Bandarlampung (ANTARA) - Institut Teknologi Sumatera (Itera) dan PT Kereta Api Indonesia (KAI) menjalin kerja sama strategis untuk mengembangkan teknologi pendeteksi kerusakan rel kereta api.
"Kerja sama ini sebagai upaya meningkatkan keselamatan dan efisiensi transportasi kereta api di Indonesia," kata Dosen Program Studi Teknik Mesin Itera Ir Eko Pujiyulianto ST M Eng di Bandarlampung, Senin.
Ia menjelaskan, inisiatif ini melibatkan berbagai disiplin ilmu dari Itera seperti Teknik Mesin, Teknik Informatika, Teknik Material, dan Teknik Perkeretaapian.
"Kegiatan ini bertujuan untuk mengembangkan model dan metode deteksi kerusakan rel kereta yang lebih efektif," katanya.
Ia juga mengatakan bahwa berbagai kegiatan yang direncanakan itu meliputi survei lapangan untuk mengidentifikasi area rawan kerusakan, pelatihan bagi pegawai PT KAI untuk memahami dan menggunakan model baru serta penelitian dan pengembangan instrumen deteksi yang akan digunakan di lapangan.
"Pengembangan model tersebut yaitu dengan memanfaatkan image recognition berbasis machine learning CNN. Penggunaan teknologi image recognition dengan machine learning berbasis Convolutional Neural Networks (CNN) untuk rekognisi cacat permukaan rel kereta menawarkan berbagai manfaat signifikan,” katanya.
Eko menyampaikan pula bahwa beberapa manfaat utama penggunaan teknologi image recognition dengan machine learning berbasis CNN seperti peningkatan akurasi deteksi. CNN dapat menganalisis gambar dengan ketelitian tinggi dan mengenali pola yang mungkin tidak terlihat oleh mata manusia.
“Ini membantu dalam mendeteksi cacat permukaan rel seperti retakan, deformasi, atau keausan yang mungkin sulit dideteksi dengan metode tradisional,” katanya.
Selain itu, manfaat utama lainnya dari machine learning berbasis CNN itu adalah Kecepatan Pemrosesan yang tinggi. Dengan kemampuan untuk memproses dan menganalisis gambar dalam waktu singkat, CNN memungkinkan deteksi cacat rel secara real-time atau hampir real-time.
"Ini mempercepat proses pemantauan dan perawatan, mengurangi waktu yang dibutuhkan untuk inspeksi manual. Sistem ini juga dinilai dapat memberikan hasil yang konsisten dan dapat direproduksi tanpa dipengaruhi oleh kelelahan atau subjektivitas yang sering terjadi dalam inspeksi manual. Ini meningkatkan keandalan deteksi cacat dan mengurangi risiko kesalahan manusia," katanya.
Kemudian kelebihan pemanfaatan teknologi CNN lainnya lagi adalah mampu mendeteksi cacat yang sangat kecil dan tidak terlihat pada pandangan pertama. Ini memungkinkan identifikasi masalah potensial sebelum berkembang menjadi masalah besar yang dapat membahayakan keselamatan dan kinerja kereta.
"Kelebihan lainnya adalah pengurangan biaya operasional, kemampuan adaptasi dan pembelajaran, serta teknologi image recognition berbasis CNN dapat diintegrasikan dengan sistem monitoring dan kontrol lainnya," kata Eko Pujiyulianto.
Menurutnya, dengan deteksi cacat permukaan rel yang lebih cepat dan akurat membantu dalam mencegah kecelakaan dan kerusakan yang dapat mengancam keselamatan perjalanan kereta api.
"Tentu, ini mendukung sistem perkeretaapian yang lebih aman dan dapat diandalkan.Dengan demikian, penggunaan CNN untuk rekognisi cacat permukaan rel menawarkan solusi yang canggih dan efektif untuk meningkatkan kualitas dan keselamatan sistem perkeretaapian," katanya.
Baca juga: Itera dan Pemkab Kepahiang bahas potensi kerja sama pembangunan daerah
Baca juga: Tim BIM Itera siap ikuti kompetisi konstruksi nasional November 2024
Baca juga: 12 atlet mahasiswa Itera siap berlaga di PON XXI Aceh-Sumut 2024
"Kerja sama ini sebagai upaya meningkatkan keselamatan dan efisiensi transportasi kereta api di Indonesia," kata Dosen Program Studi Teknik Mesin Itera Ir Eko Pujiyulianto ST M Eng di Bandarlampung, Senin.
Ia menjelaskan, inisiatif ini melibatkan berbagai disiplin ilmu dari Itera seperti Teknik Mesin, Teknik Informatika, Teknik Material, dan Teknik Perkeretaapian.
"Kegiatan ini bertujuan untuk mengembangkan model dan metode deteksi kerusakan rel kereta yang lebih efektif," katanya.
Ia juga mengatakan bahwa berbagai kegiatan yang direncanakan itu meliputi survei lapangan untuk mengidentifikasi area rawan kerusakan, pelatihan bagi pegawai PT KAI untuk memahami dan menggunakan model baru serta penelitian dan pengembangan instrumen deteksi yang akan digunakan di lapangan.
"Pengembangan model tersebut yaitu dengan memanfaatkan image recognition berbasis machine learning CNN. Penggunaan teknologi image recognition dengan machine learning berbasis Convolutional Neural Networks (CNN) untuk rekognisi cacat permukaan rel kereta menawarkan berbagai manfaat signifikan,” katanya.
Eko menyampaikan pula bahwa beberapa manfaat utama penggunaan teknologi image recognition dengan machine learning berbasis CNN seperti peningkatan akurasi deteksi. CNN dapat menganalisis gambar dengan ketelitian tinggi dan mengenali pola yang mungkin tidak terlihat oleh mata manusia.
“Ini membantu dalam mendeteksi cacat permukaan rel seperti retakan, deformasi, atau keausan yang mungkin sulit dideteksi dengan metode tradisional,” katanya.
Selain itu, manfaat utama lainnya dari machine learning berbasis CNN itu adalah Kecepatan Pemrosesan yang tinggi. Dengan kemampuan untuk memproses dan menganalisis gambar dalam waktu singkat, CNN memungkinkan deteksi cacat rel secara real-time atau hampir real-time.
"Ini mempercepat proses pemantauan dan perawatan, mengurangi waktu yang dibutuhkan untuk inspeksi manual. Sistem ini juga dinilai dapat memberikan hasil yang konsisten dan dapat direproduksi tanpa dipengaruhi oleh kelelahan atau subjektivitas yang sering terjadi dalam inspeksi manual. Ini meningkatkan keandalan deteksi cacat dan mengurangi risiko kesalahan manusia," katanya.
Kemudian kelebihan pemanfaatan teknologi CNN lainnya lagi adalah mampu mendeteksi cacat yang sangat kecil dan tidak terlihat pada pandangan pertama. Ini memungkinkan identifikasi masalah potensial sebelum berkembang menjadi masalah besar yang dapat membahayakan keselamatan dan kinerja kereta.
"Kelebihan lainnya adalah pengurangan biaya operasional, kemampuan adaptasi dan pembelajaran, serta teknologi image recognition berbasis CNN dapat diintegrasikan dengan sistem monitoring dan kontrol lainnya," kata Eko Pujiyulianto.
Menurutnya, dengan deteksi cacat permukaan rel yang lebih cepat dan akurat membantu dalam mencegah kecelakaan dan kerusakan yang dapat mengancam keselamatan perjalanan kereta api.
"Tentu, ini mendukung sistem perkeretaapian yang lebih aman dan dapat diandalkan.Dengan demikian, penggunaan CNN untuk rekognisi cacat permukaan rel menawarkan solusi yang canggih dan efektif untuk meningkatkan kualitas dan keselamatan sistem perkeretaapian," katanya.
Baca juga: Itera dan Pemkab Kepahiang bahas potensi kerja sama pembangunan daerah
Baca juga: Tim BIM Itera siap ikuti kompetisi konstruksi nasional November 2024
Baca juga: 12 atlet mahasiswa Itera siap berlaga di PON XXI Aceh-Sumut 2024