Optimalisasi Desain dan Operasi Jembatan dengan Sensor Berbasis IoT dan Predictive Maintenance menggunakan Machine Learning

Abstract

Perkembangan teknologi Internet of Things (IoT) dan Machine Learning (ML) membuka peluang baru dalam transformasi manajemen aset infrastruktur, khususnya jembatan. Penelitian ini bertujuan untuk mengoptimalkan desain dan operasi jembatan melalui implementasi sistem pemantauan berbasis IoT yang terintegrasi dengan strategi predictive maintenance menggunakan algoritma Machine Learning. Sistem ini memanfaatkan jaringan sensor wireless (seperti akselerometer, strain gauge, sensor suhu, dan korosi) yang dipasang pada elemen kritis struktur untuk mengumpulkan data kinerja secara real-time dan berkelanjutan. Data tersebut kemudian dianalisis dengan berbagai algoritma ML (seperti Random Forest, Gradient Boosting, atau Long Short-Term Memory Networks) untuk memprediksi degradasi material, mendeteksi anomali, dan memperkirakan sisa umur layan komponen. Hasil prediksi digunakan untuk merencanakan intervensi perawatan yang proaktif dan tepat sasaran, menggeser paradigma dari pemeliharaan terjadwal (time-based) atau reaktif menjadi berbasis kondisi (condition-based). Optimasi desain dicapai dengan memanfaatkan insight dari data operasional untuk menyempurnakan standar desain masa depan dan melakukan re-evaluasi terhadap desain yang sudah ada. Simulasi dan studi kasus menunjukkan bahwa pendekatan ini secara signifikan dapat meningkatkan keandalan struktural, memperpanjang usia pakai jembatan, menurunkan biaya siklus hidup melalui pengurangan pemeliharaan yang tidak perlu dan menghindari kegagalan mendadak, serta meningkatkan keselamatan publik. Penelitian ini menyimpulkan bahwa integrasi IoT dan ML merupakan fondasi penting menuju infrastruktur jembatan yang lebih cerdas, tangguh, dan berkelanjutan.