Inovasi AI Mahasiswa Unila, Cegah Kecelakaan Kerja di Industri Migas

Riduan menjelaskan, ide penelitian dilatarbelakangi keprihatinan terhadap maraknya kecelakaan di industri migas. Mulai dari kebocoran pipa hingga 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,” ujar Riduan, Sabtu (23/8/2025).

Menurutnya, sistem yang kembangkan memanfaatkan dua jalur utama, yakni computer vision YOLO (You Only Look Once) dan pemrosesan bahasa alami (Natural Language Processing/NLP) berbasis Groq AI. Kombinasi ini mendukung sistem secara holistik 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. Sementara itu, melalui NLP (Groq AI), pengguna hanya perlu menuliskan deskripsi kerusakan. Sistem secara otomatis menganalisis kalimat tersebut dan menyimpulkan konteks bahaya untuk melengkapi hasil analisis visual," jelasnya.

Riduan mengatakan, semua hasil analisis divisualisasikan dalam sebuah dashboard secara real-time agar operator bisa segera menindaklanjuti temuan di lapangan.

Lebih lanjut Riduan menyampaikan, beberapa indikator utama digunakan sebagai parameter sistem peringatan dini ini. Di antaranya jenis kerusakan visual, skala atau area kerusakan yang terdeteksi, deskripsi teks pelapor yang mengandung kata kunci risiko, hingga lokasi dan waktu laporan sebagai data pendukung untuk tindakan cepat.

Dari hasil penelitian, lanjutnya, tim menemukan 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.

Menurutnya, manfaat utama sistem ini adalah efisiensi pemantauan dan peningkatan keselamatan kerja. Meski dirancang untuk sektor migas, teknologi ini juga berpotensi diterapkan pada industri manufaktur, transportasi, konstruksi, hingga energi terbarukan. Ia juga agar sistem ini benar-benar memberi dampak pada industri migas.

“Kami sangat berharap melalui sistem ini dapat membuat efisien dan menjaga keberlangsungan aset, keselamatan sumber daya, dan keselamatan lingkungan,” ucapnya.

Meski menjanjikan, Riduan mengatakan penelitian ini masih menghadapi beberapa tantangan, terutama keterbatasan dataset spesifik migas dan integrasi sistem AI dengan perangkat industri. Kendati begitu, tim optimistis teknologi ini bisa terus dikembangkan. Mereka bahkan 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,” kata Riduan.

Riduan berpesan kepada 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.