7cloud.asia – Permasalahan kemacetan di kawasan perkotaan masih menjadi tantangan utama dalam sistem transportasi di Indonesia.
Pendekatan pengendalian lalu lintas yang bersifat statis dinilai tak mampu merespons dinamika pergerakan kendaraan secara real-time. Kondisi ini berdampak pada meningkatnya waktu tempuh, antrean panjang, serta inefisiensi jaringan jalan.
Direktur Jenderal Perhubungan Darat Kementerian Perhubungan, Aan Suhanan memaparkan kondisi aktual transportasi di Indonesia. Ia menyebut jumlah kendaraan pada tahun 2025 mencapai 172,9 juta unit dengan pertumbuhan rata-rata 4,5 persen per tahun.
Tingkat kemacetan di lima kota besar mencapai 54,9 persen, dengan waktu terbuang hingga 118 jam per pengemudi setiap tahun. Kerugian ekonomi akibat kemacetan bahkan mencapai Rp77 triliun atau sekitar 2,2 persen dari GDP Jakarta.
“Kondisi ini menunjukkan perlunya transformasi menuju sistem transportasi berbasis data dan terintegrasi,” ucap Dirjen Aan dalam webinar bertajuk “Mengurai Kemacetan Kota dengan Artificial Intelligence: Transformasi Manajemen Lalu Lintas Menuju Smart Mobility di Indonesia” pada Selasa (28/4/2026).
Sebagai upaya mengatasi permasalahan tersebut, pemerintah telah mengembangkan sistem berbasis Intelligent Transportation Systems (ITS) seperti Area Traffic Control System (ATCS) dan Arterial Transport Management System (AtMS).
Sistem ini telah diterapkan di ratusan simpang dan puluhan ruas jalan untuk meningkatkan efisiensi pengelolaan lalu lintas.
Selain itu, implementasi ITS juga diterapkan pada transportasi publik melalui program Teman Bus yang telah 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 bahkan berhasil menarik 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,” pungkasnya.
Pelaksana Harian Kepala Pustral UGM, Prof. Ikaputra menyampaikan bahwa transformasi sistem transportasi perlu diarahkan pada pendekatan yang adaptif dan berbasis data.
Ia menilai perkembangan kecerdasan buatan membuka peluang besar dalam meningkatkan kinerja sistem transportasi modern.
Teknologi seperti machine learning dan Large Language Models memungkinkan pengolahan data lalu lintas secara real-time serta prediksi kemacetan secara lebih akurat.
Namun, penerapan teknologi ini masih menghadapi tantangan seperti keterbatasan infrastruktur digital, integrasi data, serta kesiapan sumber daya manusia.
“AI tidak hanya menjadi alat bantu analisis, tetapi turut berpotensi menjadi bagian inti dalam sistem manajemen lalu lintas modern,” kata Ikaputra.
Sementara Guru Besar Departemen Teknik Sipil dan Lingkungan UGM, Prof. M. Zudhy Irawan, menjelaskan peran penting kecerdasan buatan dalam sistem transportasi masa depan.
Ia menilai kebutuhan terhadap AI semakin mendesak seiring meningkatnya kompleksitas sistem transportasi dan volume data yang dihasilkan.
Large Language Models dinilai mampu memahami bahasa manusia, menganalisis data kompleks, serta mengambil keputusan secara adaptif. Kemampuan ini memungkinkan sistem transportasi menjadi lebih responsif terhadap perubahan kondisi di lapangan.
“LLM mampu membuat keputusan cerdas seperti manusia dalam mengoptimalkan sinyal lalu lintas dan memprediksi arus kendaraan,” ungkapnya.
Zudhy juga memaparkan bahwa LLM memiliki empat peran utama dalam sistem transportasi. Pertama, sebagai pemroses informasi dari berbagai sumber seperti sensor, kamera, GPS, dan laporan pengguna.
Kedua, sebagai pengkode pengetahuan yang mengorganisasi aturan lalu lintas dan perilaku pengguna jalan. Ketiga, sebagai generator komponen untuk mendukung pengembangan sistem berbasis AI. Keempat, sebagai fasilitator keputusan yang mampu memberikan solusi optimal dalam pengelolaan lalu lintas.
Lebih lanjut, Zudhy menyoroti bahwa penerapan LLM juga telah digunakan dalam berbagai aspek transportasi modern. Teknologi ini dimanfaatkan pada kendaraan otonom, sistem lampu lalu lintas adaptif, transportasi publik, hingga navigasi cerdas.
Selain itu, LLM juga berperan dalam meningkatkan keselamatan jalan dan efisiensi logistik. Meski demikian, terdapat sejumlah risiko yang perlu diantisipasi dalam implementasinya.
“Teknologi ini memang memberi banyak kemudahan dalam mengelola transportasi, tetapi kita tidak boleh abai terhadap risikonya, terutama terkait akurasi informasi dan keamanan data yang harus benar-benar dijaga,” tuturnya.
Di sisi lain, tantangan implementasi AI dalam transportasi juga mencakup isu privasi data dan keamanan siber. Sistem transportasi modern mengandalkan data perjalanan pengguna yang berpotensi menimbulkan risiko kebocoran informasi.
Selain itu, bias dalam sistem AI dapat memengaruhi keputusan yang dihasilkan, terutama bagi wilayah terpencil atau kelompok rentan. Permasalahan lain terkait regulasi dan tanggung jawab hukum juga masih menjadi perhatian.
“Tanpa tata kelola yang jelas, pemanfaatan AI justru berpotensi menghadirkan risiko baru, sehingga aspek etika, regulasi, dan perlindungan pengguna harus menjadi prioritas,” tegas Zudhy.
