KOMPAS/TOTOK WIJAYANTO

Antrean kendaraan menyemut saat jam berangkat kerja di Jalan KH Abdullah Syafei, Kampung Melayu, Jakarta Timur, Kamis (22/3/2018). Penambahan jumlah kendaraan yang tidak sebanding dengan penambahan panjang jalan, menyebabkan sering terjadinya kemacetan di Jakarta.

Wilayah metropolitan Jakarta, dengan populasi 28 juta orang, adalah salah satu dari beberapa kota besar di dunia yang tak memiliki sistem angkutan cepat. Sistem bus publik di Jakarta hanya dapat menampung 400.000 orang per hari, bahkan busway (jalur transjakarta) pun terisi oleh mobil, sepeda motor, dan kendaraan dinas pada jam-jam sibuk.

Bukan hal yang mengherankan, jika—berdasarkan data dari Badan Transportasi Jakarta—jalan-jalan di Ibu Kota dilalui oleh hampir 10 juta mobil, sepeda motor, truk, dan kendaraan lainnya setiap hari. Hampir 2 juta dari jumlah kendaraan tersebut berasal dari kota tetangga di Provinsi Jawa Barat dan Banten.

Jakarta dinobatkan sebagai kota dunia dengan lalu lintas terburuk dalam satu indeks berdasarkan data navigasi satelit, yang menemukan pengemudi rata-rata mulai dan berhenti lebih dari 33.000 kali dalam setahun. Diperkirakan, 70 persen polusi udara kota berasal dari kendaraan.

Pemerintah telah mengakui bahwa mimpi buruk transportasi Jakarta merupakan ancaman serius terhadap fungsional kota. Mereka memiliki target untuk meningkatkan porsi perjalanan transportasi umum dari 23 persen menjadi 60 persen pada tahun 2030.

Namun, lalu lintas kendaraan pribadi tidak akan hilang begitu saja dalam waktu dekat. Salah satu tantangan yang dihadapi oleh pemerintah kota adalah bagaimana mengelolanya dan bagaimana mengintegrasikannya ke dalam sistem transit perkotaan yang komprehensif.

Agar tercapainya tujuan ini diperlukan integrasi data transportasi publik dan swasta, yang mengarah ke agregat, komprehensif, dan data real time pada lalu lintas jalan.

Analisis data jelas merupakan kunci untuk mengatasi kesengsaraan transportasi Jakarta. Pertanyaannya, bagaimana ilmu itu bisa diterapkan?

Sebuah proyek di Departemen Studi dan Perencanaan Perkotaan MIT di AS telah menunjukkan caranya. Sejumlah makalah yang diterbitkan di bawah proyek ini menunjukkan kebutuhan untuk setiap elemen dari sistem transportasi umum yang saling terkait, untuk menyediakan data real – time yang penting. Analisis data ini dapat berfungsi untuk menambah kecerdasan dan mengelola anomali secara real time.

Perawatan prediktif, misalnya, dapat dijadwalkan untuk meminimalkan kerusakan kendaraan, momok yang hebat dari komuter. Umpan data di area dan waktu kemacetan lalu lintas reguler dapat memungkinkan perencanaan rute bus yang lebih efisien serta mengelola kemacetan di perhentian bus dengan layanan lebih sering untuk rute-rute populer.

Ini mungkin terdengar esoterik, tetapi itu benar-benar bukan ilmu roket. Negara-negara lain sudah menggunakan analisis data untuk membantu mengelola masalah transportasi publik mereka. Apa yang bisa kita pelajari di Singapura dari praktik terbaik di seluruh dunia yang meringankan tantangan ini bagi otoritas transportasi, penyedia layanan, dan konsumen?

Menurut sebuah laporan oleh McKinsey & Company, pengumpulan dan penggunaan strategis dari informasi dapat meningkatkan perkiraan dan membantu menyadap perilaku dengan cara yang meningkatkan keandalan infrastruktur transportasi serta meningkatkan efisiensi dan pemanfaatannya.

Sebagai contoh, laporan itu mengutip fakta bahwa Israel telah memperkenalkan jalur cepat 13 mil di Highway 1 antara Tel Aviv dan Bandara Ben Gurion. Jalur menggunakan sistem tol yang menghitung biaya berdasarkan lalu lintas pada saat perjalanan. Untuk membuatnya bekerja, sistem menghitung mobil di jalan; itu juga dapat mengevaluasi ruang antara mobil untuk mengukur kemacetan.

Ini adalah pengenalan pola real time yang sangat tinggi. Informasi tersebut kemudian digunakan dengan cara yang meningkatkan "keluaran", atau jumlah lalu lintas yang dapat ditanggung oleh jalan. Jika kepadatan lalu lintas tinggi, tol tinggi; jika ada beberapa mobil di jalan, biayanya murah. Hal ini tidak hanya membuat pendapatan tol mengalir, tetapi juga mengurangi kemacetan dengan "pengemudian" permintaan.

Belanda juga dapat manfaat dari penerapan analisis data besar. Dutch Railways adalah operator kereta api (KA) penumpang utama di Belanda, menyediakan layanan KA di jaringan KA utama Belanda dan layanan internasional ke tujuan Eropa lainnya. Menjalankan jaringan yang luas ini memberi Dutch Railways akses ke sejumlah besar data, yang dikumpulkan melalui teknologi kereta cerdas, sistem tiket, informasi perjalanan, pemantauan, dan layanan real time untuk staf unit perawatan dan kontrol.

Hingga saat ini, pemasok KA mengirimkan semua teknologi informasi ini sehingga setiap jenis kereta memiliki lingkungan teknologi informasi sendiri sehingga sulit untuk bekerja sama dan memelihara setiap sistem. Dutch Railways punya visi mengintegrasikan semua informasi ini untuk memberikan layanan yang lebih dapat diandalkan dan lebih baik kepada pelanggan.

Dengan menggunakan analitik streaming, komputasi in-memory, integrasi, dan perangkat lunak messaging, Dutch Railways kini dapat memberikan informasi real time tentang layanan KA dan penjadwalan perawatan. Komuter juga dapat menggunakan aplikasi perencana perjalanan untuk memastikan perjalanan yang mulus dan cepat.

Kesimpulan yang jelas adalah bahwa digitalisasi jaringan infrastruktur dapat meningkatkan perkiraan, mempromosikan keandalan, dan meningkatkan efisiensi. Lalu, apa langkah selanjutnya?

Pihak berwenang Jakarta telah mengambil langkah pertama dengan komitmen ke transportasi massal cepat (MRT). Tantangannya sekarang adalah untuk membuka dan mendorong pembagian data transportasi di antara semua pemangku kepentingan: operator transportasi, penyedia sistem, dan warga. Menurut kami, ini akan mempercepat pengembangan solusi praktis untuk mengurangi kemacetan, meningkatkan waktu tunggu, dan mengatasi ketidaknyamanan komuter. Merangkul teknologi di bidang ini tak hanya akan meningkatkan kehidupan sehari-hari, tetapi juga memberikan dukungan penting bagi peran Jakarta sebagai kota regional terkemuka.