Surabaya, pmp – Indonesia sebagai negara maritim dituntut bisa bergerak cepat dan efisien dalam mengevakuasi korban apabila terjadi kecelakaan di laut. Tim mahasiswa Institut Teknologi Sepuluh Nopember (ITS) menciptakan drone kapal autonomous pencari korban kecelakaan laut berbasis computer vision yang diberi nama YOLO-Boat.
Andreas Raja Goklas Sitorus, ketua tim perancang YOLO-Boat mengatakan, inovasi dirancang untuk membantu tim Search and Rescue (SAR) menghindari bahaya saat proses penyelamatan korban kecelakaan di laut seperti faktor cuaca dan lokasi kecelakaan.
“Kami termotivasi untuk membuat suatu alat yang dapat membantu operasi penyelamatan oleh Tim SAR,” kata Andreas.
YOLO-Boat, lanjut Andreas, dirancang untuk dapat bekerja mandiri dalam mendeteksi korban sehingga mampu meminimalisasi risiko bahaya pada proses penyelamatan.
Nama YOLO-Boat merupakan akronim dari You Only Live Once yang ipilih dengan tujuan agar kapal dapat menjadi harapan bagi para korban.
“Seringkali dalam proses penyelamatan, terlihatnya korban untuk kali pertama adalah satu-satunya kesempatan bagi penyelamat untuk menolong korban dengan kata lain tidak ada kesempatan kedua,” ungkap Andreas.
Berdiskusi dengan Basarnas
Mahasiswa Departemen Teknik Perkapalan tersebut memaparkan bahwa YOLO-Boat menggunakan beberapa teknologi, yaitu lambung kapal katamaran atau lambung dua, di mana lambung didesain agar memiliki stabilitas yang baik dalam melakukan misi.
Pada teknoogi sistem pendorong, digunakan sistem propulsi azimuth yang dapat meningkatkan kapabilitas YOLO-Boat dalam bermanuver di perairan. “Kami juga mendesain sistem elektrikal seefisien mungkin, baik dari sistem kontrol maupun manajemen power kapal,” tambahnya.
Pengoperasian YOLO-Boat menggunakan Robot Operating System (ROS) sebagai kerangka kerja utama, menggunakan beberapa sensor yang berfungsi memberi data lokasi dan orientasi yang nantinya digunakan dalam guided navigation YOLO-Boat.
Sementara penggunaan teknologi Computer Vision, dibuat model object detection khusus yakni arsitektur YOLOv4 berbasis Convolutional Neural Network (CNN).
“Pada operasionalnya, computer vision inilah yang mengidentifikasi dan memungkinkan YOLO-Boat untuk datang mengamankan korban,” beber Andreas.
Sebelum diuji ke lapangan, YOLO-Boat terlebih dahulu diuji algoritmanya dengan menggunakan simulator agar dapat memprediksi pelaksanaan operasi penyelamatan.
Saat digunakan, YOLO-Boat harus dibawa terlebih dahulu menggunakan kapal penyelamat ke perairan yang ditetapkan sebagai lokasi kecelakaan. Kemudian dilepaskan ke laut dan memulai proses pencarian korban. Ketika korban terdeteksi, YOLO-Boat akan memberikan pelampung kepada korban.
Setelah itu, YOLO-Boat yang dapat beroperasi 44 menit dengan jarak tempuh maksimal 6.780 meter, mengirimkan sinyal kepada kapal penyelamat untuk datang menghampiri lokasi korban yang ditemukan.
“Idealnya akan dibutuhkan banyak YOLO-Boat yang bekerja sama untuk meningkatkan efektivitas penyelamatan korban,” ujar Andreas.
Keefektifan YOLO-Boat dalam mengidentifikasi korban dibuktikan dengan kemampuannya yang dapat mendeteksi korban meskipun bagian tubuh korban yang dapat muncul di permukaan laut hanya wajah.
“Kami juga telah banyak berdiskusi dengan Badan SAR Nasional (BASARNAS) Indonesia dan menampung masukan terkait potensi beserta kelemahan yang mungkin terjadi pada saat YOLO-Boat dipakai di lapangan,” katanya.
Berkat inovasi luar biasa ini, Andreas bersama tim berhasil membawa pulang medali perak pada Pekan Ilmiah Mahasiswa Nasional (Pimnas) 2021 kategori ‘Program Kreativitas Mahasiswa-Karsa Cipta’ (PKM-KC).
Selain Andreas tim beranggotakan Achmad Zidan Akbar dari Departemen Teknik Informatika 2018, Nawab Aditya asal Teknik Elektro 2019, Rahyan Damar Ramadhan asal Teknik Sistem Perkapalan 2019, serta Zulieta Krisna Damayanti dari Teknik Perkapalan 2019 ini.
Mereka bangga atas segala waktu dan usaha yang dituangkan dalam proyek ini. “Kami harap tim kami dapat berkarya lagi, khususnya dalam pengembangan model kendaraan autonomous, tidak hanya pada operasi SAR namun lebih luas lagi,” pungkas Andreas. (gdn)