.T.
Ide riset berangkat dari keprihatinan terhadap maraknya kecelakaan di tempat industri, seperti kebocoran pipa dan kebakaran di sektor migas yang berdampak pada lingkungan serta keselamatan masyarakat sekitar.
“Maka dari itu, kami coba membuat suatu prototipe yang dapat membantu menganalisis dan memanajemen kerusakan dini pada industri migas,” ujar Riduan.
Sistem yang dikembangkan memanfaatkan dua jalur utama, yaitu computer vision YOLO (You Only Look Once) dan pemrosesan bahasa alami (Groq AI). Kombinasi ini mendukung sistem yang holistik karena bisa membaca gambar dan teks secara terpadu.
Melalui jalur computer vision (YOLO), pengguna cukup menggugah gambar kondisi aset, kemudian AI dapat mendeteksi kerusakan seperti korosi, retakan, atau kebocoran, lalu mengklasifikasikannya berdasarkan tingkat risiko.
Sementara melalui NLP (Groq AI), pengguna cukup menuliskan deskripsi kerusakan, sistem akan menganalisis kalimat tersebut dan menyimpulkan konteks bahaya untuk melengkapi hasil analisis visual.
Hasil analisis divisualisasikan dalam sebuah dashboard secara real-time agar operator dapat segera menindaklanjuti.
Terdapat beberapa indikator utama yang menjadi parameter dalam sistem peringatan dini tersebut, antara lain jenis kerusakan visual, skala atau area kerusakan yang terdeteksi, deskripsi teks pelapor yang mengandung kata-kata kunci risiko, lokasi dan waktu laporan sebagai data pendukung untuk tindakan cepat.
Temuan terbesar dari penelitian ini adalah bahwa gabungan deteksi visual (YOLO) dan analisis teks (Groq AI) mampu memberikan prediksi risiko lebih akurat dibanding hanya dengan metode konvensional, dapat mendeteksi lebih cepat jenis kerusakan yang perlu penanganan segera, hingga meningkatkan efisiensi pelaporan.
Selain itu menurut tim, manfaat utama sistem ini adalah efisiensi pemantauan dan peningkatan keselamatan kerja. Tidak hanya digunakan di sektor migas, teknologi ini juga berpotensi diterapkan pada industri manufaktur, transportasi, konstruksi, hingga energi terbarukan.
Meski masih menghadapi tantangan, seperti keterbatasan dataset spesifik migas dan integrasi sistem AI, tim optimistis proyek ini bisa dikembangkan lebih luas. Mereka bahkan merencanakan strategi model bisnis berbasis Software as a Service (SaaS) agar mudah diimplementasikan perusahaan besar.
Terdapat harapan besar dalam keberlanjutan sistem yang sedang dilaksanakan. Dengan sistem yang diprogram dengan baik dan rapi tentunya memiliki dampak sangat baik dalam memelihara suatu aset yang ada pada industri migas dan juga dapat mengurangi kecelakaan, baik terhadap tenaga kerja serta lingkungan.
“Kami sangat berharap melalui sistem ini dapat membuat efisien dan menjaga keberlangsungan aset, keselamatan sumber daya, dan keselamatan lingkungan,” ujar Riduan selaku Ketua Tim.
Dirinya juga berpesan kepada mahasiswa lain yang tertarik menekuni bidang riset dan inovasi berbasis teknologi untuk memulai perjalanan dari masalah nyata, bukan hanya ide keren.
“Jangan takut belajar hal baru, terutama AI dan pemrograman, karena justru dari sana kita bisa menciptakan solusi yang berdampak nyata,” ujarnya.