Kolaborasi mahasiswa Program Studi Informatika dan Teknik Sipil Fakultas Teknik Universitas Tanjungpura (Untan) Pontianak melahirkan inovasi teknologi untuk meningkatkan keselamatan bangunan. Melalui Program Kreativitas Mahasiswa bidang Karsa Cipta (PKM-KC) tahun anggaran 2026 dari Kementerian Pendidikan Tinggi, Sains, dan Teknologi, tim mahasiswa Untan mengembangkan Wall-Inspect, perangkat inspeksi dinding berbasis kecerdasan buatan atau Artificial Intelligence (AI).
Perangkat ini dirancang untuk mendeteksi retakan dinding secara Real-time dengan menganalisis tekstur permukaan serta kedalaman retak menggunakan teknologi Computer Vision. Inovasi tersebut diharapkan dapat membantu proses pemeriksaan kondisi bangunan menjadi lebih cepat, objektif, dan terdokumentasi.
Tim Wall-Inspect dipimpin Dzulfikar Nuril Al-Amien, mahasiswa Program Studi Informatika, bersama anggota Dhimas Dwi Prasetyo dan Husaini Ibnu dari Program Studi Informatika, serta Muhammad Irza Al Hafi dari Program Studi Teknik Sipil. Tim ini berada di bawah bimbingan dosen Khairul Hafidh, S.T., M.Kom. dari Program Studi Informatika.
Wall-Inspect dikembangkan sebagai solusi atas keterbatasan metode inspeksi dinding secara konvensional yang masih mengandalkan pengamatan manual. Metode tersebut dinilai rentan terhadap subjektivitas, sangat bergantung pada pengalaman pemeriksa, serta menghadapi kendala ketika harus menjangkau bagian bangunan yang berada di area tinggi.
Selain itu, hasil pemeriksaan manual sering kali belum terdokumentasi secara sistematis sehingga menyulitkan proses pemantauan dan analisis kondisi bangunan dalam jangka panjang. Sementara itu, perangkat pendeteksi retak yang tersedia di pasaran umumnya masih mengandalkan pengukuran berbasis citra dua dimensi dan memiliki keterbatasan dalam melakukan analisis secara adaptif.
Secara fisik, Wall-Inspect dirancang dalam bentuk ringkas menyerupai Scanner Tembak dan dapat dioperasikan secara Hands-free. Perangkat ini menggunakan Raspberry Pi 4 sebagai pusat pemrosesan, yang dipilih karena memiliki kemampuan komputasi yang memadai dengan konsumsi daya yang relatif rendah.
Ketua Tim Wall- Inspect, Dzulfikar Nuril Al-Amien, menjelaskan sistem tersebut menggabungkan teknologi Convolutional Neural Network (CNN) untuk mengenali pola retakan dengan sensor kedalaman untuk mengukur dimensi kerusakan secara kuantitatif.
Discussion about this post