RADARBEKASI.ID, BEKASI – Bukan rahasia lagi kalau Jakarta menjadi daerah yang paling banyak dikeluhkan mengenai situasi lalu lintasnya. Hal ini dikarenakan selain sebagai Ibu Kota Negara, DKI Jakarta juga merupakan pusat ekonomi dan perdagangan di Indonesia. Sehingga membuat kehidupan masyarakatnya bertumpuk di satu tempat.

Keluhan soal macet juga sering dicurahkan warganet di platform media sosial (medsos) Twitter. Berdasarkan analisis real-time dari Internet Live Stats, dikutip dari blog resmi Twitter, setiap detik rata-rata ada sekitar 6.000 tweets di Twitter, lebih dari 350.000 tweets per menit, 500 juta tweets per hari, dan sekitar 200 miliar tweets per tahun.

Di antara ratusan juta pengguna itu, mayoritas (94 persen) pengguna menyatakan tertarik dengan kejadian teraktual. Selain itu, 85 persen pengguna memakai layanan berbasis mikroblog itu untuk menonton, membaca, atau mendengarkan berita setidaknya sekali dalam sehari.

Oleh sebab itu, sering kali Twitter menjadi medium untuk penyampaian aksi, kampanye, atau inisiatif tertentu untuk menggalang massa dan/atau dukungan. Namun, tidak jarang pula Twitter menjadi alat serupa untuk keperluan individual sekalipun, tak terkecuali untuk berkeluh kesah terkait kemacetan.

Menganalisis topik terkait kemacetan, tech startup lokal Pacmann merilis laporannya tentang percakapan warganet mengenai isu macet di media sosial Twitter. Berdasarkan laporan itu, terdapat nyaris setengah juta tweets yang memuat kata kunci macet di Twitter.

Pacmann juga menganalisis tweetstersebut dengan machine learningmodel Named-Entity Recognition untuk mendeteksi daerah mana saja yang warganet paling sering keluhkan soal macet dari 1 Januari hingga 21 Oktober 2022.

“Model kami berhasil mendeteksi lebih dari 6.000 daerah di Indonesia mulai dari tingkat Desa / Kelurahan hingga provinsi,” ujar Adityo Sanjaya, CEO dan Chief of Data Scientist di Pacmann dalam rilis laporannya.

Terungkap, Jakarta menjadi daerah yang paling banyak warganet keluhkan soal macet dengan mentionlebih dari 30.000 kali dari total lebih dari 110.000 tweets yang terdeteksi memuat nama daerah.

“Fakta ini sebetulnya tidak mengagetkan, mengingat Jakarta sebagai pusat pemerintahan dan pusat ekonomi memang menjadi magnet tersendiri bagi para perantau dari berbagai kota di Indonesia,” tutur pria yang akrab disapa Adit itu lebih lanjut.

Kemudian, di tempat kedua serta ketiga ada Bandung dan Yogyakarta dengan frekuensi mention masing-masing sekitar 8.000 dan 4.000. Melengkapi daftar lima besar, tweets yang memuat Bogor dan Bekasi masing-masing berjumlah 3.500-an.

Selain sembilan daerah di atas, daerah-daerah administrasi di tingkat lebih rendah yang juga terdeteksi di tweets tentang macet antara lain Ciputat, Cikarang, Manggarai, dan Cileungsi. Terlepas dari urutannya, hasil analisis model Named-Entity Recognition juga relatif selaras dengan laporan dari ‘The 2021 Global Traffic Scorecard”‘dari INRIX.

Menurut laporan itu, lima besar kota paling macet di Indonesia adalah Surabaya, Jakarta, Denpasar, Malang, dan Bogor. Lantas, mengapa hasil analisis Pacmann menempatkan Jakarta di posisi pertama?

“Merujuk ke survei dari Asosiasi Penyelenggara Jasa Internet Indonesia 2022, tingkat penetrasi internet di DKI Jakarta itu tertinggi; 83,4 persen. Jadi kami pikir, wajar juga apabila Jakarta berada di posisi pertama di analisis kami karena memang pengguna media sosial di Jakarta sangat banyak,” kata Adit.

Selain memakai machine learningmodel Named-Entity Recognition, Pacmann juga menganalisis kata-kata apa saja yang paling berdekatan dengan kata macet dengan cara merepresentasikan semua kata di dalam data menjadi vektor.

Singkat cerita, metode ini menerapkan model jaringan saraf (neural network) yang dirancang untuk memperhitungkan asosiasi kata di dalam data tekstual seperti tweets. Diketahui, kata-kata yang paling berdekatan di dalam data yang Pacmann analisis antara lain jam, banjir, jalan, tol, pulang, hujan, mudik, pagi, capek, kerja, arus, mobil, dan berangkat.

“Kalau kita perhatikan, ada sekelompok kata-kata yang bertetangga dengan kata macet yang berkaitan erat secara semantik dalam konteks jam berangkat dan pulang kerja,” ujar Ghifari Adam, pengajar di Pacmann sekaligus Data Scientist di Valiance. (jpc)