AI Deteksi Kesalahan Desain Konstruksi Tanpa Perangkat Lunak Mahal
Riset Korsel hadirkan sistem AI pemeriksa cetak biru dan dokumen kalkulasi struktur bangunan, pangkas risiko kegagalan proyek bagi kontraktor.
Foto: TechXplore (Dokumentasi editorial)
Poin penting
- Sistem AI baru mampu membandingkan kalkulasi dan cetak biru struktur tanpa perlu adopsi sistem BIM yang mahal.
- Dalam proyek uji coba di Korea Selatan, sistem berhasil menemukan 253 ketidaksesuaian desain struktural.
- Akurasi ekstraksi data mencapai 95,56 persen untuk dokumen kalkulasi dan 90,47 persen untuk gambar teknis.
Kesalahan pembacaan dokumen desain struktur kerap menjadi biang keladi pembengkakan biaya dan keterlambatan konstruksi. Selama ini, kontraktor mengandalkan Building Information Modeling (BIM)—perangkat lunak pemodelan digital terpadu—untuk mendeteksi selisih desain sejak dini. Sayangnya, biaya adopsi yang tinggi dan kelangkaan tenaga ahli membuat banyak kontraktor skala menengah ke bawah tetap bertahan dengan berkas konvensional.
Mengatasi kendala tersebut, tim peneliti dari Seoul National University of Science and Technology (SeoulTech) di Korea Selatan mengembangkan sistem berbasis kecerdasan buatan (AI) otomatis. Sistem ini mampu mengaudit dokumen kalkulasi struktur dan cetak biru dua dimensi secara berdampingan tanpa memerlukan platform BIM.
Otomasi Pemeriksaan Dokumen Lintas Format
Menurut laporan TechXplore, penelitian yang dipimpin Profesor Madya Jaewook Jeong ini diterbitkan dalam jurnal Engineering Applications of Artificial Intelligence. Sistem tersebut memadukan model analisis tata letak dokumen DocLayNet-YOLO dan Surya-OCR (Optical Character Recognition, teknologi pemindai teks dari gambar) untuk membedah kalkulasi teknik.
Sementara itu, gambar struktur dianalisis menggunakan kombinasi OCR dan visi komputer, seperti deteksi tepi Canny dan transformasi Hough. Teknologi ini memetakan kode komponen struktur dan arah dalam tabel cetak biru, lalu membandingkan informasinya langsung dengan data elemen pada dokumen kalkulasi struktur.
"Alur kerja berbantuan AI kami dapat membantu insinyur struktur, konsultan desain, dan tim pengawas mengenali ketidaksesuaian sebelum menjadi kesalahan di lapangan. Ini sangat bernilai bagi proyek skala kecil hingga menengah yang belum mampu menerapkan BIM," jelas Jeong.
Dalam uji coba pada proyek perumahan di Korea Selatan, sistem mencatat akurasi ekstraksi 95,56 persen untuk kalkulasi struktur dan 90,47 persen untuk gambar teknis. Dari verifikasi tersebut, AI berhasil menandai 253 ketidaksesuaian, termasuk 224 data hilang, 15 ketidakcocokan tulangan utama, 3 ketidakcocokan sengkang, 8 selisih dimensi, serta 3 entri ganda.
Apa Artinya bagi Pelaku Usaha
Inovasi ini memberikan angin segar bagi pemilik firma arsitektur, kontraktor, dan pengembang properti di Indonesia yang memiliki anggaran terbatas untuk lisensi perangkat lunak mahal. Ketidaksesuaian antara dokumen hitungan sipil dan gambar kerja sering kali memicu pekerjaan ulang (rework) di lapangan, yang berujung pada pembengkakan biaya material serta molornya tenggat proyek.
Sebagai langkah antisipasi, manajemen proyek konstruksi dapat mulai memetakan alur verifikasi berkas teknis mereka. Perusahaan dapat menyiapkan standardisasi penamaan kode komponen dan tata letak tabel pada cetak biru dua dimensi agar siap diproses oleh perangkat otomatisasi pemindai data.
Pelaku usaha disarankan mengevaluasi alat bantu validasi digital berbasis web yang berbiaya lebih terjangkau sebagai lapisan mitigasi risiko human error. Dengan audit silang dokumen yang lebih konsisten sebelum tiang pancang ditanam, risiko gangguan keselamatan bangunan dan sengketa akibat keterlambatan kerja dapat ditekan secara signifikan.
- TechXplore: New AI-assisted method cross-checks building design documents to help detect errors
Lihat hasil pemeriksaan (8 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Sistem AI dikembangkan untuk mendeteksi kesalahan desain konstruksi tanpa memerlukan perangkat lunak BIM yang mahal. | Didukung | “Importantly, the system performs these checks without relying on building information modeling (BIM), making it particularly relevant to construction projects that continue to use conventional desig” TechXplore melaporkan sistem AI ini memeriksa dokumen tanpa bergantung pada BIM yang berbiaya adopsi tinggi. |
| Inkonsistensi antardokumen desain struktur dapat memicu keterlambatan, pembengkakan biaya, hingga kompromi keselamatan gedung. | Didukung | “inconsistencies between them could lead to project delays and increased costs, making early detection essential.” TechXplore menjelaskan dampak ketidaksinkronan dokumen pada proyek konstruksi dan keselamatan bangunan. |
| Riset ini dipimpin oleh Profesor Madya Jaewook Jeong dari Seoul National University of Science and Technology (SeoulTech) di Korea Selatan dan diterbitkan di Engineering Applications of Artificial Intelligence. | Didukung | “a research team led by associate professor Jaewook Jeong from the Department of Safety Engineering at Seoul National University of Science and Technology in South Korea” TechXplore memuat identitas peneliti utama, institusi asal di Korea Selatan, dan nama jurnal tempat riset diterbitkan. |
| Dokumen kalkulasi dianalisis menggunakan model DocLayNet-YOLO dan Surya-OCR. | Didukung | “DocLayNet-YOLO net model, a generalized document layout analysis model, first identifies regions containing target information. Next, key structural member information in the identified regions is ex” TechXplore memerinci penggunaan model DocLayNet-YOLO dan Surya-OCR untuk mengekstrak informasi dokumen kalkulasi. |
| Gambar struktur dianalisis dengan OCR, deteksi tepi Canny, serta transformasi Hough untuk menemukan wilayah tabel dan kode komponen. | Didukung | “OCR, together with Canny edge detection, Hough transform and morphological operations, is employed to locate table regions containing these member codes.” TechXplore menguraikan metode visi komputer yang dipakai untuk membedah gambar teknik. |
| Jaewook Jeong menyatakan sistem ini dapat membantu insinyur struktur, konsultan, kontraktor, dan pengawas mendeteksi perbedaan sebelum menjadi kesalahan konstruksi, terutama untuk proyek skala kecil-menengah. | Didukung | “Our AI-assisted pipeline could help structural engineers, design consultants, contractors and construction supervision teams to identify discrepancies before they lead to construction errors” TechXplore mengutip pernyataan Jaewook Jeong mengenai manfaat alur kerja AI ini. |
| Dalam studi kasus proyek perumahan di Korea Selatan, akurasi ekstraksi mencapai 95,56% untuk dokumen kalkulasi dan 90,47% untuk gambar teknis. | Didukung | “system achieved information extraction accuracies of 95.56% for structural calculation documents and 90.47% for structural drawing documents.” TechXplore mencatat persentase akurasi ekstraksi dari kedua jenis dokumen pada uji coba proyek perumahan di Korsel. |
| Sistem mendeteksi 253 ketidaksesuaian, terdiri dari 224 data hilang, 15 ketidakcocokan tulangan utama, 3 ketidakcocokan sengkang, 8 selisih dimensi, dan 3 entri ganda. | Didukung | “The consistency verification process identified 253 discrepancies, including 224 missing entries, 15 main reinforcement mismatches, three stirrup mismatches, eight dimensional discrepancies and three” TechXplore merinci 253 ketidaksesuaian yang ditemukan selama proses verifikasi konsistensi. |
Video AI terbaru
TamaGPT
