.png)
Penelitian terbaru yang dilakukan tim dosen Teknik Elektro ITK, yaitu Adi Mahmud Jaya Marindra, Muhammad Agung Nursyeha, dan Mifta Nur Farid, menjadi kemajuan penting dalam bidang Structural Health Monitoring – SHM dengan memanfaatkan transduser piezoelektrik dan teknologi Internet of Things (IoT). Penelitian yang dipelopori oleh dosen ITK bekerjasama dengan Newcastle University Inggris dan KMUTNB Thailand ini memperkenalkan sistem SHM inovatif yang diintegrasikan pada modul IoT yang berbiaya rendah, yakni ESP32. Sistem ini menonjol karena kemampuannya yang unik dalam menggabungkan aktuator piezoelektrik dan sensor dengan sirkuit pengkondisian sinyal bersama dengan penerapan Jaringan Syaraf Tiruan (Neural Network - NN) dan konversi Analog-ke-Digital (ADC) dengan mode Direct Memory Access (DMA) yang memungkinkan pengambilan sampel frekuensi tinggi.
Integrasi teknologi IoT dalam sistem ini membawa terobosan besar dalam SHM. Penggunaan mikrokontroler ESP32 memungkinkan penerapan model NN yang mampu mengidentifikasi dan membedakan berbagai kondisi struktural seperti retak dan korosi. Model NN yang dikembangkan menggunakan TensorFlow Lite untuk mikrokontroler berhasil mengklasifikasikan kondisi sampel secara akurat, dengan hasil yang diperbarui secara real-time di platform IoT. Eksperimen yang dilakukan pada pelat baja dengan berbagai kondisi, termasuk normal, retak, dan berkarat, menunjukkan efektivitas sistem dalam mendeteksi kerusakan. Teknik ekstraksi fitur dalam domain waktu dan frekuensi memungkinkan sistem untuk mengenali perubahan karakteristik sinyal yang terkait dengan kerusakan struktural. Hasil analisis data dari eksperimen ini menunjukkan bahwa sistem mampu mengidentifikasi kondisi kerusakan dengan tingkat akurasi yang tinggi. Fitur seperti pergeseran frekuensi, daya sinyal, dan indeks kerusakan dianalisis untuk mendapatkan wawasan yang lebih mendalam mengenai kondisi struktural. Selain itu, sistem ini juga mengintegrasikan hasil analisis ke dalam platform IoT, memungkinkan visualisasi data dan pemantauan kondisi struktural secara real-time.
Setup eksperimen dan sampel keretakan dan korosi yang digunakan pada penelitian
Studi ini membuka peluang aplikasi SHM dalam skala yang lebih luas dan efisien, khususnya dalam berbagai skenario industri dan infrastruktur. Dengan kemampuannya yang unik untuk mendeteksi kerusakan struktural secara akurat dan efisien, sistem ini menjanjikan penerapan pemantauan keamanan struktural yang lebih proaktif dan preventif. Penelitian ini didukung oleh Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM), Institut Teknologi Kalimantan, serta Direktorat Sumber Daya, Direktorat Jenderal Pendidikan Tinggi, Penelitian dan Pengembangan, Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Indonesia, dengan partisipasi dalam program World Class Professor (WCP) yang memberikan kontribusi signifikan dalam pengembangan dan penyempurnaan kajian ini. Penelitian ini membuktikan kelayakan dan efektivitas penggunaan transduser piezoelektrik bersama NN dalam SHM, menandai langkah penting dalam aplikasi praktis IoT dan Kecerdasan Buatan (AI) dalam bidang ini. Dengan sistem berbasis IoT yang diusulkan, penelitian ini menawarkan solusi pemantauan yang skalabel dan real-time, membuka jalan bagi aplikasi pemantauan struktural yang lebih efektif dan efisien di masa depan.
Piezoelektrik dengan Jaringan Syaraf Tiruan (NN) dan Internet of Things (IoT) dalam pemantauan kesehatan struktural (Structural Health Monitoring - SHM):
1. Deteksi Kerusakan Struktural yang Lebih Akurat: Sistem ini memanfaatkan transduser piezoelektrik untuk mendeteksi kerusakan struktural seperti retak dan korosi dengan tingkat akurasi yang tinggi. Hal ini sangat penting untuk memastikan keamanan dan integritas bangunan, jembatan, dan infrastruktur vital lainnya.
2. Monitoring Real-Time: Dengan integrasi IoT, sistem ini memungkinkan pemantauan kondisi struktural secara real-time. Ini memfasilitasi identifikasi cepat terhadap potensi masalah struktural, memungkinkan intervensi dini sebelum kerusakan berkembang menjadi lebih serius.
3. Biaya Pemeliharaan yang Lebih Rendah: Kemampuan untuk mendeteksi masalah struktural lebih awal membantu mengurangi biaya pemeliharaan dan perbaikan. Perbaikan yang dilakukan lebih dini umumnya lebih murah daripada perbaikan besar yang dibutuhkan akibat kerusakan serius.
4. Pengurangan Risiko Kegagalan Struktural: Sistem ini berpotensi besar dalam mengurangi risiko kegagalan struktural yang bisa berakibat fatal, meningkatkan keamanan dan keandalan struktur secara signifikan