 - Satuan Tugas Covid 19 Institut Teknologi Kalimantan.png)
Balikpapan – Tim peneliti Institut Teknologi Kalimantan (ITK) mengembangkan sistem inspeksi kualitas hasil pengelasan pada konstruksi midship kapal dengan memanfaatkan citra mikroskopis dan kecerdasan buatan (Artificial Intelligence/AI). Penelitian ini merupakan bagian dari skema Riset Inovasi (RI) dengan fokus pada penguatan infrastruktur maritim berkelanjutan.
Penelitian ini dilatarbelakangi oleh pentingnya kualitas sambungan las pada bagian midship kapal yang menerima beban struktural terbesar. Metode pengelasan Shielded Metal Arc Welding (SMAW) yang banyak digunakan di industri galangan kapal memiliki risiko munculnya cacat las, khususnya porosity, yang sulit dideteksi secara visual konvensional dan berpotensi menurunkan kekuatan struktur kapal.
Metode Penelitian
Pengambilan data dilakukan secara langsung di galangan PT. Meranti Nusa Bahari, Balikpapan, menggunakan mikroskop digital portabel tanpa merusak struktur kapal (non-destruktif). Sebanyak 150 citra mikroskopis permukaan hasil las dikumpulkan dan diklasifikasikan secara manual oleh petugas Quality Control (QC) sebagai data acuan.
Citra tersebut kemudian diproses menggunakan teknik pengolahan citra digital dan dianalisis dengan dua metode kecerdasan buatan, yaitu Convolutional Neural Network (CNN) dan Support Vector Machine (SVM), untuk mengklasifikasikan hasil las menjadi kategori las berkualitas baik dan cacat porosity.
Hasil dan Temuan Utama
Hasil penelitian menunjukkan bahwa CNN memiliki kinerja yang lebih unggul dan stabil dibandingkan SVM dalam mendeteksi cacat las berbasis citra mikroskopis. CNN hanya mengalami dua kesalahan klasifikasi dengan nilai keyakinan rendah, yang mengindikasikan kondisi ambiguitas visual. Sebaliknya, SVM menunjukkan keterbatasan dalam mengenali pola mikro permukaan las yang kompleks dan bervariasi.
Keunggulan CNN terletak pada kemampuannya melakukan pembelajaran end-to-end, sehingga lebih adaptif terhadap variasi tekstur dan pola visual pada hasil pengelasan. Sistem ini juga memungkinkan penerapan confidence threshold, di mana hasil prediksi dengan tingkat keyakinan rendah dapat ditandai untuk dilakukan inspeksi manual lanjutan.
Luaran dan Dampak Penelitian
Penelitian ini telah menghasilkan prototype sistem inspeksi kualitas las berbasis AI dengan Tingkat Kematangan Teknologi (TKT) 4, serta mendukung luaran penelitian berupa HKI, artikel ilmiah, dan pengembangan buku monograf. Inovasi ini berpotensi dikembangkan lebih lanjut untuk mendukung proses quality control di industri galangan kapal secara lebih objektif, efisien, dan konsisten.
Melalui penelitian ini, ITK berkontribusi aktif dalam mendorong transformasi digital di sektor kemaritiman serta memperkuat peran perguruan tinggi dalam menjawab kebutuhan nyata industri nasional.
Anggota :
Ir. Alamsyah, S.T., M.T.
Suardi, S.T., M.T.
Muhammad Malikul Mulki;
1. Meningkatkan objektivitas dan akurasi inspeksi kualitas las kapal.
Penelitian ini memberikan solusi inspeksi hasil pengelasan SMAW pada konstruksi midship kapal berbasis citra mikroskopis dan kecerdasan buatan, sehingga mengurangi ketergantungan pada penilaian subjektif operator serta meningkatkan konsistensi dan akurasi deteksi cacat las, khususnya porosity.
2. Mendukung efisiensi proses quality control di industri galangan kapal.
Sistem klasifikasi berbasis CNN yang dikembangkan berpotensi mempercepat proses inspeksi kualitas las dan mempermudah penyaringan awal hasil las yang meragukan melalui mekanisme confidence threshold, sehingga inspeksi manual dapat difokuskan pada area yang benar-benar membutuhkan verifikasi lanjutan.
3. Mendorong penguatan inovasi dan transformasi digital sektor kemaritiman.
Hasil penelitian ini berkontribusi pada pengembangan teknologi inspeksi non-destruktif berbasis AI di bidang perkapalan, serta menjadi dasar pengembangan lanjutan menuju implementasi industri, peningkatan Tingkat Kematangan Teknologi (TKT), dan penguatan kolaborasi riset antara perguruan tinggi dan industri galangan kapal.