Lampung, isafetymagazine.com – Mahasiswa Universitas Lampung (Unila) melakukan Program Kreativitas Mahasiswa – Penelitian Eksakta (PKM-RE).
Langkah ini mengembangkan aplikasi peningkatan dini berbasis artificial intelligence/AI guna mendeteksi potensi kerusakan aset di sektor migas
Dengan begitu inovasinya diharapkan dapat mengurangi risiko kecelakaan kerja dan menjaga efisiensi dan keberlanjutan aset perusahaan.
Tim ini diketuai oleh Riduan (Teknik Geofisika, 2021) bersama dua anggota, yakni Pria Budi Tobing (Teknik Geofisika, 2021) dan Imam Ariadi (Teknik Informatika, 2022).
Mereka dibimbing dosen Rahmi Mulyasari secara intensif selama penelitian agar setiap tahapan sesuai metodologi ilmiah dan target penelitian.
1. Latar belakang riset dari kecelakaan minyak dan gas (migas)
Ide penelitian dilatarbelakangi keprihatinan terhadap kecelakaan di industri migas seperti kebocoran pipa dan kebakaran 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,” kata Riduan pada Sabtu (23/8/2025).
Sistem yang kembangkan memanfaatkan dua jalur utama, yakni computer vision You Only Look Once (YOLO) dan Natural Language Processing/NLP (pemrosesan bahasa alami) berbasis Groq AI.
Kombinasi ini mendukung sistem secara holistic, karena mampu membaca gambar dan teks secara terpadu.
“Melalui jalur computer vision YOLO, pengguna cukup menggugah gambar kondisi aset. AI kemudian mendeteksi kerusakan seperti korosi, retakan, atau kebocoran, lalu mengklasifikasikannya berdasarkan tingkat risiko,” ucap Riduan.
“Sementara itu pengguna hanya perlu menuliskan deskripsi kerusakan melalui NLP. Sistem secara otomatis menganalisis kalimat tersebut dan menyimpulkan konteks bahaya untuk melengkapi hasil analisis visual.”
Riduan mengatakan semua hasil analisis divisualisasikan dalam sebuah dashboard secara real-time agar operator bisa segera menindaklanjuti temuan di lapangan.
2. Parameter lengkap dan prediksi risiko lebih cepat
Riduan mengemukakan beberapa indikator utama digunakan sebagai parameter sistem peringatan dini ini.
Hal yang dimaksud seperti jenis kerusakan visual, skala atau area kerusakan yang terdeteksi, deskripsi teks pelapor yang mengandung kata kunci risiko, lokasi dan waktu laporan sebagai data pendukung untuk tindakan cepat.
Dari hasil penelitian ditemukan gabungan deteksi visual YOLO dan analisis teks Groq AI mampu memberikan prediksi risiko lebih akurat dibanding metode konvensional.
“Tidak hanya itu, sistem juga dapat mendeteksi lebih cepat jenis kerusakan yang perlu penanganan segera, sekaligus meningkatkan efisiensi pelaporan,” ujarnya.
Riduan meneruskan manfaat utama sistem ini adalah efisiensi pemantauan dan peningkatan keselamatan kerja.
Teknologi ini juga berpotensi diterapkan pada industri manufaktur, transportasi, konstruksi, hingga energi terbarukan.
“Kami sangat berharap melalui sistem ini dapat membuat efisien dan menjaga keberlangsungan aset, keselamatan sumber daya, dan keselamatan lingkungan,” ucapnya.
3. Tantangan dan rencana model bisnis SaaS
Riduan mengungkapkan penelitian ini masih menghadapi beberapa tantangan antara lain keterbatasan dataset spesifik migas dan integrasi sistem AI dengan perangkat industri.
Namun, tim optimistis teknologi ini bisa terus dikembangkan. Dan menyiapkan strategi model bisnis berbasis Software as a Service (SaaS) agar mudah diimplementasikan perusahaan besar.
“Dengan sistem yang diprogram dengan baik dan rapi tentunya akan berdampak sangat baik, bisa mengurangi kecelakaan terhadap tenaga kerja maupun lingkungan,” ucapnya.
Mahasiswa lain yang tertarik menekuni riset dan inovasi berbasis teknologi agar tidak hanya mengejar ide-ide keren, tetapi berangkat dari masalah nyata.
“Jangan takut belajar hal baru, terutama AI dan pemrograman, karena justru dari sana kita bisa menciptakan solusi yang berdampak nyata,” tuturnya. (adm)
Sumber: IDN Times