AI Jepang Potong Waktu Diagnosis Baut Jembatan Jadi Sepertiga

Di Kota Gotsu, Prefektur Shimane, pekerjaan perbaikan Jembatan Shin-Ekagawa yang dilintasi Jalan Nasional 9 sempat terancam molor. Ribuan baut pada struktur rangka baja harus diperiksa satu per satu sebelum diganti. Dengan metode visual biasa, dua pekerja diperkirakan butuh sekitar tiga bulan. Jadwal proyek yang sudah ketat membuat waktu diagnosis menjadi titik kritis.

Perusahaan teknologi Rist dari Kyoto bersama kontraktor lokal Matsue Doken kemudian mengembangkan sistem kecerdasan buatan khusus untuk tugas itu. Sistem ini menilai ada atau tidaknya korosi pada baut hanya dari foto yang diambil menggunakan telepon pintar. Hasilnya, proses yang sebelumnya memakan tiga bulan bisa diselesaikan dalam sekitar satu bulan dan jadwal pekerjaan selanjutnya maju dua bulan.

Diagnosis Cepat dari Data Terbatas

Pengembangan model dimulai pada Mei 2026 dengan hanya 11 foto sampel yang memuat sekitar 700 baut. Pada akhir Juni hingga akhir Juli, sistem memproses sekitar 3.700 foto yang mencakup hampir 38.000 baut. Agar akurasinya naik, tim memakai teknik pelabelan semu: hasil penilaian kecerdasan buatan dijadikan bahan belajar ulang. Area baut saja yang diekstraksi sehingga kotoran atau tulisan latar tidak mengganggu penilaian.

Pembagian kerja tetap jelas. Pekerja Matsue Doken hanya perlu memotret kelompok baut di lokasi sambungan, termasuk di bawah gelagar yang sempit. Kecerdasan buatan Rist kemudian menandai baut yang berkarat dengan kotak merah dan yang bersih dengan lingkaran hijau. Dari hasil itu, laporan disusun dan diserahkan kepada pemesan, yakni Kantor Jalan Nasional Hamada di bawah Biro Pembangunan Wilayah Chugoku Kementerian Infrastruktur Jepang.

Kepala tempat kerja Divisi Sipil Matsue Doken, Suyama Takashi, mengakui awalnya ada keraguan karena ini penggunaan kecerdasan buatan pertama di lapangan. “Kami merasakan tanggapan besar dari pengurangan jadwal yang signifikan serta kemudahan kerja karyawan,” ujarnya dalam keterangan resmi perusahaan pada 1 Oktober 2026. Ia menambahkan perusahaan berencana memperluas penerapan ke struktur lain.

Staf di lokasi yang sama, Fukuhara Iki, merasakan dampak langsung. Pekerjaan menatap baut berjam-jam di bawah terik matahari diganti dengan memotret. “Pekerjaan diagnosis visual di tengah panas ekstrem telah dibebaskan,” katanya. Ia menyebut pembagian tugas dengan mesin justru membuat pekerjaan terasa lebih ringan dan memberi rasa pencapaian baru.

Relevansi bagi Indonesia

Kasus ini muncul di tengah upaya Jepang meningkatkan produktivitas konstruksi lewat kebijakan i-Construction 2.0. Sementara itu, Indonesia masih mengelola sekitar 565.000 meter jembatan nasional yang sebagian besar diperiksa secara visual sesuai Pedoman Pemeriksaan Jembatan Nomor 01/P/BM/2022. Kementerian Pekerjaan Umum menargetkan kemantapan jalan nasional 94,67 persen pada 2027, dengan anggaran preservasi yang harus menutup seluruh jaringan.

Penerapan serupa di sini masih terbatas, meski sudah ada pedoman pemanfaatan kecerdasan buatan untuk memantau kondisi permukaan jalan. Contoh terkini seperti penutupan sementara Jembatan Palu III dan pemeliharaan berkala Jembatan Siak I menunjukkan ketergantungan pada inspeksi manual dan scaffolding. Teknologi yang memotong waktu diagnosis baut tanpa mengorbankan konsistensi penilaian bisa menjadi salah satu opsi untuk meringankan beban di lokasi yang panas, sempit, atau sulit dijangkau.***