172,9 Juta Kendaraan di Indonesia, UGM Dorong Solusi Lalu Lintas Berbasis AI

Kemacetan lalu lintas masih menjadi persoalan krusial di berbagai kota besar di Indonesia, terutama seiring pertumbuhan kendaraan yang terus meningkat setiap tahun. Kondisi ini mendorong perlunya transformasi sistem transportasi menuju pendekatan berbasis data dan teknologi, termasuk pemanfaatan kecerdasan buatan (AI) untuk manajemen lalu lintas yang lebih adaptif.

Lonjakan Kendaraan dan Dampak Ekonomi Kemacetan

Direktur Jenderal Perhubungan Darat Kementerian Perhubungan, Dr. Aan Suhanan, mengungkapkan bahwa jumlah kendaraan di Indonesia pada 2025 mencapai 172,9 juta unit, dengan pertumbuhan rata-rata 4,5 persen per tahun. Peningkatan ini berdampak langsung pada tingkat kemacetan, khususnya di kota-kota besar seperti Jakarta, Surabaya, dan Bandung.

Tingkat kemacetan di lima kota utama tercatat mencapai 54,9 persen. Rata-rata pengendara kehilangan waktu hingga 118 jam per tahun akibat kemacetan. Kerugian ekonomi yang ditimbulkan bahkan mencapai Rp77 triliun, setara sekitar 2,2 persen dari Produk Domestik Regional Bruto (PDRB) Jakarta.

“Situasi ini menunjukkan perlunya transformasi menuju sistem transportasi yang terintegrasi dan berbasis data,” ujar Dr. Suhanan dalam webinar bertajuk Mengurai Kemacetan Kota dengan Artificial Intelligence: Transformasi Manajemen Lalu Lintas Menuju Smart Mobility di Indonesia.

Pengembangan Sistem Transportasi Cerdas (ITS)

Sebagai upaya mengatasi permasalahan tersebut, pemerintah telah mengembangkan sistem berbasis Intelligent Transportation Systems (ITS). Beberapa implementasinya antara lain Area Traffic Control System (ATCS) dan Arterial Transport Management System (AtMS), yang kini telah diterapkan di ratusan persimpangan dan puluhan ruas jalan.

Selain itu, ITS juga diintegrasikan dalam transportasi publik melalui program Teman Bus yang telah beroperasi di 14 wilayah metropolitan. Program ini didukung oleh 817 unit bus dan 57 armada feeder, dengan tingkat keterisian mencapai 71,42 persen.

Menariknya, program ini berhasil mendorong perubahan perilaku masyarakat, di mana 72 persen pengguna beralih dari sepeda motor dan 23 persen dari kendaraan pribadi.

“Ke depan, ITS membuka peluang besar dalam analisis data lalu lintas dan pengendalian sistem yang adaptif, meskipun masih menghadapi tantangan regulasi dan kesiapan institusi,” tambahnya.

Peran AI dalam Transformasi Transportasi

Pelaksana Tugas Kepala Pusat Studi Transportasi dan Logistik Universitas Gadjah Mada (Pustral UGM), Prof. Ikaputra, menekankan bahwa transformasi sistem transportasi harus mengarah pada pendekatan yang adaptif dan berbasis data.

Menurutnya, kemajuan teknologi seperti machine learning dan Large Language Models (LLM) memungkinkan pengolahan data lalu lintas secara real-time serta prediksi kemacetan yang lebih akurat.

“AI tidak hanya menjadi alat analisis, tetapi berpotensi menjadi komponen inti dalam sistem manajemen lalu lintas modern,” ujarnya.

Namun demikian, implementasi teknologi ini masih menghadapi sejumlah kendala, mulai dari keterbatasan infrastruktur digital, integrasi data yang belum optimal, hingga kesiapan sumber daya manusia.

Large Language Models dan Sistem Transportasi Masa Depan

Guru Besar Departemen Teknik Sipil dan Lingkungan UGM, Prof. M. Zudhy Irawan, menjelaskan bahwa kebutuhan terhadap AI semakin mendesak seiring kompleksitas sistem transportasi dan meningkatnya volume data.

Menurutnya, LLM memiliki kemampuan memahami bahasa manusia, menganalisis data kompleks, serta mengambil keputusan adaptif. Hal ini memungkinkan sistem transportasi menjadi lebih responsif terhadap kondisi di lapangan.

“LLM dapat mengambil keputusan cerdas layaknya manusia, seperti mengoptimalkan lampu lalu lintas dan memprediksi arus kendaraan,” jelasnya.

Ia juga menguraikan empat peran utama LLM dalam sistem transportasi:

• Sebagai pemroses informasi dari berbagai sumber seperti sensor, kamera, GPS, dan laporan pengguna
• Sebagai pengkode pengetahuan terkait aturan lalu lintas dan perilaku pengguna jalan
• Sebagai generator komponen dalam pengembangan sistem berbasis AI
• Sebagai fasilitator keputusan dalam manajemen lalu lintas

Implementasi dan Risiko Teknologi AI

Pemanfaatan LLM telah diterapkan dalam berbagai aspek transportasi modern, termasuk kendaraan otonom, sistem lampu lalu lintas adaptif, transportasi publik, serta navigasi cerdas. Teknologi ini juga berkontribusi dalam meningkatkan keselamatan jalan dan efisiensi logistik.

Namun, di balik potensinya, terdapat sejumlah risiko yang perlu diantisipasi. Salah satunya adalah akurasi informasi dan keamanan data.

“Teknologi ini menawarkan kemudahan, tetapi risiko terkait keamanan data dan keandalan informasi harus menjadi perhatian utama,” ujar Prof. Irawan.

Selain itu, tantangan lain mencakup isu privasi data pengguna dan keamanan siber. Sistem transportasi modern yang bergantung pada data perjalanan berpotensi mengalami kebocoran informasi. Bias dalam sistem AI juga dapat memengaruhi pengambilan keputusan, terutama bagi wilayah terpencil atau kelompok rentan.

Ia menegaskan bahwa tanpa tata kelola yang jelas, penggunaan AI justru dapat menimbulkan risiko baru.

“Etika, regulasi, dan perlindungan pengguna harus menjadi prioritas dalam pengembangan teknologi ini,” tegasnya.

Penutup

Transformasi sistem transportasi di Indonesia menuju pendekatan berbasis AI menjadi langkah strategis untuk mengatasi kemacetan yang semakin kompleks. Meski menawarkan berbagai peluang peningkatan efisiensi dan keselamatan, implementasinya memerlukan kesiapan infrastruktur, regulasi yang matang, serta perlindungan data yang kuat agar manfaatnya dapat dirasakan secara optimal oleh masyarakat luas.

Yoga Hidayat

“Web nerd. General bacon practitioner. Social media ninja. Award-winning coffee specialist. Food advocate.”