Electronic Theses and Dissertation

Waktu kedatangan bus yang tidak menentu masih menjadi masalah utama dalam system transportasi umum di negara berkembang. Permasalahan ini disebabkan oleh berbagai faktor, seperti kemacetan lalu lintas dan infrastruktur yang kurang memadai, misalnya tidak adanya jalur khusus untuk bus. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem transportasi cerdas "My Transkutaraja", yaitu sebuah aplikasi mobile berbasis Edge-AI untuk memprediksi Waktu kedatangan bus secara real-time. Berbeda dengan pendekatan berbasis cloud, aplikasi ini mengintegrasikan model machine learning secara lokal pada perangkat, sehingga proses inferensi dapat dilakukan secara real-time tanpa bergantung pada server eksternal. Penelitian ini dilakukan pada Koridor 1 bus Trans Koetaradja dengan rute pusat kota menuju Darussalam di Banda Aceh, Indonesia. Pengujian pada beberapa perangkat Android dengan spesifikasi berbeda menunjukkan bahwa rata-rata Waktu inferensi berada di bawah 700 mikrodetik, bahkan pada perangkat dengan spesifikasi rendah. Sistem ini juga mendukung pembaruan model secara otomatis saat aplikasi dijalankan, sehingga meningkatkan fleksibilitas dan kemudahan pemeliharaan. Melalui tahap usability testing yang melibatkan 20 partisipan diperoleh skor System Usability Scale (SUS) sebesar 74, yang menunjukkan tingkat kepuasan pengguna yang baik. Temuan ini menunjukkan bahwa penerapan Edge-AI layak dan efektif untuk meningkatkan keandalan transportasi umum di lingkungan dengan keterbatasan infrastruktur.

Kata kunci : Transportasi Umum, Trans Koetaradja, Sistem Transportasi Cerdas, Waktu Kedatangan Bus, Edge-AI, Aplikasi Mobile

Uncertain bus arrival times remain a significant issue in public transportation systems in developing countries. This problem arises from various factors, such as traffic congestion and inadequate infrastructure, including the absence of dedicated bus lanes. To address this issue, this study developed an intelligent transportation system called "My Transkutaradja," a mobile application based on Edge-AI to predict bus arrival times in real-time. Unlike cloud-based approaches, this application integrates the machine learning model directly on the device, enabling real-time inference without relying on external servers. The study was conducted along Corridor 1 of the Trans Koetaradja bus route, which runs from the city center to Darussalam in Banda Aceh, Indonesia. Testing on several Android devices with varying specifications showed that the average inference time was under 700 microseconds, even on low-end devices. The system also supports automatic model updates upon app launch, enhancing flexibility and ease of maintenance. Usability testing involving 20 participants yielded a System Usability Scale (SUS) score of 74, indicating a good level of user satisfaction. These findings demonstrate that the application of Edge-AI is both feasible and effective in improving the reliability of public transportation in infrastructure-limited environments. Keywords : Public Transportation, Trans Koetaradja, Intelligent Transportation System (ITS), Bus Arrival Time, Edge-AI, Mobile Application