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.
