Kemacetan di kawasan perkotaan masih menjadi permasalahan dalam sistem transportasi Indonesia. Pendekatan pengendalian lalu lintas yang bersifat statis dinilai belum mampu merespons dinamika pergerakan kendaraan secara real-time. Hal ini berdampak pada meningkatnya waktu tempuh, antrean panjang, dan inefisiensi jaringan jalan.
Direktur Jenderal Perhubungan Darat Kementerian Perhubungan RI, Dr. Drs. Aan Suhanan, M.Si., dalam keterangannya yang dihimpun di laman ugm.ac.id menerangkan, bagaimana kondisi aktual transportasi di Indonesia. Tahun 2025, jumlah kendaraan tercatat mencapai 172,9 juta unit dengan pertumbuhan rata-rata sebesar 4,5 persen per tahunnya.
Di lima kota besar di Indonesia, tingkat kemacetannya mencapai 54,9 persen, dengan waktu terbuang hingga 118 jam per pengemudi setiap tahunnya. Ia juga memaparkan jika kemacetan menimbulkan kerugian ekonomi hingga mencapai Rp77 triliun atau sekitar 2,2 persen dari GDP Jakarta.
“Kondisi ini menunjukkan perlunya transformasi menuju sistem transportasi berbasis data dan terintegrasi,” terang Aan.
Apa yang Dilakukan Pemerintah?
Menyikapi hal tersebut, Aan mengatakan sudah ada berbagai upaya yang dilakukan untuk mengatasi permasalahan tersebut. Pemerintah disebutnya sudah mengembangkan sistem berbasis Intelligent Transportation System (ITS), seperti Area Traffic Control System (ATCS) dan Arterial Transport Management System (ATMS).
Ratusan simpang dan puluhan ruas jalan disebut Aan sudah menggunakan sistem ini demi meningkatkan efisiensi pengelolaan lalu lintas. Selain itu, implementasi ITS juga sudah diterapkan di transportasi publik melalui program Teman Bus yang beroperasi di 14 wilayah metropolitan.
Program ini didukung oleh 817 unit bus dan 57 unit feeder dengan tingkat keterisian mencapai 71,42 persen. Layanan ini disebut berhasil menarik sekitar 72 persen pengguna beralih dari moda sepeda motor dan 23 persen dari kendaraan pribadi.
“Ke depan, penerapan ITS memiliki peluang besar untuk analisis data lalu lintas dan pengendalian sistem secara adaptif, meskipun masih menghadapi tantangan regulasi dan kesiapan kelembagaan,” harapnya.
AI Bisa Jadi Solusi
Pelaksana Harian Kepala Pustral Universitas Gadjah Mada (UGM), Prof. Ir. Ikaputra, M.Eng., Ph.D., menyampaikan bahwa transformasi sistem transportasi perlu diarahkan pada pendekatan yang adaptif dan berbasis data. Ikaputra menilai, perkembangan kecerdasan buatan membuka peluang besar dalam meningkatkan kinerja sistem transportasi modern.
Teknologi seperti machine learning dan Large Language Models disebutnya sangat mungkin untuk mengolah data lalu lintas secara real-time dan memprediksi kemacetan secara lebih akurat. Namun, ia tak menampik jika penerapan teknologi ini masih menghadapi tantangan, termasuk keterbatasan infrastruktur digital, integrasi data, dan ketersiapan sumber daya manusia.
“AI tidak hanya menjadi alat bantu analisis, tetapi turut berpotensi menjadi bagian inti dalam sistem manajemen lalu lintas modern,” jelasnya.
Hal senada disampaikan oleh Guru Besar Departemen Teknik Sipil dan Lingkungan UGM, Prof. Dr. Eng. Ir. M. Zudhy Irawan, S.T., M.T., IPM. Ia menjelaskan peran kecerdasan buatan dalam sistem transportasi masa depan yang dinilainya memiliki peran yang baik.
Kebutuhan terhadap AI semakin mendesak seiring meningkatnya kompleksitas sistem transportasi dan volume data yang dihasilkan. Large Language Models (LLM) disebutnya mampu memahami bahasa manusia, menganalisis data kompleks, dan mengambil keputusan secara adaptif.
Kemampuan ini memungkinkan sistem transportasi menjadi lebih responsif terhadap perubahan kondisi di lapangan, sehingga bisa membantu pekerjaan manusia di masa depan.
“LLM mampu membuat keputusan cerdas seperti manusia dalam mengoptimalkan sinyal lalu lintas dan memprediksi arus kendaraan,” jelasnya.
LLM sebagai Sistem Transportasi
LLM disebut Zudhy memiliki empat peran utama dalam sistem transportasi, yakni pemproses informasi dari berbagai sumber (sensor, kamera, GPS, dan laporan pengguna), pengkode pengetahuan yang mengorganisasi aturan lalu lintas dan perilaku pengguna jalan, generator komponen pendukung pengembangan sistem AI, serta sebagai fasilitator keputusan yang mampu memberikan solusi optimal dalam pengelolaan lalu lintas.
Teknologi LLM juga telah digunakan dalam berbagai aspek transportasi modern. Teknologi ini dimanfaatkan pada kendaraan otonom, sistem lalu lintas adaptif, transportasi publik, hingga navigasi cerdas. Lebih lanjut, LLM juga berperan dalam meningkatkan keselamatan jalan dan efisiensi logistik.
Namun, Zudhy tetap mengingatkan sejumlah risiko yang perlu diantisipasi dalam implementasinya. Menurutnya, teknologi semacam ini tetap memiliki risiko terkait akurasi informasi dan keamanan data yang harus betul-betul dijaga.
Selain itu, tantangan implementasi AI dalam transportasi juga mencakup isu privasi data sekaligus soal keamanan siber. Sistem transportasi modern mengandalkan data perjalanan pengguna yang berpotensi menimbulkan risiko kebocoran informasi.
Tak lupa, bias dalam sistem AI juga dijelaskan Zudhy bisa memengaruhi keputusan yang dihasilkan, utamanya di wilayah terpencil atau kelompok rentan. Permasalan lainnya yang ia soroti adalah terkait regulasi dan tanggung jawab hukum.
“Tanpa tata kelola yang jelas, pemanfaatan AI justru berpotensi menghadirkan risiko baru, sehingga aspek etika, regulasi, dan perlindungan pengguna harus menjadi prioritas,” jelasnya.
Cek berita, artikel, dan konten yang lain di Google News
