Deteksi Kerusakan Jalan dengan IoT, Peneliti ITB Kembangkan Sistem Road Damage Detection Berbasis Machine Learning

Dipublikasikan oleh Admin

11 Desember 2022, 06.08

Suber: itb.ac.id

BANDUNG, itb.ac.id — Internet of Things (IoT) merupakan sistem yang menghubungkan objek fisik dengan jaringan internet untuk menghasilkan nilai-nilai baru dan manfaat bagi umat manusia. Pemanfaatan IoT khususnya untuk sistem transportasi dibahas oleh I Gusti Bagus Baskara Nugraha, S.T., M.T., Ph.D., selaku peneliti Pusat Inovasi Kota dan Komunitas Cerdas ITB pada workshop yang berjudul berjudul “Pemanfaatan Teknologi IoT dalam Pembangunan Smart Mobility” pada Selasa (22/11/2022).

Penggunaan IoT untuk sektor transportasi mulai banyak dikembangkan pada saat ini untuk menunjang pengalaman mobilitas yang lebih baik. Beberapa teknologi transportasi yang menggunakan basis IoT antara lain pengelolaan lalu lintas, self-driving car, otomasi pembelian tiket, monitoring transportasi, serta peningkatan keamanan transportasi publik.

Baru-baru ini, penelitian dilakukan untuk mengembangkan sistem keamanan transportasi berupa road damage detection. Sistem ini dimaksudkan untuk meningkatkan keamanan mobilitas transportasi di beberapa segmen jalan yang rawan mengalami kerusakan. Menggunakan data yang dikumpulkan lewat dashcam kendaraan, sistem akan mengenali kategori jalan rusak serta mengirimkan hasilnya kepada pemerintah terkait yang berwenang mengelola jalan tersebut.

“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 Baskara.

Namun saat ini, dashcam yang ada di pasaran belum mampu melakukan hal tersebut, sehingga pengembangan prototipe dashcam khusus masih terus dilakukan. Dashcam yang dikembangkan akan mampu mendeteksi kerusakan jalan mulai dari kategori rusak ringan sampai rusak berat berdasarkan algoritma tertentu yang dikembangkan melalui 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.

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.

Selain itu, sistem road damage detection juga masih menghadapi beberapa tantangan yang berasal dari luar sistem. Contohnya 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.

Sumber: itb.ac.id