Prof. Emir adalah Ketua Kelompok Keahlian Teknik Komputer di STEI ITB, sementara Dr. Ivan adalah seorang Postdoctoral Researcher di Korea Advanced Institute of Science and Technology (KAIST). Kegiatan yang masuk dalam rangkaian peringatan 101 Tahun PTTI itu dipandu oleh Surya Michrandi Nasution, S. T., M. T.

Sesuai dengan tema besar 101 Tahun PTTI dan ITB yaitu “Transformasi Digital” maka STEI sangat relevan dalam membicarakan transformasi digital di bidang transportasi. Memang saat ini permasalahan lalu lintas khususnya kemacetan masih di situ-situ saja penanganannya. Sudah berbagai upaya dilakukan, namun masih belum cukup mengatasinya.

Mengamati permasalahan tersebut, Prof. Emir dan Dr. Ivan menanggapi dari sudut pandang riset dan startup yang sama-sama sedang mengembangkan proyek terkait.
Perkembangan zaman melahirkan pemikiran inovatif dari insan akademis melalui Intelligent Transportation System (ITS) yang menerapkan kemajuan Artificial Intelligence (AI).

Teknologi ini menghubungkan kendaraan dengan kendaraan yang lain. Dari sudut pandang pemerintah, ITS diperlukan untuk pembangunan era Revolusi Industri 4.0. Tidak mau kalah perusahaan-perusahaan juga selangkah demi selangkah merangsek mulai mengaplikasikannya.

Topik riset yang dikerjakan dua pembicara tersebut yakni mendalami manajemen lalu lintas, sensor, manajemen pejalan kaki, dan automasi. Setidaknya ada 22 juta mobil dan 113 juta motor yang ada di seluruh Indonesia dengan persentase peningkatan sebesar 7,5%.

Teknologi tepat guna ini diharapkan mampu mengatasi kemacetan di kota-kota besar dengan mempelajari tren aktivitas kendaraan di jalan raya. Riset yang dilakukan mengambil data dari smart CCTV yang terintegrasi sistem canggih. Pengambilan data dari CCTV kemudian dikirimkan di induk data cloud yang nantinya akan diteruskan pada pengguna. Melalui aplikasi yang pengguna gunakan, sistem akan memberikan rekomendasi jalan yang bebas macet dengan rute tercepat dengan pertimbangan kemacetan, waktu, geospasial (sudut pandang dari dan mau ke mana), dan cuaca.

Prof. Emir mengatakan bahwa pada kenyataannya, di jalanan sebenarnya hanya mengalami 1% kemacetan dalam waktu 24 jam. Kemacetan ini biasa terjadi di jam-jam sibuk seperti pulang atau pergi kantor. Akan tetapi, 1% ini bisa jadi sangat mempengaruhi orang banyak karena terjadi dalam waktu sibuk dan penting.
“Banyak peluang startup dalam ITS karena sehari-hari yang dihadapi kota-kota besar adalah kemacetan,” ucap Prof. Emir.

Bersama-sama dengan tim, kedua pakar ini mengembangkan sistem yang menggunakan Adaptive Bayes Classifier yang dinilai lebih efisien karena menerapkan machine learning. Melalui sistem tersebut dihitung rumus kemacetan yang disebut sebagai Degree of Saturation (DS) dengan persamaan tertentu. Apabila perhitungan menghasilkan indeks lebih dari sama dengan 0.75 bisa dipastikan jalan tersebut mengalami kemacetan. Sistem akan mengirimkan informasi ini pada pengguna dengan integrasi peta seperti Google Maps dan Waze.

Selain itu, ada juga perhitungan yang dikenal sebagai Nilai kapasitas jalan (Nkj) yang merepresentasikan total variabel jalan seperti kondisi lalu lintas, cuaca, panjang jalan, kompatibilitas, temperatur, dan heterogenitas dan semua jalan yang dilalui menuju tujuan akhir. Nilai Nkj terkecil adalah yang akan direkomendasikan kepada pengguna melalui tampilan rute. Metode seperti ini juga bisa dimanfaatkan untuk smart parking yang mempertemukan kerja sama dengan Bandung Smart City.

“Berbagai informasi selain big data, kita juga bisa pakai RFId (Radio Frequency Identification) untuk mengetahui lokasi benda bisa kita manfaatkan,” ujar Dr. Ivan.

Riset tersebut dilakukan dengan simulasi pengamatan kendaraan bergerak di Jakarta. Kemudian dilakukan juga simulasi pengaturan durasi lampu lalu lintas karena durasinya sangat berpengaruh pada intensitas kendaraan di jalan raya. Dihasilkan juga terobosan untuk menjadwalkan kendaraan di jalan secara berkala supaya kendaraan tidak terkonsentrasi dalam satu waktu yang sama, namun tentunya perlu regulasi lanjutan dari berbagai pihak untuk mengaplikasikan ini.

Reporter: Lukman Ali (Teknik Mesin/FTMD, 2020)