Foto: Pemanfaatan Kecerdasan Artifisial Dalam Mendeteksi Kerusakan Jalan Indonesia

Oleh: Taufik Nur Adikusuma
Direktorat Bina Teknik Jalan dan Jembatan

Kementerian Pekerjaan Umum dan Perumahan Rakyat (PUPR) melalui Direktorat Jenderal Bina Marga terus berupaya meningkatkan layanan jalan yang optimal. Dalam rangka mencapai tujuan tersebut, pemantauan kondisi jalan menjadi hal yang sangat penting.
Kerusakanpadapermukaanjalan,sepertilubang, dapat berdampak serius pada keselamatan jiwa para pengguna jalan dan perekonomian. Beberapa faktor yang menyebabkan kerusakan pada infrastruktur jalan meliputi faktor alam, seperti gempa bumi, banjir, dan erosi tanah.
Kemudian faktor kelebihan beban, terutama pada jalan-jalan yang sering dilalui kendaraan berat, serta kurangnya kecepatan dalam pemeliharaan dapat memperburuk kondisi jalan dan meningkatkan biaya perbaikan seiring berjalannya waktu. Pemeliharaan yang baik dan pemantauan rutin akan membantu menjaga kualitas jalan dan mengurangi risiko kerusakan.

Tantangan Pemeliharaan Kondisi Jalan
Pemantauan kondisi jalan merupakan aspek penting dalam memastikan infrastruktur jalan yang aman dan efisien.
Di Indonesia, kita menghadapi tantangan
dalam memelihara kondisi jalan yang dinamis dan beragam. Saat ini, pemantauan kondisi jalan, terutama dalam mendeteksi kerusakan permukaan jalan, masih dilakukan secara manual. Deteksi kerusakan permukaan jalan dilakukan dengan interpretasi pengamatan rekaman video jalan. Dari segi frekuensinya, pemantauan kondisi jalan hanya dilakukan dua kali dalam setahun (tiap semester) sebagai dasar untuk programming anggaran, namun belum digunakan untuk operasi pemeliharaan jalan dalam hal peningkatan pelayanan jalan.
Salah satu faktor penyebabnya adalah pengol ahan data s ecara manual yang memerlukan waktu yang lama dan rentan terhadap kesalahan serta ketidakakuratan.
Kemungkinan disebabkan oleh subjektivitas dan tingkat kedisiplinan petugas yang menilai video, serta supervisor yang bertanggung jawab atas quality control. Hal tersebut menjadi dasar diperlukannya metode inovatif agar akuisisi dan pemrosesan data kondisi jalan lebih cepat dan akurat.

Kecerdasan Artifisial sebagai Solusi Efektif
Pemanfaatan kecerdasan artifisial menjanjikan solusi yang efektif untuk mengatasi tantangan dalam deteksi kerusakan infrastruktur jalan terkait efisiensi waktu dan human error.
Dengan mengumpulkan data visual dari berbagai jalan di Indonesia, berupa gambar dan video, kemudian melalui tahap preprocessing yang cermat, seperti normalisasi dan cropping, kita dapat mempersiapkan data yang tepat untuk melakukan analisis. Selanjutnya, teknik pengolahan citra dapat digunakan untuk mengekstraksi fitur-fitur penting, seperti retakan dan lubang dari gambar jalan tersebut.
Dengan menggunakan model machine learning, seperti You Only Look Once (YOLO), kita dapat melatih model untuk mendeteksi dan mengklasifikasikan kerusakan pada infrastruktur jalan. YOLO memiliki perbedaan dengan pendekatan lain karena menganggap deteksi objek sebagai masalah regresi langsung, dimana satu jaringan saraf konvolusi dipakai untuk memprediksi koordinat kotak pembatas (bounding box) serta kelas objek secara bersamaan dalam satu langkah evaluasi.
kecerdasan itu menjadikan YOLO aplikasi yang lebih cepat daripada pendekatan deteksi objek tradisional dengan beberapa tahapan proses.

Dalam rangka penanfaatan kecerdasan artifisial guna pemantauan kondisi jalan, dilaksanakan Sayembara Road Damage Detection (RDD) berbasis Artificial Intelligence (AI) oleh Direktorat Jenderal Bina Marga. Sayembara itu bertepatan dengan Peringatan Hari Jalan Nasional Tahun 2023.
Ketua Pelaksana Sayembara RDD, Firman Permana Wandani, S.T., M.PP., menyampaikan bahwa, “Sayembara ini bertujuan untuk mendorong inovasi dan pemanfaatan teknologi kecerdasan artifisial dalam mendeteksi kerusakan jalan dengan lebih efisien dan akurat”.
Target peserta sayembara ini adalah Warga Negara Indonesia (WNI) dari kalangan akademisi, perusahaan teknologi, penyedia jasa, dan individu kreatif lainnya yang menekuni bidang teknologi kecerdasan artifisial dan/atau survei kondisi jalan.
Sayembara berlangsung selama kurang lebih dua bulan, sejak diumumkannya pada 11 September
2023 hingga penutupan pengumpulan karya pada 10 November 2023
Penilaian dilakukan dua tahap, yaitu tahap penyisihan dan tahap final. Pada tahap final, 10 peserta dengan karya terbaik akan melakukan presentasi secara langsung di hadapan Tim Penilai Karya yang diikutsertakan merupakan karya hasil sendiri dengan syarat dapat mendeteksi.
minimal empat jenis kerusakan (retak memanjang, retak melintang, retak buaya, dan lubang) pada jalan dengan perkerasan lentur (flexible pavement).

Karya yang dikumpulkan berupa model AI yang dapat mendeteksi kerusakan jalan secara langsung (real-time) dan tidak langsung (post-processing) dalam bentuk software berupa kompresi file yang dapat dioperasikan menggunakan perangkat komputer dan ponsel baik secara luring (GPU dan CPU) maupun daring (Cloud). Panitia Sayembara RDD AI menyediakan sekitar 30 video ruas Jalan Nasional untuk digunakan sebagai dataset training model AI yang dapat diakses oleh para peserta.
Penilaian karya sayembara yang telah dihimpun dari para peserta dilakukan berdasarkan unsur realbility, accuracy, cost per accuration, creativity, originality, completeness, upgradable, userfriendly, efficiency, serta output terkait otomatasi laporan. Dari 44 peserta Sayembara RDD AI dipilih 5 karya terbaik yang diumumkan di Acara Malam Puncak Peringatan Hari Jalan Rabu, 20 Desember 2023. (selengkapnya di htps://binamarga.pu.go.id/ index.php/konten/e-book)

Implementasi Road Damage Detection (RDD) berbasis Artificial Intelligence (AI)
Setelah sayembara berlangsung, dilakukan pengembangan lanjutan pada karya para finalis agar dapat di implementasikan.
Subdirektorat Data dan Pengembangan Sistem Informasi Jalan dan Jembatan melakukan pendampingan dalam rangka meningkatkan akurasi dan kemampuan dari model AI masing- masing sesuai dengan kebutuhan di lapangan.
Pertama-tama mereka perlu mengevaluasi dan memvalidasi karya untuk memastikan bahwa model AI telah diuji dengan baik serta memberikan hasil yang konsisten dan akurat sehingga performa model dapat berjalan lancar di lapangan.
Selanjutnya, mereka perlu mengoptimalkan model dengan cara fine-tuning parameter agar performa semakin meningkat dengan penyesuaian parameter dan penggunaan lebih banyak data. Setelah itu, mereka harus memilih platform yang tepat untuk mengimplementasikan model tersebut seperti cloud, perangkat edge atau server lokal.
Lalu integrasi antara model dengan sistem yang ada juga diperlukan melalui pengembangan API ataupun layanan lainnya supaya bisa berinteraksi dengan aplikasi lainnya.
Langkah selanjutnya adalah melakukan uji coba langsung di lapangan yaitu beta testing serta uji skalabilitas dimana beban kerja pada model semakin tinggi sehingga mendapatkan umpan balik dari para pengguna.
Setelah semua tahap selesai, maka secara resmi dapat diluncurkan untuk diimplementasikan dan selalu dipantau kinerja model tersebut secara berkala. Dengan melakukan rangkaian tahapan uji coba ini nantinya akan sangat membantu dalam pemantauan jalan rutin maupun survei PCI (Pavement Condition Index) guna keperluan planning and programing.

Road Damage Detection (RDD) berbasis AI memberikan berbagai manfaat penting, seperti respons cepat terhadap kerusakan, pengurangan biaya pemantauan manual, dan peningkatan keselamatan pengguna jalan. Dengan mempercepat deteksi dan perbaikan kerusakan jalan, risiko kecelakaan serta kemacetan lalu lintas dapat dikurangi dan efisiensi transportasi meningkat.

Meskipun pemanfaatan kecerdasan artifisial menawarkan banyak potensi positif, implementasi solusi ini dihadapkan pada beberapa tantangan dan kendala. Salah satu masalahnya adalah ketersediaan data berkualitas yang representatif dari daerah pedesaan atau terpencil. Selain itu, privasi serta keamanan data juga harus diperhatikan saat mengumpulkan serta mengolah data dari sumber yang berbeda. Meski ada tantangan tersebut di atas, peluang untuk memaksimalkan pemanfaatan teknologi AI dalam mendeteksi kerusakan infrastruktur jalan Indonesia tetap besar.
Dengan bekerja sama antara pemerintah, industri serta akademisi akan membantu mengatasi hindaran-hindaran tersebut sehingga solusi-solusi efektif dan berkelanjutan dapat diterapkan dengan baik.
Implementasi RDD juga memiliki implikasi sosial maupun ekonomi yang penting karena meningkatkan produktivitas ekonomi dan kualitas hidup masyarakat seiring dengan menurunkannya biaya operasional perusahaan-perusahaan. Selain itu, teknologi AI juga menciptakan lapangan pekerja baru dalam bidang pengembangan sistem hingga pemeliharaannya.
Dalam rangka melanjutkan implementasi RDD berbasis AI maka Direktorat Jenderal Bina Marga akan melakukan serangkaian uji coba guna meningkatkan akurasi hasil deteksi kerusakan jalan bahkan hingga jenis permukaannya yaitu rigid pavement.
Mereka juga merencanakan Lomba Dataset
& Sayembara RDD agar model AI menjadi lebih baik lagi setelah dilakukan training dataset secara tepat guna menjamin suksesnya implementasinya bagi pembangunan Indonesia secara berkelanjutan.

Sumber : BINEKA, Vol. 4 Edisi April 2024 (Hal 5-7)