RANCANG BANGUN ROBOT INSPEKSI RUNWAY BERBASIS YOLOV11 SEBAGAI PENUNJANG PEMELIHARAAN PREVENTIF AIRSIDE BANDAR UDARA

Keselamatan penerbangan merupakan pilar utama dalam industri aviasi yang sangat bergantung pada kondisi fisik landasan pacu (runway). Inspeksi manual, yang saat ini menjadi standar operasional untuk mendeteksi Foreign Object Debris (FOD) dan kerusakan perkerasan, memiliki keterbatasan signifikan dalam hal efisiensi, akurasi objektif, dan keselamatan personel, terutama dalam kondisi visibilitas rendah atau cuaca buruk. Ketergantungan pada faktor manusia juga meningkatkan potensi inkonsistensi dan kesalahan yang dapat membahayakan operasi penerbangan. Menjawab tantangan tersebut, penelitian ini bertujuan untuk merancang, membangun, dan menguji sebuah prototipe robot inspeksi runway yang cerdas dan otonom, yang mampu meningkatkan efektivitas dan efisiensi kegiatan inspeksi sebagai penunjang pemeliharaan preventif di sisi udara bandar udara. Penelitian ini mengadopsi metodologi Research and Development (R&D) dengan model Borg & Gall sampai tahap ke tujuh, mulai dari analisis potensi dan masalah hingga uji coba produk. Tahap awal melibatkan pengumpulan data kualitatif dan kuantitatif melalui observasi langsung kegiatan inspeksi di Bandar Udara Radin Inten II Lampung, wawancara mendalam dengan teknisi, dan analisis SWOT untuk memetakan kebutuhan operasional secara presisi. Berdasarkan analisis tersebut, dilakukan perancangan sistem yang mengintegrasikan tiga teknologi utama yaitu Computer Vision, Robotics, dan Internet of Things (IoT). Sistem perangkat keras dibangun di atas sasis robot yang ditenagai motor DC, dilengkapi dengan unit pemrosesan ganda yang terdiri dari Mini PC untuk komputasi AI dan mikrokontroler ESP32 untuk kendali gerak serta komunikasi nirkabel. Untuk komponen kecerdasan buatan, dikembangkan sebuah model deteksi objek menggunakan algoritma You Only Look Once versi 11 (YOLOv11) yang dilatih pada dataset kustom berisi 1000 gambar yang mencakup empat jenis FOD dan tiga jenis kerusakan perkerasan. Validasi sistem dilakukan melalui serangkaian pengujian multi-aspek, meliputi uji akurasi model AI, uji fungsionalitas perangkat keras, uji sistem terintegrasi, dan uji kepuasan pengguna yang melibatkan para ahli di bidangnya. Hasil penelitian menunjukkan keberhasilan pengembangan prototipe yang sepenuhnya fungsional, yang divalidasi dengan tingkat kepuasan pengguna ahli mencapai 95%. Secara fungsional, platform robot menunjukkan kinerja yang unggul dengan mobilitas yang stabil pada kecepatan ~1,0 m/s dan efisiensi daya yang sangat tinggi, memungkinkan estimasi waktu operasi hingga 25 jam dalam sekali pengisian daya. Dari sisi kecerdasan buatan, model deteksi objek yang diimplementasikan terbukti mampu mengenali berbagai jenis FOD dan kerusakan, dengan mencapai nilai mean Average Precision (mAP@0.5) sebesar 0.570, Precision 79,82%, dan Recall 88,76% pada data validasi. Namun, penelitian ini juga mengidentifikasi adanya tantangan kritis berupa "kesenjangan domain" (domain shift) antara data latih yang terkontrol dan kondisi lapangan yang dinamis, yang menggarisbawahi bahwa akurasi model di dunia nyata sangat bergantung pada kualitas dan kuantitas dataset pelatihan. Penelitian ini berhasil membuktikan kelayakan konsep (proof-of-concept) dari sistem robotik untuk inspeksi runway, yang secara efektif dapat meningkatkan efisiensi dan keselamatan bandara. Implikasinya adalah otomatisasi inspeksi merupakan solusi yang sangat menjanjikan, dengan kesimpulan bahwa pengembangan di masa depan harus berfokus pada pendekatan data-centric dengan memperkaya dataset secara masif untuk mencapai tingkat keandalan AI yang diperlukan dalam lingkungan operasional yang kritis.

Kata kunci: Convolutional Neural Network, Foreign Object Debris, Image Processing, Inspeksi runway, Internet of Things.