Optimalisasi Rute Transportasi Publik Pintar Berbasis Data Real-Time Dan Analitik Prediktif

Perkembangan pesat kota metropolitan seperti Jakarta diiringi dengan peningkatan volume kendaraan pribadi yang signifikan, menyebabkan kemacetan kronis dan penurunan efisiensi layanan transportasi publik. Transjakarta, sebagai tulang punggung mobilitas perkotaan, kerap menghadapi tantangan dalam menjaga ketepatan waktu dan kelancaran operasional akibat variabilitas lalu lintas yang tinggi dan ketidakpastian pola pergerakan penumpang.

Keterlambatan yang sering terjadi pada rute-rute utama Transjakarta tidak hanya mengurangi tingkat kepuasan penumpang, tetapi juga menimbulkan inefisiensi operasional, seperti penumpukan armada di halte tertentu atau kekurangan armada di titik lain. Hal ini berdampak pada penurunan daya tarik transportasi publik sebagai alternatif moda transportasi yang andal.

Di era digital ini, ketersediaan data real-time dari berbagai sumber seperti GPS armada, data transaksi tiket elektronik, dan informasi lalu lintas dari aplikasi navigasi menawarkan potensi besar untuk mengatasi permasalahan tersebut. Pemanfaatan teknologi machine learning memungkinkan pengolahan data yang kompleks ini untuk menghasilkan prediksi yang akurat mengenai waktu tempuh dan prediksi permintaan penumpang.

Oleh karena itu, penelitian ini berfokus pada pengembangan model prediktif waktu tempuh real-time yang dapat diintegrasikan dengan sistem penjadwalan ulang rute Transjakarta. Tujuannya adalah untuk menciptakan sistem transportasi publik yang lebih responsif, adaptif, dan efisien dalam menghadapi dinamika perkotaan.