Oleh Yousef Ramazani
GTI-Kecerdasan buatan (AI) telah menjadi komponen yang semakin penting dalam industri kedirgantaraan Iran. Para ahli dan teknolog dalam negeri telah mengembangkan serta melokalisasi teknologi yang mengintegrasikan pembelajaran mesin (machine learning), pemrosesan citra, dan sistem otonom ke dalam berbagai aplikasi—mulai dari observasi satelit dan penerbangan drone terkoordinasi hingga sistem pemandu rudal canggih serta komando dan kendali pertahanan udara terintegrasi.
Perkembangan ini terjadi saat dunia berada di ambang revolusi teknologi baru, di mana kecerdasan buatan tidak lagi sekadar alat pelengkap, melainkan semakin berfungsi sebagai inti cerdas bagi sistem pertahanan maupun komersial.
Integrasi kecerdasan buatan ke dalam industri modern mengubah konsep tradisional mengenai kekuatan teknologi, sekaligus meningkatkan kemampuan penangkalan, efisiensi operasional, dan kapabilitas otonom suatu negara.
Menyadari lanskap teknologi global yang berubah dengan cepat, para teknolog dan peneliti Iran berfokus memadukan kecerdasan buatan dengan teknologi kedirgantaraan serta mengembangkan kemampuan dalam negeri di bidang pembelajaran mesin tingkat lanjut, visi komputer (computer vision), dan algoritma pemrosesan citra.
Berbagai pencapaian yang telah diraih mencakup sistem pertahanan yang dirancang untuk menganalisis ancaman dan mendukung pengambilan keputusan secara cepat, serta sistem drone terkoordinasi yang mampu beroperasi secara kolektif dan otonom.
Integrasi kecerdasan buatan dengan teknologi kedirgantaraan kini tidak lagi terbatas pada ranah militer. Teknologi ini juga muncul sebagai penggerak transformasi di berbagai sektor strategis dan komersial, mulai dari analisis data satelit dan pertanian presisi hingga navigasi, pemantauan lingkungan, dan sistem pertahanan.
Komando dan kendali terintegrasi: Sistem Great Prophet dan Payambar-e Azam
Salah satu penerapan terpenting komputasi cerdas dalam bidang kedirgantaraan dan pertahanan udara adalah komando dan kendali. Jaringan pertahanan udara harus memproses informasi dari berbagai sumber, termasuk radar pengawas, sensor pasif, sistem elektro-optik, dan pos pengamatan.
Setiap sensor hanya memberikan gambaran parsial mengenai lingkungan sekitar, serta memiliki perbedaan dalam hal akurasi, kecepatan pembaruan data, jangkauan, dan keterbatasan teknis.
Tujuan dari sistem komando dan kendali terintegrasi adalah mengubah berbagai hasil pengamatan yang terpisah-pisah ini menjadi gambaran operasional bersama, yang memungkinkan komandan untuk menilai ancaman dan mengambil keputusan yang tepat secara cepat.
Sistem komando dan kendali pertahanan udara terintegrasi Payambar-e Azam milik Iran, bersama dengan sistem taktis seperti Fakour, merupakan arsitektur perangkat lunak dan komunikasi buatan dalam negeri yang dirancang untuk menghubungkan sensor, pusat komando, dan unit pertahanan.
Deskripsi sistem ini mencakup berbagai kemampuan seperti pelacakan target, penilaian ancaman, dukungan pengambilan keputusan untuk sistem rudal, alokasi senjata, dan prediksi potensi pergerakan musuh.
Sistem ini dirancang untuk memberikan gambaran medan tempur yang terpadu kepada komandan, sehingga mereka dapat mengevaluasi informasi yang masuk dan mengambil keputusan operasional secara tepat waktu.
Menurut pihak internal, Payambar-e Azam mengintegrasikan kecerdasan buatan untuk mendukung pelacakan dan prediksi target, mempercepat pengambilan keputusan, serta memproses dan mengintegrasikan data dalam jumlah besar yang diterima dari berbagai sumber. Kemampuan ini ditujukan untuk memfasilitasi analisis yang kompleks, mengidentifikasi potensi ancaman, dan meningkatkan efisiensi keseluruhan operasi pertahanan udara.
Sistem komando dan kendali pertahanan udara modern tidak serta-merta "berpikir" layaknya manusia. Sebaliknya, fungsi komputasinya biasanya mencakup beberapa proses yang saling terhubung.
Fusi sensor menggabungkan hasil pengamatan radar, elektro-optik, intelijen sinyal, dan sumber lainnya untuk menciptakan gambaran yang lebih lengkap mengenai objek-objek tertentu. Manajemen lintasan (track management) memperkirakan lokasi, kecepatan, dan lintasan pesawat, rudal, atau UAV, serta memprediksi posisi mereka di masa mendatang.
Klasifikasi membantu membedakan berbagai jenis objek berdasarkan karakteristik yang teramati, sementara penilaian ancaman menentukan lintasan mana yang memerlukan perhatian paling besar. Selanjutnya, manajemen sumber daya membantu mencocokkan sistem pertahanan dan persenjataan yang tersedia dengan ancaman yang telah diidentifikasi.
Terakhir, antarmuka manusia-mesin menyajikan informasi yang telah diproses kepada komandan dan operator, sehingga pengambil keputusan manusia dapat menafsirkan situasi secara keseluruhan dan menentukan respons yang tepat.
Sahm: Penerapan pembelajaran mesin pada citra satelit
Sistem observasi satelit cerdas Sahm, yang dikembangkan oleh perusahaan Iran Tiznegar, merupakan salah satu penerapan kecerdasan buatan yang terdokumentasi dengan baik di sektor kedirgantaraan Iran.
Sistem ini terdiri dari dua komponen utama. Komponen pertama adalah mesin pemrosesan citra satelit. Sejak tahun 2019, tim penelitian dan pengembangan perusahaan telah merancang dan mengembangkan algoritma pemrosesan citra satelit multispektral menggunakan bahasa pemrograman Python untuk mendeteksi dan menganalisis fenomena lingkungan.
Algoritma dan model matematika tersebut dikembangkan menggunakan data berbasis darat, serta peta dan laporan berskala lebih luas. Kumpulan data ini menyediakan materi referensi untuk pengujian dan validasi algoritma, serta untuk pelatihan pembelajaran mesin.
Prinsip dasar di balik Sahm relatif sederhana. Satelit observasi Bumi merekam radiasi elektromagnetik yang dipantulkan atau dipancarkan di berbagai pita spektral. Vegetasi, air, tanah, bangunan, asap, dan material lainnya berinteraksi secara berbeda dengan panjang gelombang yang berbeda pula. Oleh karena itu, komputer dapat menganalisis perbedaan spektral ini untuk mengidentifikasi jenis tutupan lahan dan mendeteksi perubahan lingkungan.
Pembelajaran mesin dapat lebih meningkatkan proses ini dengan melatih algoritma menggunakan contoh-contoh yang klasifikasi benarnya sudah diketahui. Observasi lapangan, informasi kadastral, dan citra satelit yang telah diinterpretasikan sebelumnya dapat berfungsi sebagai data pelatihan dan validasi.
Setelah dilatih, model tersebut dapat mengklasifikasikan citra satelit baru dan menghasilkan lapisan geografis yang mengidentifikasi fenomena seperti lahan pertanian, stres vegetasi, badan air, kebakaran, dan perubahan lingkungan lainnya.
Sebagai contoh, algoritma yang dirancang untuk mengidentifikasi area budidaya dapat menggunakan data yang dikumpulkan melalui survei lahan dan catatan kadastral untuk menetapkan kriteria kuantitatif dalam mengevaluasi dan menganalisis citra satelit. Setelah algoritma pemrosesan citra menghasilkan keluarannya, informasi tersebut dapat dikaitkan dengan basis data deskriptif dan diubah menjadi laporan spesifik lokasi.
Komponen kedua adalah platform Web GIS. Platform ini membuat dan mengelola basis data yang berisi informasi spasial dan deskriptif yang dihasilkan dari algoritma pemrosesan citra satelit, sehingga memungkinkan hasil tersebut dianalisis, dilaporkan, dan ditampilkan secara geografis.
Dengan demikian, Sahm lebih dari sekadar program pemrosesan citra konvensional. Arsitekturnya menggabungkan mesin pemrosesan citra dengan lingkungan GIS, yang memungkinkan citra satelit hasil pemrosesan dihubungkan dengan basis data geografis dan deskriptif serta disajikan melalui peta, hasil analisis, dan laporan.
Deskripsi mengenai sistem ini telah mengidentifikasi berbagai penerapannya di bidang pertanian, pemantauan banjir, deteksi kebakaran, pengelolaan sumber daya air, dan pemantauan polutan atmosfer. Sistem ini menggambarkan bagaimana kecerdasan buatan dapat mengubah citra satelit dari data visual mentah menjadi informasi geografis terstruktur untuk pemantauan lingkungan dan pengelolaan sumber daya.
Iran semakin beralih dari tahap eksperimental dan konseptual menuju penerapan praktis teknologi-teknologi tersebut. Akibatnya, kecerdasan buatan memainkan peran yang kian besar dalam meningkatkan produktivitas, akurasi operasional, kemandirian teknologi, serta kapabilitas kedirgantaraan negara secara keseluruhan.
Penerbangan drone terkoordinasi: Kecerdasan kawanan di angkasa
Bidang pengembangan utama lainnya adalah penerbangan multi-UAV (kendaraan udara tak berawak) yang terkoordinasi, di mana sejumlah drone beroperasi secara bersamaan di bawah sistem kendali dan perencanaan terpadu.
Menurut informasi dari pihak internal, sebuah perusahaan teknologi dalam negeri—setelah memperoleh izin yang diperlukan dari Organisasi Penerbangan Sipil dan otoritas terkait lainnya—telah mengembangkan teknologi lokal untuk sistem penerbangan cerdas dan kendali kolektif drone.
Sistem ini didemonstrasikan untuk pertama kalinya di Provinsi Qazvin; di sana, puluhan drone melakukan penerbangan terkoordinasi, formasi, dan pertunjukan udara menggunakan sistem perencanaan yang dikembangkan secara lokal. Demonstrasi tersebut menuntut sinkronisasi presisi antar-pesawat, serta teknologi navigasi, komunikasi, dan manajemen penerbangan yang canggih.
Mengoordinasikan sekelompok drone jauh lebih rumit dibandingkan memprogram satu UAV untuk mengikuti rute yang telah ditentukan sebelumnya. Setiap pesawat harus terus-menerus menjaga posisi, ketinggian, kecepatan, dan orientasinya sendiri, sembari mempertahankan jarak dan posisi yang tepat terhadap pesawat lain dalam formasi tersebut.
Oleh karena itu, sistem multi-UAV yang fungsional melibatkan beberapa kemampuan yang saling terhubung. Lokalisasi memungkinkan setiap pesawat menentukan posisinya; komunikasi memungkinkan drone bertukar informasi mengenai status dan lingkungan sekitarnya; dan kendali formasi menentukan posisi relatif antar-drone.
Sistem penghindaran tabrakan menjaga jarak aman, sementara perencanaan lintasan menetapkan jalur penerbangan yang tepat. Sinkronisasi memastikan manuver terkoordinasi terjadi dalam batas waktu yang ditentukan, sedangkan penanganan gangguan memungkinkan formasi merespons masalah seperti hilangnya pesawat atau gangguan komunikasi.
Dalam demonstrasi di Qazvin, drone yang dilengkapi dengan algoritma penerbangan otonom dan sistem komunikasi canggih melakukan penerbangan tersinkronisasi, perubahan formasi terkoordinasi, pembentukan pola geometris, serta manuver individu maupun kelompok yang telah direncanakan.
Teknologi dasarnya mengadopsi konsep seperti kecerdasan kawanan (swarm intelligence) dan kendali multi-agen, di mana setiap pesawat mengikuti aturan terdistribusi sembari mengoordinasikan perilakunya dengan anggota kelompok lainnya. Kecerdasan buatan dapat mendukung proses ini dengan membantu mengotomatisasi koordinasi, sinkronisasi, dan adaptasi dari berbagai pesawat tersebut.
Teknologi dasar yang sama ini memiliki potensi penerapan di sektor sipil, termasuk pertunjukan udara tersinkronisasi, inspeksi infrastruktur, survei, pencarian dan penyelamatan, tanggap bencana, serta pemantauan lingkungan.
Dengan demikian, signifikansi teknologi multi-UAV melampaui sekadar kemampuan menerbangkan banyak drone secara bersamaan. Transisi yang lebih penting adalah menuju otonomi terdistribusi: sebuah sistem di mana berbagai pesawat dapat mengoordinasikan perilaku mereka sembari terus merespons informasi dari sensor mereka sendiri maupun dari jaringan yang lebih luas. Qassem Basir: Panduan rudal canggih dengan penargetan berbantuan AI
Rudal Qassem Basir, yang mampu menjangkau sasaran sejauh lebih dari 1.200 kilometer, merupakan salah satu perkembangan teknologi rudal Iran yang paling signifikan belakangan ini.
Iran secara resmi memperkenalkan rudal balistik berbahan bakar padat ini pada Mei 2025; para pejabat menyoroti peningkatan dalam hal sistem pemandu, kemampuan manuver, serta kemampuannya beroperasi tanpa bergantung pada GPS.
Rudal tersebut telah diuji coba pada 17 April 2025. Pejabat Iran menyatakan bahwa rudal ini mampu membedakan sasaran yang telah ditentukan di antara berbagai objek lain dan mencapai tingkat akurasi dalam kisaran hitungan meter.
Rudal ini dilengkapi dengan sistem pencari (seeker) elektro-optik atau pencitraan canggih yang dirancang untuk mendukung pengenalan sasaran dan pemanduan fase akhir (terminal guidance). Sistem semacam ini dapat memberikan informasi visual mengenai lingkungan sekitar kepada rudal selama tahap akhir penerbangan, sebagai pelengkap bagi sistem navigasi internalnya.
Penjelasan para ahli mengaitkan kecerdasan buatan (AI) dengan dua fungsi utama. Pertama adalah navigasi, di mana teknik pembelajaran mesin (machine learning) berpotensi digunakan untuk menganalisis data sensor, mengompensasi kesalahan navigasi, serta meningkatkan estimasi posisi dan lintasan rudal di tengah kondisi yang berubah-ubah.
Kedua adalah visi mesin (machine vision), di mana algoritma pemrosesan citra dapat membantu sistem pencari elektro-optik dalam mengidentifikasi dan melacak objek sasaran selama fase akhir penerbangan.
Penggunaan sistem pemandu terminal elektro-optik memiliki signifikansi teknologi karena sensor pencitraan memberikan informasi mengenai lingkungan sasaran yang secara mendasar berbeda dari data yang diperoleh melalui navigasi inersia semata.
Hal ini memungkinkan sistem pemandu untuk memperbarui pemahamannya mengenai sasaran selama fase akhir penerbangan tanpa harus bergantung sepenuhnya pada penentuan posisi berbasis satelit.
Rudal ini dirancang untuk beroperasi di lingkungan yang melibatkan tindakan penanggulangan elektronik (electronic countermeasures) dan telah berhasil diuji coba dalam kondisi yang menantang.
Pemetaan udara dengan bantuan AI: UAV pengintaian cerdas
Contoh lain dari integrasi AI dalam sektor kedirgantaraan Iran adalah pesawat nirawak (UAV) yang dapat dikendalikan dari jarak jauh dan digunakan untuk melakukan operasi pemetaan serta mengidentifikasi objek tertentu dalam citra di berbagai bidang, termasuk konstruksi, pertanian, dan aplikasi lainnya.
UAV ini dilengkapi dengan teknologi “machine vision” (penglihatan mesin), yang mencakup kamera pencitraan serta sistem pemrosesan citra dan pembelajaran mesin (machine learning) yang beroperasi secara online di stasiun darat.
Di bidang pertanian, UAV ini dapat digunakan untuk mengidentifikasi spesies tanaman, warna tanaman dan dedaunan, serta mengenali objek berdasarkan tekstur dari ketinggian.
Selain memiliki akurasi dan kecepatan tinggi, drone ini mampu melintasi area berbahaya dan sulit dijangkau kapan saja, serta memungkinkan penggunaan kamera non-metrik sebagai pengganti kamera metrik—sebuah fitur teknis yang sangat menarik.
Sistem ini terdiri dari tiga komponen perangkat keras—navigasi, akuisisi data, dan stasiun darat—serta komponen perangkat lunak. Perangkat lunak UAV mencakup kontrol navigasi, perencanaan penerbangan, persiapan dan pemrosesan citra yang diterima, serta analisis konten citra menggunakan kecerdasan buatan.
Pada UAV pengintaian ini, kecerdasan buatan memainkan peran sentral dalam “machine vision” dan analisis citra otomatis. Sistem UAV menggunakan algoritma pembelajaran mesin untuk memproses data citra secara “real-time” di stasiun darat guna mengidentifikasi objek, pola, atau fitur spesifik secara otomatis, seperti jenis tanaman, warna daun, atau tekstur permukaan tanah.
Teknologi ini memungkinkan drone untuk mengambil keputusan cerdas mengenai jalur penerbangan atau titik-titik penting untuk pemetaan, sehingga menghasilkan data spasial dan citra yang akurat tanpa memerlukan kendali langsung dari manusia.
Jika pemrosesan pembelajaran mesin dilakukan di stasiun darat, sistem ini lebih tepat disebut sebagai platform pemetaan udara dengan bantuan AI daripada pesawat AI yang sepenuhnya otonom. Hal ini justru lebih menarik karena menggambarkan arsitektur praktis yang melibatkan penginderaan udara, komunikasi, komputasi berbasis darat, pembelajaran mesin, dan GIS.
Signifikansi lebih luas dari pengembangan AI kedirgantaraan Iran
Secara keseluruhan, contoh-contoh ini menunjukkan sesuatu yang lebih signifikan daripada sekadar peningkatan penggunaan kecerdasan buatan oleh Iran. Hal ini mengindikasikan munculnya arsitektur teknologi yang lebih luas, di mana sensor, jaringan komunikasi, sistem komputasi, dan alat pendukung keputusan otomatis menjadi semakin saling terhubung.
Citra satelit dapat diubah menjadi intelijen geografis melalui pembelajaran mesin, sementara UAV dapat menggunakan “computer vision” untuk mengubah foto udara menjadi peta dan informasi analitis. Sejumlah drone dapat mengoordinasikan pergerakannya melalui sistem kendali terdistribusi, dan jaringan pertahanan udara mampu mengintegrasikan informasi dari berbagai sensor menjadi gambaran operasional terpadu. Demikian pula, rudal-rudal canggih dapat memadukan navigasi inersia dengan penginderaan elektro-optik serta sistem pemandu tahap akhir (terminal guidance).
Signifikansi dari perkembangan ini tidak terletak pada gagasan bahwa Iran telah menciptakan mesin otonom yang mampu menggantikan penilaian manusia, melainkan pada integrasi bertahap kecerdasan buatan ke dalam aspek penginderaan, interpretasi, koordinasi, dan dukungan pengambilan keputusan.
Lokalisasi teknologi pemrosesan citra satelit melalui sistem seperti Sahm, disertai dengan demonstrasi praktis penerbangan drone yang terkoordinasi, menggambarkan bagaimana kemampuan penelitian dan rekayasa dalam negeri dapat dimanfaatkan untuk mengembangkan teknologi khusus sekaligus mengurangi ketergantungan pada sistem asing.
Akibatnya, kecerdasan buatan menjadi teknologi strategis yang semakin penting bagi sektor kedirgantaraan Iran. Penerapannya mencakup berbagai bidang, mulai dari pemantauan Bumi dan pengelolaan sumber daya alam hingga navigasi, sistem otonom, dan pertahanan udara; hal ini mencerminkan pergeseran global yang lebih luas menuju integrasi komputasi cerdas dengan teknologi kedirgantaraan.