Inovasi Monstree diinisiasi oleh tim mahasiswa Teknik Elektro angkatan 2022 yang terdiri atas Alghoza Hamdani, Avila Khadhibyan, dan Felix Eduardo Sihaloho. Proyek penelitian dan pengembangan alat ini berada di bawah bimbingan Dr.Eng. Ir. Infall Syafalni S.T., M.Sc., Muhammad Shiddiq Sayyid Hashuro S.T, M.Eng., Ph.D., dan Ir. Habibur Muhaimin S.T, M.Sc.

Pengembangan sistem pemantau ini dilakukan agar tidak ada kejadian dahan pohon patah yang menimpa fasilitas kampus serta kendaraan yang terparkir di kawasan Kampus.

Avila Khadhibyan menjelaskan bahwa insiden semacam ini membawa dampak kerugian finansial yang signifikan, baik bagi pemilik kendaraan maupun pihak pengelola kampus. Oleh karena itu, diperlukan pendekatan teknologi yang mampu memberikan peringatan dini (early warning system) secara cepat dan akurat.

"Harapannya kami bisa membantu supaya tidak ada kerugian, baik bagi pemilik kendaraan yang terparkir maupun pihak K3L. Alat ini hadir untuk memitigasi dan mencegah kerugian tersebut secara cepat," ujar Avila Khadhibyan.

Sistem Kerja Dual Sensor: Integrasi Pergerakan dan Emisi Akustik

Berbeda dengan sistem pencegahan mekanis konvensional yang membutuhkan operasi manual intervensi oleh operator, Monstree lebih berfokus pada instrumen pemantauan parameter kuantitatif dahan secara konstan. Alat ini memanfaatkan dua jenis sensor utama yang bekerja secara komplementer:

1. Sensor Dinamika Pergerakan (IMU): Menggabungkan komponen gyroscope dan accelerometer yang bersifat non-intrusive. Sensor ini mengamati dan mengukur respons pergerakan serta kelengkungan dahan saat menerima beban natural (seperti terpaan angin, hujan, atau cuaca ekstrem). Dalam tahap uji coba, pengujian respons dahan dilakukan menggunakan metode standar arborikultur pull and release test.

2. Sensor Emisi Akustik (Suara Retakan): Mendeteksi gelombang getaran dan emisi suara dari keretakan mikro internal kayu. Kegagalan atau patahnya dahan umumnya diawali oleh akumulasi retakan kecil dari waktu ke waktu yang memicu lonjakan sinyal akustik sebelum akhirnya dahan patah secara total.

Alghoza Hamdani menambahkan bahwa sistem Monstree akan mengolah data dinamika dan emisi akustik ini untuk menilai tingkat risiko kegagalan dahan secara presisi, serta memberikan notifikasi otomatis jika terdeteksi indikasi kerusakan struktural pada dahan.

Skema Pemasangan Efisien dan Integrasi AI Masa Depan

Mengingat luasnya area hijau kampus dan banyaknya jumlah pohon, penempatan sensor Monstree dilakukan secara efisien dengan prioritas risiko. Pemasangan instrumen ditargetkan pada dahan-dahan orde rendah yang berada di lokasi krusial, seperti dahan besar yang membentang di atas area parkir kendaraan atau jalur pejalan kaki yang ramai.

Ke depannya, data kuantitatif yang terkumpul dari instrumen Monstree akan dimanfaatkan untuk pengembangan model kecerdasan buatan (Artificial Intelligence). Data dinamika dahan dalam jumlah besar (big data) tersebut dapat melatih algoritma machine learning agar sistem deteksi risiko patah dahan di masa mendatang semakin responsif, cerdas, dan terintegrasi penuh.

Melalui inovasi Monstree ini, mahasiswa ITB membuktikan komitmennya dalam menghadirkan solusi berbasis sains dan teknologi yang tidak hanya unggul secara akademis, tetapi juga berdampak langsung pada keselamatan publik dan kenyamanan aktivitas sivitas akademika di kampus.