ITB Ciptakan Teknologi Pendeteksi Kelelahan Masinis Kereta Api

Tim peneliti Institut Teknologi Bandung (ITB) merancang inovasi teknologi pendeteksi kelelahan masinis untuk mencegah potensi kecelakaan kereta api. Riset yang dipimpin Prof Hardianto Iridiastadi dari Fakultas Teknologi Industri (FTI) ITB ini dilansir dari Detikcom. Pengembangan ini bermaksud menghadirkan solusi alternatif atas perangkat impor yang harganya mencapai miliaran rupiah.

Selain berbiaya tinggi, teknologi luar negeri kerap tidak sesuai dengan kondisi operasional lapangan dan menetapkan hak data pada vendor. Lingkungan kerja di dalam kabin lokomotif yang bising, panas, berdebu, serta kurang ergonomis rentan memicu fenomena micro-sleep lebih dari satu detik. Perangkat ini dirancang khusus untuk menjawab kebutuhan spesifik PT Kereta Api Indonesia (Persero).

Sistem mengambil data dari rekaman video kamera yang dipasang pada ruang kabin lokomotif. Algoritma buatan FTI ITB kemudian mengekstrak sekitar 60 titik di wajah masinis guna mengukur beberapa parameter utama.

Indikator yang dianalisis mencakup eye aspect ratio, durasi mata terbuka dan tertutup, serta frekuensi kedipan secara presisi. Perubahan raut muka akibat rasa lelah yang tidak kasat mata dapat langsung teridentifikasi oleh sistem. Tim peneliti juga melengkapi riset ini dengan perangkat Psychomotor Vigilance Task (PVT) secara terpisah. Alat tersebut mengukur kecepatan respons kognitif masinis dalam hitungan milidetik untuk memetakan tingkat kebugaran maupun kelelahan ekstrem.

Tantangan dan Rencana Pengembangan

Proses hilirisasi riset ini masih menghadapi kendala antarmuka perangkat lunak dari pihak ketiga serta fragmentasi pendanaan. Meskipun demikian, pengujian dan iterasi sistem terus dilakukan secara berkelanjutan.

Inovasi ini ditargetkan menjadi prototipe utuh yang menggabungkan kamera, komputer mini, dan sistem peringatan dini. Data yang terekam akan ditransmisikan secara real-time ke pusat kontrol untuk analisis profil kelelahan masinis secara harian, mingguan, maupun tahunan.