Urun Daya Data Kepadatan Lalu Lintas
9.2. Pengukuran Kepadatan Lalu Lintas oleh Google Maps
Deteksi kepadatan lalu lintas sudah dilakukan sejak lama. Laporan dari Federal Highway Administration di tahun 2006 menyebutkan bahwa ide ini muncul di tahun 1920an, saat kontrol sinyal otomatis (“lampu merah”, atau Alat Pemberi Isyarat Lalu Lintas) mulai menggantikan persinyalan manual (FHWA, 2006). Pada tahun 1928, Charles Adler, Jr. mengembangkan sensor yang teraktivasi saat pengemudi membunyikan klakson kendaraan. Pada saat yang hampir bersamaan, Henry A. Haugh mengembangkan sensor tekanan yang diletakkan di dalam jalan yang dilalui kendaraan. Metode ini digunakan selama hampir 30 tahun untuk mendeteksi keberadaan kendaraan maupun kepadatan lalu lintas. Untuk metode-metode lainnya, pengukuran kepadatan lalu lintas antara lain dilakukan dengan memanfaatkan:
• Suara (dengan sensor akustik)
• Opacity (dengan sensor optik, inframerah, dan pemroses gambar video)
• Geomagnetism (dengan sensor magnet, magnetometer)
• Refleksi dari energi yang dipancarkan (dengan radar laser inframerah, sensor ultrasonik, sensor radar gelombang mikro)
• Induksi elektromagnetik (dengan detektor inductive-loop)
• Getaran (dengan triboelektrik, seismik, dan sensor inertia switch).
27Tampilan ini diambil dari akun Google Maps penulis
Google Maps diluncurkan pertama kali pada tanggal 8 Februari 2005 (GMaps, 2020), ditandai dengan sebuah blog post sederhana dari Google sendiri (Taylor, 2005). Sebelumnya, aplikasi ini hanya berupa program komputer untuk desktop yang dikembangkan oleh Where 2 Technologies. Pada Oktober 2004, Google mengakuisisi perusahaan tersebut lalu program dikembangkan sebagai aplikasi web, seperti dapat dilihat pada Gambar 9.. Selanjutnya, pada tahun 2007, Google merilis fitur yang menampilkan informasi kepadatan lalu lintas pada ruas- ruas jalan di lebih dari 30 kota besar di Amerika Serikat (Wang, 2007). Pada saat fitur tersebut dirilis, Google tidak memberikan informasi bagaimana mereka mendapatkan informasi kepadatan lalu lintas untuk ditampilkan. Walaupun begitu, salah satu alternatif yang mungkin adalah kerja sama dengan pemerintah setempat, mengingat Federal Highway Administration sudah melakukan pengukuran kepadatan lalu lintas sejak lama dan tentu saja memiliki datanya.
Gambar 9.2. Tampilan Google Maps pada tahun 2005 (dari http://digital-archaeology.org).
Pada tahun 2009, Google mengumumkan bahwa mereka menggunakan cara baru untuk mendapatkan informasi kepadatan lalu lintas, yaitu dengan mengumpulkan informasi dari pengguna aplikasi ponsel pintar Google Maps yang menyalakan fitur “My Location” (Barth, 2009). Secara sederhana dan seperti dijelaskan pada blog tersebut, teknik pengumpulan data tersebut dapat dijelaskan sebagai berikut: Setiap ponsel yang digunakan seorang pengendara mengirimkan informasi kecepatan berkendara kepada pusat data Google yang memiliki beribu- beribu komputer server (Google memiliki pusat-pusat data di beberapa negara, sebagai contoh pada Gambar 9.4 diberikan foto pusat data di Belgia).
Pada tahun 2020 ini, penghuni bumi sudah lebih dari 7 milyar orang. Jika 10% dari jumlah penduduk tersebut memiliki ponsel pintar dan menyalakan fitur My Location, maka terdapat lebih dari 700 juta ponsel yang mengirimkan kecepatan dan lokasi ponsel itu, dari berbagai ruas- ruas jalan di banyak negara, ke server Google! Data dari jutaan ponsel tersebut dikirimkan secara real time (waktu nyata) ketika penggunanya bergerak, maka dapat dibayangkan bahwa data yang dikirimkan ke server Google “terus mengalir” dari waktu ke waktu dari ratusan juta ponsel. Data yang dikirimkan tersebut tentu saja dianonimisasi untuk menjaga privasi penggunanya. Data yang mengalir dengan kecepatan tinggi ini termasuk “big data stream”
(bahasan tentang ini dapat dilihat pada Bab 10) dan membutuhkan teknologi khusus (dengan menggunakan beribu-ribu komputer server), untuk menanganinya. Selanjutnya, data kecepatan dari seluruh ponsel dianalisis dengan memanfaatkan algoritma khusus untuk mengangani big data stream, sehingga untuk tiap ruas jalan tertentu (di dunia!), dapat dihitung kecepatan rata- ratanya (lihat Gambar 9.). Google lalu menampilkan informasi kepadatan lalu lintas secara
“instant” di ruas-ruas jalan di berbagai negara kepada penggunanya, seperti dapat dilihat pada Gambar 9..
Teknik pengumpulan data kecepatan dari berbagai ponsel tersebut termasuk “urun daya”
(crowdsourcing). Sebagaimana didefinisikan Wikipedia, crowdsourcing merupakan “proses untuk memperoleh layanan, ide, maupun konten tertentu dengan cara meminta bantuan dari orang lain secara massal, secara khusus melalui komunitas daring” (Crowd, 2018).
Gambar 9.3. Ilustrasi pengukuran kecepatan oleh Google Maps.
Gambar 9.4. Rak-rak berisi ribuan komputer server di pusat data Google di Belgia28.
Gambar 9.5. Aplikasi Ponsel Google Maps di tahun 200929.
28 https://www.google.com/about/datacenters/gallery/
29 https://googleblog.blogspot.com
Pertanyaan yang menurut penulis cukup menarik adalah: Bagaimana Google menjaga agar cukup banyak pengguna Google Maps dengan sukarela berkontribusi ke data kepadatan tersebut? Perlu ada insentif bagi pengguna untuk melakukannya, dan Google berusaha memudahkan hal tersebut. Pada tahun 2014, Google mengumumkan bahwa mereka akan meluncurkan ponsel pintar Android versi murah dengan nama Android One (Pichai, 2014).
Dengan harga yang dijaga di bawah USD 100, ponsel ini sangat terjangkau bagi kalangan menengah ke bawah, hanya sedikit upgrade dari ponsel jenis non-pintar (featured phone). Belum lagi Google Maps yang disediakan secara gratis. Tanpa disadari para pemilik ponsel tersebut telah “membayar” harga murah tadi dengan data.
Sistem Google dalam menentukan kepadatan lalu lintas di atas masih memiliki kelemahan.
Sebuah cerita menarik yang menunjukkan kelemahan itu: Pada tahun 2020 seorang seniman bernama Simon Weckert “mengelabui” sistem Google Maps ini, dengan bermodalkan 99 ponsel dan kereta kecil (Weckert, 2020). Beliau menaruh 99 ponsel tersebut ke dalam kereta kecil, masing-masing menjalankan aplikasi Google Maps seperti dapat dilihat pada Gambar 9.6 and Gambar 9.7. Kemudian, kereta tersebut ditarik sambil berjalan kaki melewati sebuah jalan kecil yang relatif sepi di Berlin. Server Google mengira kecepatan berjalan yang relatif perlahan tersebut mewakili kecepatan berkendara, sehingga menyimpulkan bahwa di jalan sepi tersebut sebenarnya terjadi kemacetan. Walaupun terdengar lucu dan sederhana, implikasinya bisa bermacam-macam, apalagi jika dimanfaatkan oleh orang yang tidak bertanggung jawab. Fitur
“Directions” yang dimiliki Google Maps secara bawaan menghindari jalan dengan kepadatan lalu lintas yang tinggi, sehingga dapat dipengaruhi juga untuk menghindari jalan-jalan yang secara spesifik “diakali” tersebut.
Kesalahan Google dalam memberikan informasi kepadatan lalu lintas tersebut dapat terjadi, karena Google memberikan kepercayaan penuh kepada penggunanya yang relatif anonim sebagai kontributor data. Di satu sisi, metode ini mampu mengumpulkan sampel dalam jumlah besar. Di sisi lain, kejujuran dari setiap pengguna berpengaruh ke kualitas prediksi. Bagaimana jika seluruh kontributor data bisa dipercaya? Hal inilah yang sepertinya dimanfaatkan oleh platform Trafi, mitra resmi dari Jakarta Smart City (Trafi, 2017). Menurut informasi pada situs web Trafi, prediksi kemacetan didapatkan dari kecepatan armada transportasi public (Trafi, 2020). Dari sisi jumlah sampel, tentu saja jauh di bawah pengguna Google Maps. Namun, validitas data yang dikirimkan armada transportasi publik juga lebih bisa dipercaya dibandingkan dengan pengguna yang anonim.
Gambar 9.6. Kereta dengan 99 ponsel yang menjalankan aplikasi Google Maps30.
Gambar 9.7. "Kemacetan" yang ditimbulkan oleh 99 ponsel (kiri), serta foto seniman tersebut bersama ponselnya31.
30 http://www.simonweckert.com
31 http://www.simonweckert.com