Kecerdasan buatan (AI) menjadi komponen yang semakin penting dalam industri kedirgantaraanIran. Para ahli dan teknolog dalam negeri telah mengembangkan serta melokalisasi teknologi yang mengintegrasikan pembelajaran mesin, 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 daya tangkal, efisiensi operasional, dan kemampuan 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, 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.

Iran semakin bergerak melampaui tahap eksperimental dan konseptual menuju penerapan praktis teknologi-teknologi ini. Akibatnya, kecerdasan buatan memainkan peran yang kian besar dalam meningkatkan produktivitas, akurasi operasional, kemandirian teknologi, serta kemampuan kedirgantaraan negara secara keseluruhan.

5 Revolusi AI dalam Persenjataan Iran, dari Payambar-e Azam hingga Sahm

1. Komando dan Kendali Terintegrasi: Sistem Great Prophet dan Payambar-e Azam

Melansir 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 cakupan, dan keterbatasan teknis. Tujuan dari sistem komando dan kendali terintegrasi adalah mengubah berbagai pengamatan yang terpisah-pisah menjadi gambaran operasional bersama, yang memungkinkan para komandan 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 mengenai 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 ditujukan untuk memberikan gambaran medan tempur yang terpadu kepada para komandan, sehingga mereka dapat mengevaluasi informasi yang masuk dan mengambil keputusan operasional secara tepat waktu.

Menurut sumber 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-kemampuan ini bertujuan 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 komputasionalnya biasanya mencakup beberapa proses yang saling terhubung.

Fusi sensor menggabungkan data radar, elektro-optik, intelijen sinyal, dan pengamatan 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. Manajemen sumber daya kemudian membantu mencocokkan sistem pertahanan dan senjata yang tersedia dengan ancaman yang telah teridentifikasi.

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.

2. Sahm: Penerapan Pembelajaran Mesin pada Citra Satelit

Sistem pengamatan satelit cerdas Sahm, yang dikembangkan oleh perusahaan Iran Tiznegar, merupakan salah satu aplikasi kecerdasan buatan yang paling terdokumentasi di sektor kedirgantaraan Iran.

Sistem ini terdiri dari dua komponen utama. Yang pertama adalah mesin pengolahan citra satelit. Sejak tahun 2019, tim penelitian dan pengembangan perusahaan telah merancang dan mengembangkan algoritma pengolahan citra satelit multispektral dalam Python untuk mendeteksi dan menganalisis fenomena lingkungan.

Algoritma dan model matematika dikembangkan menggunakan data berbasis darat, serta peta dan laporan skala besar. Kumpulan data ini menyediakan bahan referensi untuk pengujian dan validasi algoritma, serta untuk pelatihan pembelajaran mesin.

Prinsip dasar di balik Sahm relatif sederhana. Satelit pengamatan bumi merekam radiasi elektromagnetik yang dipantulkan atau dipancarkan di beberapa pita spektral. Vegetasi, air, tanah, bangunan, asap, dan material lainnya berinteraksi secara berbeda dengan panjang gelombang yang berbeda. 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 pada contoh-contoh yang klasifikasinya sudah diketahui. Pengamatan lapangan, informasi kadaster, dan citra satelit yang telah diinterpretasikan sebelumnya dapat berfungsi sebagai data pelatihan dan validasi.

Setelah dilatih, model dapat mengklasifikasikan citra satelit baru dan menghasilkan lapisan geografis yang mengidentifikasi fenomena seperti lahan pertanian, tekanan vegetasi, badan air, kebakaran, dan perubahan lingkungan lainnya.

Misalnya, algoritma yang dirancang untuk mengidentifikasi area budidaya dapat menggunakan data yang dikumpulkan melalui survei lahan dan catatan kadaster untuk menetapkan kriteria kuantitatif untuk mengevaluasi dan menganalisis citra satelit. Setelah algoritma pengolahan citra menghasilkan hasilnya, informasi tersebut dapat dihubungkan ke basis data deskriptif dan dikonversi menjadi laporan spesifik lokasi.

Komponen kedua adalah platform Web GIS. Platform ini membuat dan memelihara basis data yang berisi informasi spasial dan deskriptif yang dihasilkan dari algoritma pengolahan citra satelit, memungkinkan hasilnya untuk dianalisis, dilaporkan, dan ditampilkan secara geografis.

Oleh karena itu, Sahm lebih dari sekadar program pengolahan citra konvensional. Arsitekturnya menggabungkan mesin pengolahan citra dengan lingkungan GIS, memungkinkan citra satelit yang telah diproses untuk dihubungkan dengan basis data geografis dan deskriptif serta disajikan melalui peta, keluaran analitis, dan laporan.

Deskripsi sistem telah mengidentifikasi aplikasi 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.

3. Penerbangan Drone Rerkoordinasi: Kecerdasan Kawanan di Langit

Area pengembangan utama lainnya adalah penerbangan multi-UAV terkoordinasi, di mana beberapa drone beroperasi secara bersamaan di bawah sistem kendali dan perencanaan bersama.

Menurut laporan internal, sebuah perusahaan teknologi domestik, setelah memperoleh izin yang diperlukan dari Organisasi Penerbangan Sipil dan otoritas terkait lainnya, mengembangkan teknologi lokal untuk sistem penerbangan cerdas dan kendali kolektif drone.

Sistem ini didemonstrasikan untuk pertama kalinya di Provinsi Qazvin, di mana puluhan drone melakukan penerbangan terkoordinasi, formasi, dan pertunjukan udara menggunakan sistem perencanaan yang dikembangkan secara lokal. Demonstrasi tersebut membutuhkan sinkronisasi yang tepat antar pesawat, serta teknologi navigasi, komunikasi, dan manajemen penerbangan yang canggih.

Mengkoordinasikan sekelompok drone jauh lebih kompleks daripada memprogram satu UAV untuk mengikuti rute yang telah ditentukan. Setiap pesawat harus terus mempertahankan posisi, ketinggian, kecepatan, dan orientasinya sendiri sambil juga mempertahankan hubungan yang tepat dengan kendaraan lain dalam formasi.

Oleh karena itu, sistem multi-UAV yang fungsional melibatkan beberapa kemampuan yang saling terkait. Lokalisasi memungkinkan setiap pesawat untuk menentukan posisinya; komunikasi memungkinkan drone untuk bertukar informasi tentang status dan lingkungan sekitarnya; dan kontrol formasi menentukan posisi relatifnya.Penghindaran tabrakan menjaga jarak aman, sementara perencanaan lintasan menetapkan jalur penerbangan yang tepat. Sinkronisasi memastikan bahwa manuver terkoordinasi terjadi dalam toleransi waktu yang dibutuhkan, sementara penanganan kesalahan memungkinkan formasi untuk menanggapi masalah seperti hilangnya pesawat atau gangguan komunikasi.

Selama demonstrasi Qazvin, drone yang dilengkapi dengan algoritma penerbangan otonom dan sistem komunikasi canggih melakukan penerbangan sinkron, perubahan formasi terkoordinasi, pola geometris, dan manuver individu dan kelompok yang direncanakan.

Dasarnya adalah teknologi ini memanfaatkan konsep-konsep seperti kecerdasan kawanan dan kontrol multi-agen, di mana pesawat individu mengikuti aturan yang terdistribusi sambil mengoordinasikan perilaku mereka dengan anggota kelompok lainnya. Kecerdasan buatan dapat mendukung proses ini dengan membantu mengotomatiskan koordinasi, sinkronisasi, dan adaptasi beberapa pesawat.

Teknologi dasar yang sama memiliki potensi aplikasi sipil, termasuk tampilan udara yang disinkronkan, inspeksi infrastruktur, survei, pencarian dan penyelamatan, penanggulangan bencana, dan pemantauan lingkungan.

Oleh karena itu, signifikansi teknologi multi-UAV melampaui sekadar memungkinkan banyak drone untuk terbang bersama. Transisi yang lebih penting adalah menuju otonomi terdistribusi: sebuah sistem di mana beberapa pesawat dapat mengoordinasikan perilaku mereka sambil terus merespons informasi dari sensor mereka sendiri dan dari jaringan yang lebih luas.

4. Qassem Basir: Panduan Rudal Canggih dengan Penargetan yang Dibantu AI

Rudal Qassem Basir, yang mampu mencapai target lebih dari 1.200 kilometer jauhnya, merupakan salah satu perkembangan terbaru Iran yang paling signifikan dalam teknologi rudal.

Iran secara terbuka memperkenalkan rudal balistik berbahan bakar padat pada Mei 2025, dengan para pejabat menjelaskan peningkatan dalam panduan, kemampuan manuver, dan kemampuannya untuk beroperasi tanpa bergantung pada GPS.

Rudal tersebut diuji pada 17 April 2025. Pejabat Iran mengatakan bahwa rudal tersebut dapat membedakan target yang dituju di antara banyak objek dan mencapai akurasi sekitar tingkat meter.

Rudal tersebut menggabungkan pencari elektro-optik atau pencitraan canggih yang dirancang untuk mendukung pengenalan target dan panduan akhir. Sistem seperti itu dapat memberikan informasi visual tentang lingkungan sekitar rudal selama tahap akhir penerbangan, melengkapi sistem navigasi internalnya.

Deskripsi para ahli telah mengaitkan kecerdasan buatan dengan dua fungsi utama. Yang pertama adalah navigasi, yang berarti teknik pembelajaran mesin berpotensi digunakan untuk menganalisis data sensor, mengkompensasi kesalahan navigasi, dan meningkatkan perkiraan posisi dan lintasan rudal dalam kondisi yang berubah.

Yang kedua adalah penglihatan mesin, di mana algoritma pemrosesan gambar dapat membantu pencari elektro-optik dalam mengidentifikasi dan melacak objek yang dituju selama fase akhir.Penggunaan sistem panduan terminal elektro-optik secara teknologi sangat signifikan karena sensor pencitraan memberikan informasi tentang lingkungan target yang berbeda secara fundamental dari data yang tersedia melalui navigasi inersia saja.

Hal ini memungkinkan sistem panduan untuk memperbarui pemahamannya tentang target selama fase akhir penerbangan tanpa bergantung sepenuhnya pada penentuan posisi berbasis satelit.

Rudal ini dirancang untuk beroperasi di lingkungan yang melibatkan penanggulangan elektronik dan telah berhasil diuji dalam kondisi yang menantang.

5. Pemetaan Udara Berbantuan AI: UAV Pengintai Cerdas

Contoh lain dari integrasi AI di bidang kedirgantaraan Iran adalah kendaraan udara tak berawak yang mampu dikendalikan dari jarak jauh dan digunakan untuk melakukan operasi pemetaan dan mengidentifikasi objek spesifik dalam gambar di sebagian besar bidang, termasuk konstruksi, pertanian, dan aplikasi lainnya.

UAV ini dilengkapi dengan penglihatan mesin, termasuk kamera pencitraan serta pemrosesan gambar dan pembelajaran mesin secara daring di stasiun darat.

Di bidang pertanian, UAV ini dapat digunakan untuk mengidentifikasi spesies tanaman, warna tanaman dan daun pohon, dan mengidentifikasi gambar dalam bentuk tekstur di ketinggian.

Selain akurasi dan kecepatan tinggi, drone ini memberikan kemampuan untuk melewati area berbahaya dan sulit dilalui dalam interval waktu apa pun dan memungkinkan penggunaan kamera non-metrik sebagai pengganti kamera metrik, yang merupakan fitur teknis yang sangat menarik.

Sistem ini terdiri dari tiga bagian perangkat keras: navigasi, akuisisi data, dan stasiun darat, serta bagian perangkat lunak. Perangkat lunak UAV mencakup kontrol navigasi, perencanaan penerbangan, persiapan dan pemrosesan gambar yang diterima dari darat, dan analisis konten gambar oleh kecerdasan buatan.

Dalam UAV pengintai ini, kecerdasan buatan memainkan peran sentral dalam visi mesin dan analisis gambar otomatis. Sistem UAV menggunakan algoritma pembelajaran mesin untuk memproses data gambar secara real-time di stasiun darat untuk secara otomatis mengidentifikasi objek, pola, atau fitur spesifik seperti jenis tanaman, warna daun, atau tekstur tanah.

Teknologi ini memungkinkan drone untuk membuat keputusan cerdas tentang jalur penerbangan atau titik-titik penting untuk pemetaan, memberikan data spasial dan gambar yang tepat tanpa perlu kontrol manusia secara langsung.

Jika pemrosesan pembelajaran mesin terjadi di stasiun bumi, sistem tersebut lebih tepat digambarkan sebagai platform pemetaan udara berbantuan AI daripada pesawat AI yang sepenuhnya otonom, yang sebenarnya lebih menarik karena menggambarkan arsitektur praktis: penginderaan udara, komunikasi, komputasi berbasis darat, mesinpembelajaran mesin, dan GIS.