Di tengah isu panas soal anggaran infrastruktur yang mengendap di kas daerah sementara jalan-jalan desa masih berlubang, sekelompok mahasiswa Sekolah Vokasi Universitas Gadjah Mada (UGM) turun langsung ke lapangan melalui kegiatan “Roadventure” di Dusun Kepuh Kulon, Banguntapan, Bantul, pada awal November 2025. Kegiatan yang diikuti puluhan mahasiswa lintas jurusan ini merupakan bagian dari proyek riset dan pengabdian masyarakat bertajuk ROADSTER (Road Assessment Supporting System) — sebuah sistem berbasis kecerdasan buatan (AI) dan Internet of Things (IoT) untuk mendeteksi serta memetakan kerusakan jalan dan timbunan sampah secara otomatis.
“Masalah jalan rusak tidak selalu karena kurang dana, tapi karena data yang tidak akurat dan pelaporan yang lambat. Padahal, miliaran rupiah anggaran sering mengendap karena tidak terserap tepat sasaran,” ungkap Dr. Eng. Agustinus Winarno, S.T., M.Eng., dosen Sekolah Vokasi UGM sekaligus ketua tim pengembang ROADSTER. Dalam kegiatan “Roadventure”, para mahasiswa menggandeng Komunitas Muda-Mudi Kepuh Kulon untuk melakukan survei jalan sekaligus memetakan titik penumpukan sampah.
Aksi ini bukan sekadar belajar lapangan, tetapi bentuk nyata demokratisasi data publik: masyarakat desa dilibatkan langsung untuk mengumpulkan dan melaporkan kondisi infrastruktur. “Melalui pelatihan ini, warga bisa melaporkan kondisi jalan lewat aplikasi ROADSTER. Data dikirim ke dashboard yang bisa diakses dinas PUPR dan Bappeda, sehingga penanganan bisa berbasis bukti, bukan sekadar laporan manual,” jelas Cahya Arindra Zakaria, salah satu anggota tim mahasiswa. Bantul sendiri mencatat sekitar 37 persen jalan dalam kondisi kurang mantap, meski Pemkab telah mengalokasikan Rp 60 miliar untuk perbaikan di 50 titik pada 2025.
Namun fakta di lapangan menunjukkan sebagian dana itu belum sepenuhnya terserap karena minimnya data dan koordinasi lintas sektor. ROADSTER hadir menjembatani kesenjangan tersebut. Sistem ini mampu mengidentifikasi jenis kerusakan jalan—seperti retak, lubang, dan deformasi—dengan akurasi mencapai 87%. Selain itu, fitur baru berbasis AI tengah dikembangkan untuk mengenali jenis sampah di sekitar jalan yang dapat mempercepat respon kebersihan lingkungan. “Dengan pendekatan partisipatif ini, kami ingin menunjukkan bahwa masyarakat bukan sekadar objek pembangunan, tetapi subjek yang punya peran penting dalam perencanaan daerah,” ujar Galuh Bahari, M.Sc., anggota tim dosen pengabdian.
Program ini diharapkan menjadi model transparansi anggaran berbasis data yang dapat direplikasi di berbagai daerah lain. ROADSTER tidak hanya menjawab problem jalan rusak, tetapi juga menjadi bukti bahwa riset kampus bisa mengembalikan kepercayaan publik terhadap efektivitas belanja daerah. “Kalau data kuat dan terbuka, tidak ada lagi ruang bagi anggaran mengendap. Setiap rupiah akan benar-benar kembali ke rakyat dalam bentuk jalan yang layak dan lingkungan yang bersih,” pungkas Agustinus.
Roadventure mencerminkan pentingnya sains dan teknologi sebagai alat pemberdayaan komunitas dalam menyelesaikan persoalan nyata secara kolaboratif dan partisipatif. Kegiatan ini juga sejalan dengan Tujuan Pembangunan Berkelanjutan (SDGs), khususnya poin 11 tentang Kota dan Pemukiman yang Berkelanjutan, poin 12 tentang Konsumsi dan Produksi yang Bertanggung Jawab, serta poin 17 tentang Kemitraan untuk Mencapai Tujuan.