KebonCinta.com – Bayangkan sebuah trem bergerak di tengah jalan kota yang dipenuhi sepeda motor, mobil, pejalan kaki, persimpangan, dan rambu lalu lintas. Masinis tidak terus memegang kendali. Kamera dan berbagai sensor justru menjadi “mata”, sementara kecerdasan artifisial membantu kendaraan membaca apa yang terjadi di depannya.
Teknologi seperti itu bukan hanya sedang diuji di Eropa atau Tiongkok.
Indonesia juga telah mempunyai prototipenya.
Institut Teknologi Bandung (ITB) bersama PT Industri Kereta Api atau PT INKA mengembangkan trem otonom bertenaga baterai berbasis kecerdasan artifisial. Prototipe tersebut kemudian menjalani pengujian langsung di lingkungan lalu lintas campuran di Kota Solo pada November 2024.
Di balik lahirnya teknologi tersebut terdapat perjalanan riset selama bertahun-tahun dan dukungan pendanaan dari Lembaga Pengelola Dana Pendidikan melalui program RISPRO.
Menurut LPDP, pengembangan trem otonom dilakukan bertahap oleh ITB dan PT INKA sejak 2019 melalui proyek bertajuk Pengembangan Sistem Otonom dengan Menggunakan Artificial Intelligence untuk Trem yang dipimpin Guru Besar STEI ITB Bambang Riyanto Trilaksono.
Perjalanan dari penelitian hingga menjadi kendaraan yang benar-benar bergerak di jalan tentu membutuhkan biaya besar.
Pada 2021, proposal tim ITB memperoleh dukungan melalui RISPRO Invitasi LPDP selama tiga tahun. Total dana yang disalurkan untuk periode 2021–2023 mencapai sekitar Rp10,447 miliar. Pendanaan tersebut digunakan untuk pengembangan teknologi trem otonom hingga mendukung proses pengujiannya.
Inilah bagian menarik dari proyek tersebut.
Hasil riset tidak berhenti dalam bentuk laporan atau jurnal.
Sistem yang dikembangkan peneliti ITB dipasang pada platform trem bertenaga baterai yang diproduksi PT INKA hingga akhirnya dapat diuji dalam kondisi nyata.
Trem otonom tidak mempunyai mata seperti manusia.
Sebagai gantinya, kendaraan menggunakan kombinasi sensor.
PT INKA dan ITB menjelaskan trem tersebut dilengkapi dengan kamera, radar, LiDAR, serta GNSS. Data dari sensor kemudian diproses menggunakan sistem berbasis AI pada perangkat komputasi di dalam kendaraan.
Kamera membantu sistem menangkap informasi visual.
Radar dapat digunakan untuk membantu mendeteksi keberadaan dan pergerakan objek.
LiDAR bekerja dengan pemetaan lingkungan menggunakan cahaya laser, sedangkan GNSS membantu menentukan posisi kendaraan.
Informasi dari berbagai sumber tersebut kemudian digabungkan agar trem mempunyai gambaran mengenai lingkungan di sekitarnya. Sistem selanjutnya dapat merespons kendaraan lain, pejalan kaki, rambu, maupun perubahan kondisi lintasan.
Pengendalian trem juga memanfaatkan sistem drive-by-wire, sehingga perintah dari sistem komputer dapat diteruskan ke sistem kendali kendaraan tanpa harus selalu dilakukan secara mekanis oleh manusia.
Istilah “otonom” sering membuat orang membayangkan kendaraan yang sekadar dapat berjalan tanpa masinis.
Padahal bagian tersulit justru bagaimana kendaraan merespons sesuatu yang tidak direncanakan.
PT INKA menyebut trem tersebut mempunyai berbagai kemampuan seperti object detection, traffic sign recognition, adaptive cruise control, collision avoidance, serta Emergency Braking System.
Contohnya, ketika sistem mendeteksi objek yang berpotensi menghalangi jalur, trem dapat menyesuaikan kecepatannya.
Pada pengujian di Solo, ITB juga melaporkan sistem mampu mendeteksi objek dinamis seperti mobil, sepeda motor dan pejalan kaki sekaligus memperkirakan pergerakannya. Ketika terdapat potensi benturan, sistem dapat memberi peringatan melalui klakson dan mengatur kecepatan. Dalam keadaan mendadak, sistem pengereman darurat dapat aktif secara otomatis.
Kemampuan seperti ini sangat penting karena trem tersebut tidak diuji di lintasan tertutup yang steril.
Ia masuk ke lingkungan perkotaan.
Jalan Slamet Riyadi di Solo memberikan lingkungan pengujian yang menarik karena jalur kereta berada bersama aktivitas jalan raya.
Motor dapat melintas.
Mobil berada di dekat rel.
Pejalan kaki dapat menyeberang.
Ada persimpangan dan berbagai dinamika lalu lintas lain yang tidak selalu dapat diprediksi.
PT INKA menyebut kondisi mixed traffic tersebut representatif untuk menguji kemampuan trem menghadapi lalu lintas yang kompleks.
Pengujian berlangsung selama sekitar 15 hari pada November 2024 di sepanjang Jalan Slamet Riyadi. ITB melaporkan trem diuji pada lingkungan lalu lintas campuran dengan kecepatan rata-rata 3,9–4,5 meter per detik.
Sebelum sampai tahap tersebut, pengujiannya dilakukan secara bertahap.
Pada tahap awal, teknologi diuji di lingkungan yang lebih terkendali. Pengujian kemudian berkembang ke jalur yang memiliki interaksi dengan lalu lintas sebelum akhirnya masuk ke kondisi mixed traffic di Solo.
Dengan pendekatan seperti itu, peneliti tidak langsung menyerahkan kendali kendaraan kepada AI di jalan umum.
Kemampuan sistem diuji sedikit demi sedikit.
Setelah pengujian, teknologi trem otonom juga melewati audit independen.
STEI ITB melaporkan audit yang dilakukan Badan Riset dan Inovasi Nasional atau BRIN menyatakan teknologi tersebut berfungsi dengan baik dan mencapai tingkat yang dinilai setara dengan Level 3 atau conditional driving automation dalam klasifikasi otomasi kendaraan.
Pencapaian ini penting, tetapi bukan berarti kendaraan kemudian dapat dilepas begitu saja tanpa memperhatikan kondisi operasional maupun aspek keselamatan.
Level tersebut tetap mempunyai batas dan kondisi penggunaan tertentu.
ITB sendiri menjelaskan trem dapat bekerja dalam beberapa mode: dikendalikan secara manual dengan bantuan fitur keselamatan maupun beroperasi dalam mode otonom sesuai sistem yang dikembangkan.
Jadi teknologi yang dibuat tidak harus selalu digunakan dalam satu mode tanpa masinis.
Sistem bantuan mengemudinya juga dapat memberikan lapisan keselamatan tambahan ketika manusia masih berada di kendali.
Bagian menarik lainnya adalah sumber energinya.
Trem menggunakan baterai sehingga tidak harus terus mengambil daya dari jaringan kabel listrik di atas kendaraan seperti trem konvensional tertentu.
ITB menyebut kapasitas baterainya mencapai 200 kWh dan kendaraan dirancang mampu menempuh perjalanan hingga sekitar 90 kilometer dalam sekali pengisian daya.
Sistem baterai memasok tenaga tidak hanya untuk menggerakkan kendaraan, tetapi juga mendukung berbagai sistem elektronik yang dibutuhkan.
Pada konfigurasi yang diuji, rangkaian terdiri atas dua gerbong, sementara LPDP menyebut masing-masing gerbong dapat menampung sekitar 40 hingga 60 orang.
LPDP juga mencatat trem secara teknis dapat mencapai sekitar 40 km/jam, meskipun kecepatan pengoperasian dalam kondisi lalu lintas disesuaikan jauh lebih rendah demi keselamatan.
Hal ini memperlihatkan bahwa kendaraan perkotaan tidak hanya membutuhkan kecepatan.
Kemampuan berhenti aman, mendeteksi objek, dan beradaptasi dengan kondisi jalan jauh lebih penting.
Kereta yang beroperasi pada jalur terpisah mempunyai lingkungan yang lebih mudah dikendalikan.
Trem perkotaan bisa menghadapi keadaan berbeda.
Sepeda motor tiba-tiba memotong jalur.
Pejalan kaki menyeberang.
Kendaraan berhenti di dekat rel.
Ada pula rambu, persimpangan dan perubahan kepadatan lalu lintas.
PT INKA menyebut pengembangan trem otonom di kondisi mixed traffic merupakan tantangan baru karena tingkat kompleksitasnya lebih tinggi dibandingkan sistem kereta yang beroperasi pada jalur yang lebih terisolasi.
Itulah alasan teknologi persepsi menjadi sangat penting.
AI tidak cukup hanya mengetahui posisi trem.
Ia perlu terus memahami apa yang sedang bergerak di sekitarnya dan ke mana objek itu kemungkinan bergerak berikutnya. ITB bahkan masih memiliki penelitian lanjutan mengenai prediksi lintasan multiobjek di sekitar trem otonom, menunjukkan bahwa sistem persepsi dan prediksi lingkungan tetap menjadi bidang yang terus dikembangkan.
Trem mempunyai satu keunggulan yang menarik untuk perkotaan: mampu membawa lebih banyak penumpang dibandingkan mobil pribadi dalam satu rangkaian.
Ketika dipadukan dengan tenaga baterai dan sistem otomatis, konsep tersebut dapat membuka kemungkinan moda angkutan massal perkotaan yang lebih modern.
ITB bahkan pernah menyatakan kesiapan berkontribusi apabila teknologi trem otonom dibutuhkan dalam pengembangan transportasi wilayah seperti Ibu Kota Nusantara. Pernyataan tersebut merupakan kesiapan teknologi, bukan berarti proyek ITB-INKA sudah ditetapkan sebagai moda yang akan digunakan di IKN.
Teknologinya juga berpotensi diterapkan di kota lain apabila terdapat infrastruktur, regulasi, kebutuhan transportasi, serta kajian keselamatan yang mendukung.
Namun antara “prototipe berhasil diuji” dan “siap membawa penumpang setiap hari” terdapat perjalanan yang cukup panjang.
Bagian ini perlu diperjelas agar capaian riset tidak dibesar-besarkan.
Uji coba di Solo menunjukkan prototipe mampu beroperasi dalam kondisi lalu lintas nyata dan teknologi otonomnya berhasil melewati audit yang dilaporkan ITB.
Namun pengujian tersebut bukan berarti trem langsung resmi menjadi transportasi umum komersial.
Dalam publikasi LPDP pada Desember 2024, tim proyek memperkirakan pengembangan masih membutuhkan sekitar satu hingga dua tahun lagi dan harga final kendaraan juga belum ditentukan.
Dalam penelusuran sumber resmi ITB, PT INKA, dan LPDP hingga Agustus 2026, saya belum menemukan pengumuman resmi yang memastikan prototipe tersebut sudah memasuki layanan penumpang komersial reguler. Sumber resmi yang tersedia masih menempatkan pengujian mixed traffic Solo 2024 sebagai salah satu capaian utama proyek. Ini berarti status “sudah diuji di jalan nyata” perlu dibedakan dengan “sudah menjadi layanan trem reguler”.
Boleh jadi trem tersebut belum bisa dinaiki masyarakat setiap pagi seperti bus kota.
Namun proyek ini sudah memberikan pelajaran penting.
Sistem AI dikembangkan peneliti Indonesia.
Platform trem dibuat oleh industri perkeretaapian nasional.
Pendanaannya didukung dana riset pemerintah.
Pengujiannya dilakukan pada lingkungan perkotaan Indonesia.
Artinya, teknologi transportasi maju tidak selalu harus dimulai dengan membeli produk jadi dari luar negeri.
Indonesia dapat membangun kompetensinya sendiri secara bertahap melalui kolaborasi universitas, pemerintah dan industri. Model kolaborasi itulah yang menjadi salah satu tujuan skema RISPRO LPDP dalam mendorong riset menuju pemanfaatan yang lebih nyata.
Dan mungkin di situlah pencapaian trem otonom ini menjadi lebih menarik daripada sekadar melihat kendaraan berjalan tanpa masinis.
Ia menunjukkan bahwa sebuah penelitian dapat bergerak dari laboratorium, masuk ke pabrik, dipasang pada kendaraan sungguhan, kemudian diuji di antara motor, mobil dan pejalan kaki di jalan kota Indonesia.
Tantangan berikutnya jauh lebih besar: memastikan teknologi tersebut cukup aman, ekonomis, terstandardisasi, dan layak dioperasikan secara luas untuk masyarakat.
Jika tahapan itu berhasil dilewati, trem cerdas otonom tidak lagi sekadar menjadi prototipe riset.
Ia bisa menjadi salah satu contoh bagaimana dana penelitian akhirnya berubah menjadi teknologi transportasi buatan Indonesia yang benar-benar digunakan masyarakat.