Sebagai penyedia layanan transportasi publik di Indonesia, Transjakarta memiliki
perhatian besar pada bagaimana menjaga kualitas layanan, khususnya terkait keandalan
layanan. Saat ini, evaluasi performa keandalan layanan Transjakarta dilakukan berdasarkan data
GPS. Dalam aktivitas monitoring performa harian, Operational Command Center (OCC)
operator memonitor kecepatan dan posisi bus berdasarkan data GPS. Kurangnya visibilitas dari
Transjakarta untuk memonitor posisi keandalan layanan saat ini karena data yang digunakan
saat ini hanya data GPS. Tujuan dari penelitian ini adalah untuk melakukan asesmen terkait
kendalan layanan Transjakarta untuk mengidentifikasi gap dan memberikan rekomendasi
berdasarkan gap. Asesmen dilakukan berdasarkan literatur (BRT Planning Guide, jurnal,
paper), wawancara dengan user, dan analisis data. Indikator keandalan layanan baru didesain
untuk menentukan sumber data sebagai input dan indikator sebagai output dari monitoring
layanan.
Ada beberapa temuan yang diidentifikasi berdasarkan studi literatur, wawancara, dan
analisis data. Analisis gap dari studi literature menunjukkan ukuran keandalan layanan saat ini
berfokus pada headway dengan minimnya analisis dilakukan untuk mengevaluasi ketidakaturan
layanan. Terkait dengan pengukuran, tidak adanya indikator untuk mengevaluasi performa dari
layanan berdasarkan sudut pandang penumpang. Ada tiga topik Utama berdasarkan wawancara
user: kepatuhan layanan dengan Pergub No.13/2019, peran OCC, dan ekspektasi untuk
mempunyai aktivitas monitoring performa layanan yang lebih komprehensif.
Dalam keperluan analisis, data GPS dan passenger tap-in/tap-out akan sangat
bermanfaat untuk menghasilkan insight terkait beban penumpang dan distribusi setiap
koridor/stop setiap jam dan headway termasuk varian untuk mengidentifikasi titik kritis di
setiap koridor dan rute Transjakarta dan beban maksimum untuk mendapatkan aktivitas
perencanaan layanan yang lebih baik.
Sebagai bagian rekomendasi, metrik terkait penumpang direkomendasikan untuk
memasukkan waktu tunggu dan waktu perjalanan sebagai perhatian utama dari penumpang dan
headway dapat dikembangkan menjadi Headway Deviation Index berdasarkan stop untuk
mengidentifikasi variable terkait lainnya. Terlepas dari rekomendasi terkait pengukuran
performa, cara kerja berbasis data diperkenalkan agar selaras dengan implementasi teknologi
baru dan perbaikan di master data dan data transaksi itu sendiri.