Lampu Merah Jakarta Diatur AI: Seberapa Jauh Ini Bisa Mengurangi Macet?

Bayangkan terjebak dua puluh menit di lampu merah, sementara jalur seberang kosong melompong tanpa satu pun kendaraan lewat. Absurd — tapi itulah pemandangan sehari-hari di banyak persimpangan Jakarta. Adaptive traffic signal control berbasis AI hadir untuk membenahi situasi itu: sistem lampu yang membaca arus kendaraan secara real-time dan menyesuaikan durasi hijau-merah secara dinamis, bukan lagi terpaku pada jadwal kaku yang dipatok setiap pagi.

Cara Kerjanya, Secara Sederhana

Sistem ini bertumpu pada tiga komponen utama: sensor atau kamera di persimpangan untuk mendeteksi kepadatan kendaraan, algoritma AI yang menganalisis data itu secara terus-menerus, dan pusat kendali terpusat yang bisa mengatur sinyal dari jarak jauh tanpa perlu petugas berdiri di lapangan.

Yang membedakannya dari lampu merah konvensional bukan sekadar soal "lebih canggih" — melainkan soal bagaimana sistem ini belajar. AI menyimpan pola historis tiap persimpangan. Kalau setiap Senin pagi jalur tertentu selalu padat mulai pukul tujuh, sistem sudah mengantisipasi itu sebelum antrean terbentuk, bukan sekadar bereaksi setelah macet telanjur terjadi. Arah padat dapat waktu hijau lebih lama; arah sepi tidak perlu menunggu sia-sia.

Konsep ini bukan baru di level global. Singapura, Pittsburgh, dan Shenzhen sudah lebih dulu menerapkannya, dengan hasil yang cukup meyakinkan untuk mendorong banyak kota lain mengikuti.

Jakarta dan Surabaya Jadi Medan Uji coba

Jakarta dipilih bukan tanpa alasan. Ibu kota ini termasuk kota dengan kemacetan terparah di Asia Tenggara — volume kendaraan sudah lama melampaui kapasitas jalan yang ada, dan pertumbuhannya tidak tanda-tanda berhenti. Surabaya, yang infrastruktur CCTV-nya relatif lebih terintegrasi dibanding banyak kota lain di Indonesia, juga masuk dalam program uji coba.

Keduanya berfungsi sebagai proof of concept nasional. Logikanya sederhana: kalau berhasil di dua kota dengan kompleksitas tertinggi, argumen untuk mereplikasi ke kota-kota lain jadi jauh lebih kuat — dan sulit dibantah.

Empat Tantangan yang Sering Dilewatkan

Optimisme perlu diimbangi skeptisisme yang sehat. Ada empat lapis masalah nyata yang kerap luput dari diskusi publik.

Pertama, infrastruktur yang belum merata. AI secanggih apa pun butuh data akurat dari kamera di setiap persimpangan yang relevan. Di Jakarta, tidak semua titik punya infrastruktur setara, dan tidak semua kamera CCTV yang sudah terpasang terhubung ke sistem terpusat yang sama. Data yang bolong-bolong menghasilkan keputusan yang bolong juga.

Kedua, tata kelola data yang masih gelap. Data arus lalu lintas bisa merekam lebih dari sekadar kepadatan — termasuk plat nomor dan pola pergerakan warga kota dari hari ke hari. Siapa yang memegang data itu? Sejauh mana akses vendor swasta atau pihak asing ke dalamnya? Transparansi soal ini hampir tidak pernah dikomunikasikan ke publik, padahal ini bukan detail teknis kecil.

Ketiga, macet Jakarta bukan semata soal sinyal. Sebagian besar kemacetan kronis lahir dari volume kendaraan yang memang sudah melampaui kapasitas jalan — ditambah perilaku berkendara yang sulit dikontrol: motor menerobos bahu jalan, angkutan umum berhenti sembarangan, parkir liar yang menyempitkan badan jalan. AI bisa mengoptimalkan durasi sinyal, tapi tidak bisa melarang orang parkir di depan minimarket atau mencegah angkot ngetem di mulut persimpangan. Dua masalah berbeda, dua solusi berbeda.

Keempat, fragmentasi kewenangan. Pengaturan lalu lintas kota melibatkan setidaknya tiga institusi — Dinas Perhubungan, Satlantas Polri, dan pemerintah daerah — yang secara historis koordinasinya tidak selalu mulus. Sistem AI yang paling canggih pun bisa tersandera kalau pengambilan keputusan operasionalnya tidak jelas siapa yang pegang kemudi.

Apa yang Realistis Diharapkan

Di tengah semua tantangan itu, adaptive signal control tetap salah satu intervensi berbasis teknologi yang paling masuk akal untuk kemacetan perkotaan. Alasannya praktis: tidak butuh pembebasan lahan, tidak perlu konstruksi bertahun-tahun, dan dampak bisa dirasakan relatif cepat kalau implementasinya serius. Kota-kota yang sudah menerapkannya melaporkan pengurangan waktu tunggu yang signifikan, plus efek samping positif yang sering diabaikan — konsumsi bahan bakar turun karena kendaraan tidak lama idle, emisi berkurang, dan tingkat stres pengemudi membaik. Sesuatu yang kecil tapi terasa kalau dilakukan setiap hari.

Untuk Jakarta, target realistisnya bukan "macet hilang." Itu harapan yang salah alamat. Target yang lebih tepat adalah macet yang lebih tertata — persimpangan yang selama ini jadi bottleneck kronis bisa sedikit bernapas, antrean lebih terdistribusi, dan waktu tunggu lebih singkat. Kalau itu tercapai secara konsisten di titik-titik kritis, dampaknya sudah besar bagi jutaan orang yang tiap hari membuang waktu berjam-jam di jalan.

Ada hal konkret yang wajar ditagih secara terbuka dari program ini: transparansi soal persimpangan mana saja yang sudah aktif, data perbandingan sebelum-sesudah yang bisa diverifikasi secara independen — bukan sekadar klaim verbal pejabat di konferensi pers — kejelasan siapa yang memegang dan mengakses data lalu lintas, serta rencana skalabilitas kalau uji coba berhasil.

Teknologi ini bukan solusi ajaib. Kemacetan Jakarta adalah masalah struktural berlapis yang tidak akan tuntas dengan satu intervensi. Tapi kalau dijalankan serius, transparan, dan ditopang infrastruktur yang memadai, adaptive signal control bisa jadi salah satu komponen paling efektif dalam puzzle besar mobilitas urban — asalkan tidak berakhir sebagai pameran teknologi tanpa keberlanjutan. Pola itu, sayangnya, sudah terlalu sering terulang.