Jakarta - Wilayah metropolitan Jakarta, dengan populasi 28 juta jiwa, adalah salah satu dari beberapa kota besar di dunia yang tidak memiliki sistem angkutan cepat. Sistem bis umum di Jakarta hanya dapat menampung 400.000 orang per hari, bahkan busway-pun terisi oleh mobil, sepeda motor, bahkan kendaraan dinas pada jam-jam sibuk.
Bukan hal yang mengherankan, jika, jalan-jalan di ibukota dilalui oleh hampir 10 juta mobil, sepeda motor, truk, dan kendaraan lain setiap harinya, berdasarkan data dari Badan Transportasi Jakarta. Hampir dua juta dari jumlah kendaraan tersebut bahkan berasal dari kota tetangga di provinsi Jawa Barat dan Banten.Â
Jakarta juga dinobatkan sebagai kota di dunia dengan lalu lintas terburuk dalam satu indeks berdasarkan data navigasi satelit, yang menemukan pengemudi rata-rata mengerem lebih dari 33.000 kali dalam setahun, bahkan diperkirakan 70% polusi udara kota Jakarta berasal dari kendaraan.
Pemerintah telah mengakui bahwa mimpi buruk transportasi Jakarta merupakan ancaman serius terhadap fungsional kota, namun mereka masih memiliki target untuk meningkatkan porsi perjalanan transportasi umum dari 23% menjadi 60% pada tahun 2030.Â
Tetapi, lalu lintas kendaraan pribadi tidak akan hilang begitu saja dalam waktu dekat, dan satu tantangan yang dihadapi oleh pemerintah kota Jakarta adalah bagaimana mengelolanya dan bagaimana mengintegrasikannya ke dalam sistem transit perkotaan yang komprehensif.
Agar tercapainya tujuan ini, diperlukan adanya integrasi data transportasi publik dan swasta, yang mengarah ke agregat, komprehensif dan data real-time pada lalu lintas jalan.Â
Analisis data jelas merupakan kunci untuk mengatasi kesengsaraan transportasi Jakarta; Pertanyaannya, bagaimana ilmu itu bisa diterapkan?
Sebuah proyek di Departemen Studi & Perencanaan Perkotaan MIT di Amerika Serikat 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. 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 yang lebih sering untuk rute-rute yang paling sering digunakan.
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 dan 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 "mengemudikan" permintaan.
Belanda juga mendapat manfaat dari penerapan analisis big data. Dutch Railways adalah operator kereta api penumpang utama di Belanda, menyediakan layanan kereta api di jaringan kereta api 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 kereta api mengirimkan semua teknologi informasi ini, sehingga setiap jenis kereta memiliki lingkungan TI sendiri - sehingga sulit untuk bekerja sama dan memelihara setiap sistem. Dutch Railways memiliki visi untuk mengintegrasikan semua informasi ini untuk memberikan layanan yang lebih dapat diandalkan dan lebih baik kepada pelanggan.
Dengan menggunakan analisis streaming, komputasi in-memory, integrasi, dan perangkat lunak messaging, Dutch Railways kini dapat memberikan informasi real-time tentang layanan kereta api dan penjadwalan perawatan. Para pengguna transportasi umum juga dapat menggunakan aplikasi perencana perjalanan untuk memastikan perjalanan mereka berjalan mulus dan lancar.
Kesimpulan yang jelas adalah bahwa digitalisasi jaringan infrastruktur dapat meningkatkan perkiraan, keandalan dan meningkatkan efisiensi.
Lalu apa langkah selanjutnya?
Pemerintah Jakarta telah mengambil langkah pertama dengan komitmen terhadap pengembangan MRT (Mass Rapid Transit). Tantangannya sekarang adalah untuk membuka dan mendorong pembagian data transportasi di antara semua pemangku kepentingan - operator transportasi, penyedia sistem dan masyarakat.
Dengan begitu, ini akan mempercepat pengembangan solusi praktis untuk mengurangi kemacetan, mengefisiensikan waktu tunggu dan mengatasi ketidaknyamanan para pengguna transportasi umum. Merangkul teknologi di bidang ini tidak hanya akan meningkatkan kehidupan sehari-hari tetapi juga memberikan dukungan penting bagi peran Jakarta sebagai kota regional terkemuka di dunia.
Erich Gerber adalah General Manager TIBCO Software Inc. untuk Asia Pasifik dan Jepang
Â
Baca konten-konten menarik Kompasiana langsung dari smartphone kamu. Follow channel WhatsApp Kompasiana sekarang di sini: https://whatsapp.com/channel/0029VaYjYaL4Spk7WflFYJ2H