PENGEMBANGAN ADVANCED TRAVELER INFORMATION SYSTEMS UNTUK BUS RAPID TRANSIT MENGGUNAKAN METODE FLOATING CAR DATA

PENGEMBANGAN ADVANCED TRAVELER INFORMATION SYSTEMS UNTUK BUS RAPID TRANSIT MENGGUNAKAN METODE FLOATING CAR DATA

Garry Glann, Alexander Agung S. G., Fergyanto E. Gunawan Universitas Bina Nusantara, Jalan KH. Syahdan No. 9 Palmerah, Jakarta 11480, Indonesia +62 812 1392 8601 [email protected]

ABSTRACT Bus Rapid Transit (BRT) such as TransJakarta can facilitate passengers with a fast and convenient way to travel. Currently, TransJakarta has a lot of problems such as: passengers are waiting for too long time and lack of bus position and arrival time information. Therefore, a good transportation management system is required. This research is focused on a real-time Advanced Traveler Information Systems architecture development that can be used to monitor BRT movement using Floating Car Data method then display bus position and arrival time estimation information. In the end of research, a BRT monitoring system prototype is produced with components such as: a mobile device that placed inside a bus used to get bus position and speed data, a web server used to process received information from the mobile device, and a client workstation used to display bus position and arrival time estimation information on a road network digital map. Bus arrival time estimation is calculated using exponential smoothing. Empirical data show that this method is quite accurate. Keywords: GPS-enabled phone, Bus Rapid Transit, Intelligent Transportation Systems, Advanced Traveler Information Systems, Floating Car Data.

ABSTRAK Bus Rapid Transit (BRT) seperti TransJakarta dapat memfasilitasi mobilitas penumpang dengan cepat dan nyaman. Saat ini, TransJakarta masih memiliki banyak persoalan seperti: penumpang menunggu bus terlalu lama dan tidak terdapatnya informasi posisi dan waktu kedatangan bus. Melihat permasalahan tersebut, maka sistem manajemen transportasi yang handal dibutuhkan. Penelitian ini berfokus pada pengembangan sebuah arsitektur Advanced Traveler Information Systems yang berfungsi untuk memantau pergerakan BRT menggunakan metode Floating Car Data lalu menampilkan informasi posisi dan estimasi waktu kedatangan bus secara real-time. Pada akhir penelitian ini, dihasilkan suatu prototipe sistem pemantauan BRT yang terdiri dari: mobile device yang diletakkan di dalam bus yang berfungsi untuk memperoleh data posisi dan kelajuan bus, web server yang berfungsi untuk mengolah informasi yang dikirim dari mobile device, dan client workstation yang berfungsi untuk menampilkan posisi dan estimasi waktu kedatangan bus pada peta digital jaringan jalan. Estimasi waktu kedatangan bus menggunakan exponential smoothing. Data empiris memperlihatkan bahwa metode ini cukup akurat. Kata kunci: GPS-enabled phone, Bus Rapid Transit, Intelligent Transportation Systems, Advanced Traveler Information Systems, Floating Car Data.

PENDAHULUAN Bus Pemindah Cepat (Bus Rapid Transit, BRT) adalah sebuah sistem transportasi massal yang berorientasi pengguna (customer-oriented) yang menggabungkan elemen stasiun, kendaraan (bus), perencanaan, dan sistem transportasi cerdas ke dalam suatu sistem terintegrasi yang unik. BRT umumnya melibatkan koridor busway pada jalur tersendiri yang terpisah dari jalur lalu lintas utama. Sistem ini dianggap sebagai sistem yang sesuai di negara berkembang karena sistem ini dapat diimplementasikan dengan biaya dan teknologi yang relatif rendah dibandingkan dengan sistem mass rapid transit lainnya. Selain itu, sistem ini juga dapat dioperasikan tanpa konstruksi struktur jalan baru karena sistem ini dapat dioperasikan pada jalan yang sudah ada (Ningtyas & Joewono, 2009). Penelitian ini akan difokuskan pada sistem BRT yang mudah diamati yaitu TransJakarta. TransJakarta adalah sebuah sistem BRT yang dirancang untuk menyediakan sistem transportasi publik yang cepat bagi warga Jakarta guna membantu mengurangi kemacetan lalu lintas. Diluncurkan bulan Februari 2004 oleh Pemerintah Provinsi DKI Jakarta, TransJakarta adalah sebuah terobosan di Asia sebagai sistem BRT pertama di wilayah ini dengan jalur yang berdiri sendiri yang diperuntukkan hanya untuk bus TransJakarta, lantai halte (boarding platform) yang sejajar dengan lantai bus, dan pembayaran tiket menggunakan sistem prabayar (NYC Global Partners, 2012). Pada tahun 2011, TransJakarta Busway digunakan oleh 360,000 orang per hari; sebuah kenaikan 32% dari tahun sebelumnya. Ini menyebabkan pengurangan emisi CO2 sebesar lebih dari 54,000 ton, ekuivalen dengan menarik 10,000 kendaraan dari jalan. Estimasi penghematan bahan bakar oleh pengguna busway sebesar 117 milyar Rupiah (NYC Global Partners, 2012). Terlepas dari prestasi TransJakarta seperti yang telah dipaparkan di atas, ternyata setelah berjalan selama ± sepuluh tahun banyak terdapat keluhan penumpang TransJakarta mengenai operasional bus. Keluhan penumpang yang bisa dibaca di website resmi TransJakarta (http://www.transjakarta.co.id/suara.php) antara lain: penumpang menunggu bus terlalu lama, bus yang datang sudah dipenuhi oleh penumpang dari halte-halte sebelumnya sehingga tidak ada tempat

lagi bagi penumpang yang ingin masuk bus, dan tidak terdapatnya informasi mengenai lokasi dan waktu kedatangan bus. Kejadian ini menunjukkan adanya ketidakseimbangan antara segi permintaan penumpang (demand) dan segi persediaan bus (supply) dari sistem transportasi TransJakarta. Jumlah penumpang yang terlalu banyak di suatu halte tetapi tidak diimbangi dengan jumlah bus yang memadai di suatu koridor menunjukkan sistem pendistribusian bus di koridor tersebut tidak optimal. Hal ini pun berlaku untuk kondisi sebaliknya, jika jumlah bus terlalu banyak dan jumlah penumpang lebih sedikit maka segi persediaan dan segi permintaan tidak seimbang di koridor tersebut. Selain itu, tidak terdapat informasi detil mengenai bus TransJakarta yang disampaikan ke penumpang seperti tidak adanya informasi lokasi bus dan waktu kedatangan bus pada suatu halte. Untuk mengatasi permasalahan tersebut maka sistem manajemen transportasi yang handal sangat dibutuhkan. Penelitian ini berfokus pada pemantauan bus TransJakarta yang nantinya dapat digunakan untuk mengoptimalkan distribusi bus (persediaan) serta memberikan informasi yang bermanfaat bagi pengguna seperti lokasi bus secara real-time dan estimasi waktu kedatangan bus pada halte. Sistem Transportasi Cerdas (Intelligent Transportation Systems, ITS) adalah salah satu solusi yang dapat memecahkan permasalahan ini. ITS pada prinsipnya adalah gabungan antara seluruh komponen-komponen transportasi dengan teknologi informasi dan komunikasi (TIK). Kombinasi ini memungkinkan kita untuk mengoptimasi sarana dan prasarana transportasi, dalam hal ini TransJakarta. Optimasi sarana dan prasarana TransJakarta dari segi persediaan membutuhkan suatu teknik untuk mengumpulkan data penggunaan jalan pada koridor-koridor TransJakarta yang kemudian dapat diproses untuk pengelolaan bus (fleet management). Data penggunaan jalan oleh bus TransJakarta akan diolah lalu hasilnya diletakkan di atas peta digital jaringan jalan dan merupakan suatu komponen Advanced Traveler Information Systems (ATIS) yang dapat memberikan informasi lokasi dan kelajuan bus secara real-time. Penelitian sebelumnya yang telah dilakukan oleh Gühnemann, Schäfer, Thiessenhusen, & Wagner (2004) mengungkapkan bahwa sistem pengoleksian data penggunaan jalan yang telah diterapkan di kota Berlin, Jerman menggunakan detektor statis seperti loop detector. Loop detector adalah suatu detektor yang ditanam di bawah jalan untuk mengukur tingkat penetrasi jalan oleh kendaraan. Ketika sebuah kendaraan melintas di atas loop detector maka data kelajuan dan lokasi kendaraan saat itu dapat diperoleh. Informasi yang baik mengenai data penggunaan jalan tidak dapat dihasilkan dengan metode ini. Alasannya karena dalam daerah perkotaan jumlah loop detector ini biasanya sangat sedikit (kota Berlin hanya mempunyai sekitar 200 buah alat tersebut) mengingat sistem ini membutuhkan biaya yang mahal, sehingga mereka tidak dapat memproduksi profil lokasi dan kelajuan yang diperlukan. Oleh karena itu, metode lain sudah dikembangkan untuk mengukur tingkat penetrasi secara langsung, seperti metode Virtual Trip Lines (VTL) yang dilakukan oleh Archana & Navin (2013). VTL adalah penanda geografis yang terletak pada mobile phone, yang memicu update data posisi dan kelajuan ketika kendaraan melalui VTL tersebut. Setiap kendaraan mempunyai mobile phone yang dilengkapi dengan unit penerima sinyal GPS beserta aplikasi yang berfungsi untuk mengirim data pengukuran berdasarkan VTL tersebut ke server. Server mengumpulkan data pengukuran dari semua kendaraan dan menggunakan data tersebut untuk mengestimasi keadaan lalu lintas. Informasi yang baik mengenai data penggunaan jalan juga tidak dapat dihasilkan dengan metode ini karena pengukuran tidak bisa dilakukan pada setiap posisi. Salah satu metode pengukuran penggunaan jalan yang memakan biaya cukup murah dan efektif adalah metode Floating Car Data (FCD). Dalam pendekatan FCD lokasi dan kelajuan kendaraan dapat dilihat secara langsung dari pengamatan kendaraan yang “mengambang” dalam lalu lintas dan yang posisinya ditentukan dari sarana teknologi navigasi seperti Global Positioning System (GPS). Penelitian ini akan menggunakan metode FCD untuk memantau lokasi dan kelajuan bus-bus TransJakarta di satu koridor setiap saat untuk memberikan informasi lokasi bus dan estimasi waktu kedatangan bus pada halte.

METODE PENELITIAN Metode penelitian yang digunakan dapat diperinci menjadi beberapa tahap. Adapun tahapantahapan tersebut sebagai berikut: 1.

Requirements Pada tahap ini akan dicari buku dan bahan referensi lain yang berkaitan dengan Bus Rapid Transit dan metode Floating Car Data. Bahan-bahan referensi diperoleh dari perpustakaan, e-book, dan jurnal pada bidang Ilmu Teknologi dan Manajemen Transportasi dan Ilmu Komputer.

2.

Analysis & Design Metode analisis dalam penelitian ini dibagi menjadi beberapa tahap: 1.

Mempelajari bahasa pemrograman web meliputi HTML, CSS, JavaScript, dan PHP.

2.

Mempelajari penggunaan mobile application DxTrans.

3.

Mempelajari metode Floating Car Data.

4.

Mempelajari Google Maps API.

5.

Mempelajari sistematika perekaman data oleh smartphone, penyimpanan dan pemrosesan data di web server, dan penampilan data di browser.

Metode desain dibagi menjadi beberapa tahap:

3.

1.

Perancangan algoritma dan langkah-langkah untuk setiap tahapan langkah pemantauan pergerakan BRT dengan metode Floating Car Data.

2.

Perancangan tampilan website bagi pengguna sistem.

Implementation Tahap ini merupakan penerapan bahasa pemrograman ke dalam sistem dalam arti menyatukan metode Floating Car Data ke dalam bahasa pemrograman web dan server agar bisa diimplementasikan pada web server dan browser.

4.

Testing & Debugging Pada tahap ini akan diuji sistem yang telah dibuat untuk memastikan bahwa proses perekaman data posisi dan kelajuan BRT sampai penampilan data informasi posisi dan estimasi waktu kedatangan BRT pada browser dapat berjalan dengan semestinya.

5.

Maintenance Sistem yang sudah melewati tahap-tahap sebelumnya dianggap sudah siap dipakai oleh pengguna, akan tetapi jika suatu saat ditemukan kesalahan maka akan dilakukan perbaikan atau perubahan sesuai dengan kebutuhan pengguna.

HASIL DAN BAHASAN Uji Algoritma Pengukuran pergerakan bus TransJakarta di koridor 8 dilakukan tanggal 1 Mei 2014 pukul 12:34 WIB menggunakan 10 smartphone Samsung Nevis; Samsung GT-S6810; Android 4.1.2. Profil kelajuan terhadap waktu dari salah satu bus diberikan pada Gambar 1. Profil kelajuan terhadap waktu tersebut dipenggal menjadi bagian yang lebih kecil untuk memberikan tampilan yang lebih mudah dilihat pada Gambar 2. Sumbu X menunjukkan waktu dengan satuan unix epoch milliseconds (jumlah milliseconds yang telah berlalu sejak 1 Januari 1970) dan sumbu Y menunjukkan kelajuan bus dengan satuan km/jam.

Gambar 1 Profil Kelajuan Bus Terhadap Waktu

Gambar 2 Penggalan Profil Kelajuan Bus Terhadap Waktu

Berdasarkan profil kelajuan di atas, dapat dilihat bahwa kelajuan bus berfluktuasi seiring berjalannya waktu. Fluktuasi yang cukup sering terjadi ini menyebabkan estimasi waktu kedatangan bus pada bus stop sulit dilakukan. Oleh karena itu, profil kelajuan bus tersebut harus diolah untuk menghasilkan estimasi waktu kedatangan bus pada bus stop yang baik. Pengolahan dilakukan dengan mencacah profil kelajuan tersebut menjadi beberapa bagian segmen jalan berdasarkan posisi bus stop, sehingga satu segmen jalan bisa mewakili jalan yang ditempuh oleh bus dari satu bus stop menuju bus stop berikutnya. Satu segmen jalan memiliki informasi bus yang mencakup posisi, kelajuan, dan capture time (waktu ketika data pengukuran bus dikirim ke server) yang bisa diperoleh dari database. Informasi bus ini diolah untuk membuat profil waktu yang diperlukan oleh bus untuk mencapai bus stop pada segmen jalan tersebut. Profil waktu yang diperlukan oleh bus untuk mencapai bus stop dihasilkan dengan menyajikan dua macam data. Data yang pertama adalah waktu yang diperlukan oleh bus untuk mencapai bus stop berdasarkan perhitungan, sedangkan data yang kedua adalah waktu yang diperlukan oleh bus untuk mencapai bus stop berdasarkan keadaan sebenarnya. Data pertama (estimated time) dihasilkan dengan menghitung waktu berdasarkan (i) jarak antara posisi bus saat itu dengan posisi bus stop, dan (ii) kelajuan bus saat itu. Data kedua (actual time) dihasilkan dengan membandingkan capture time bus saat itu dengan capture time bus saat sudah mencapai bus stop.

Uji algoritma dilakukan terhadap koridor 8 segmen jalan yang pertama (Lebak Bulus – Pondok Pinang). Profil waktu yang diperlukan oleh bus untuk mencapai bus stop pada segmen jalan pertama diberikan pada Gambar 3. Sumbu X menunjukkan jarak antara posisi bus dan posisi bus stop dengan satuan meter dan sumbu Y menunjukkan waktu yang diperlukan oleh bus untuk mencapai bus stop dengan satuan detik. Garis biru menunjukkan estimated time dan garis merah muda menunjukkan actual time.

Gambar 3 Profil Waktu yang Diperlukan oleh Bus untuk Mencapai Bus Stop

Berdasarkan profil di atas, dapat dilihat bahwa waktu yang diperlukan oleh bus untuk mencapai bus stop (estimated time) berfluktuasi dikarenakan kelajuan bus yang juga berfluktuasi. Ketika kelajuan bus rendah maka waktu yang diperlukan menjadi tinggi, sedangkan ketika kelajuan bus tinggi maka waktu yang diperlukan menjadi rendah. Untuk mengatasi frekuensi fluktuasi yang cukup sering ini maka kurva estimated time harus dihaluskan dengan menggunakan exponential smoothing. Formula exponential smoothing yang dipakai adalah sebagai berikut (Render, Stair, & Hanna, 2012).

Fx+1 = Fx + α (Yx − Fx ) Fx +1 adalah perkiraan kelajuan baru (untuk indeks x + 1 ), Fx adalah perkiraan kelajuan yang terakhir (untuk indeks x ), α adalah konstanta smoothing (0 ≤ α ≤ 1), dan Yx adalah data aktual kelajuan yang terakhir (untuk indeks x ). di mana

Dalam memilih nilai konstanta smoothing, α , perlu diingat bahwa tujuan utamanya adalah untuk memperoleh perkiraan yang paling akurat. Profil waktu yang diperlukan oleh bus untuk mencapai bus stop dengan berbagai nilai α diberikan pada gambar-gambar berikut.

Gambar 4 Exponential Smoothing dengan Nilai

α

= 0.25

Gambar 5 Exponential Smoothing dengan Nilai

α

= 0.5

Gambar 6 Exponential Smoothing dengan Nilai

α

= 0.75

Gambar 7 Exponential Smoothing dengan Nilai

α

=1

Berbagai nilai α dapat dicoba, dan satu nilai α dengan nilai mean absolute deviation (MAD) terkecil dapat dipilih. Nilai α dengan nilai MAD dapat dilihat pada tabel berikut.

Tabel 1 Tabel Perbandingan Nilai Nilai

α

α

Nilai MAD

0.25

79.00

0.5

78.61

0.75

78.24

1

78.66

Berdasarkan tabel di atas, maka dapat disimpulkan bahwa nilai α sebesar 0.75 memiliki nilai MAD yang terkecil. Nilai α yang optimal ini berlaku untuk exponential smoothing dengan pembatas-pembatas antara lain: (i) pengukuran dilakukan tanggal 1 Mei 2014 pukul 12:34 WIB, (ii) unit penerima sinyal GPS yang dipakai adalah smartphone Samsung Nevis; Samsung GT-S6810; Android 4.1.2, dan (iii) segmen jalan tempat pengukuran terjadi adalah jalur TransJakarta koridor 8 (Lebak Bulus – Pondok Pinang). Peneliti memilih nilai α = 0.75 dalam sistem DxTrans. Hasil pengukuran pada tanggal 20 Juli 2014 pukul 13:22 WIB menggunakan Samsung Galaxy SII; Samsung SHW-M250S; Android 4.1.2 mempunyai nilai error (selisih antara estimated time dengan actual time) untuk setiap halte yang dapat dilihat pada Tabel 2.

Tabel 2 Tabel Error Estimasi Waktu Kedatangan Bus pada Halte Halte

Error

Lebak Bulus

-

Pondok Pinang

15 detik

Pondok Indah 1

21 detik

Pondok Indah 2

4 detik

Tanah Kusir Kodim

20 detik

Kebayoran Lama Bungur

17 detik

Pasar Kebayoran Lama

36 detik

Simprug

15 detik

Permata Hijau

26 detik

RS Medika

22 detik

Pos Pengumben

16 detik

Kelapa Dua Sasak

2 detik

Kebon Jeruk

21 detik

Duri Kepa

3 detik

Kedoya Assidiqiyah

20 detik

Kedoya Green Garden

19 detik

Indosiar

21 detik

Jelambar

12 detik

Grogol 1

23 detik

RS Sumber Waras

2 detik

Harmoni

36 detik

Berdasarkan tabel di atas, maka dapat disimpulkan bahwa metode exponential smoothing dengan nilai α sebesar 0.75 menghasilkan estimasi waktu kedatangan bus pada bus stop yang cukup akurat. Evaluasi User Evaluasi dilakukan dengan menggunakan kuesioner yang akan diisi oleh user, dengan jumlah responden sebanyak 30 orang. Evaluasi terhadap user adalah evaluasi subjektif yang berupa kuesioner berisi kasus-kasus (case) dan pertanyaan yang harus dijawab. Evaluasi subjektif terhadap user dilakukan pada akhir bulan Juli 2014. Evaluasi dilakukan dengan cara memberikan kesempatan kepada responden untuk menyelesaikan kasus-kasus (case) yang terdapat dalam kuesioner kemudian responden diminta untuk menjawab pertanyaan. Berikut hasil kuesioner yang disebarkan kepada user.

Bagaimana penilaian anda secara keseluruhan mengenai website DxTrans?

Tabel 3 Tabel Respon Evaluasi Subjektif Opsi

Frekuensi

Persentase

Tidak baik

0

0.00%

Cukup baik

9

30.00%

Baik

21

70.00%

Total

30

100.00%

Gambar 8 Diagram Evaluasi Subjektif

Dari hasil kuesioner yang diperoleh, dapat disimpulkan bahwa user menilai website DxTrans baik secara keseluruhan.

SIMPULAN DAN SARAN Berdasarkan analisis terhadap hasil evaluasi, maka hal-hal yang dapat disimpulkan dari pengembangan sistem DxTrans ini adalah: 1. Prototipe Advanced Traveler Information Systems menggunakan metode Floating Car Data berupa peta digital jaringan jalan yang meliputi desain arsitektur sistem tersebut sampai ke pembuatan aplikasi instrumen pendukung untuk memperoleh informasi posisi dan estimasi waktu kedatangan Bus Rapid Transit secara real-time telah berhasil dibuat. 2. Simulasi prototipe Advanced Traveler Information Systems tersebut untuk menguji keakuratan informasi posisi dan estimasi waktu kedatangan Bus Rapid Transit yang dihasilkan telah berhasil dilakukan. 3. Sistem pemantauan bus TransJakarta yang dihasilkan bisa ditawarkan kepada Unit Pengelola TransJakarta Busway (UPTB) yang nantinya dapat digunakan untuk mengoptimalkan distribusi bus dan sebagai alat bantu manajemen bus (fleet management). Selain itu, sistem

4.

5. 6. 7. 8.

9.

ini juga dapat memberikan informasi yang bermanfaat bagi pengguna bus seperti posisi bus dan estimasi waktu kedatangan bus pada halte secara real-time, sehingga dapat menjamin ketersediaan informasi mengenai bus pada saat sebelum perjalanan, saat perjalanan, dan pada saat akhir perjalanan. Website DxTrans dapat menampilkan posisi dan informasi detil dari bus TransJakarta dengan baik dan cepat. Website DxTrans juga dapat menampilkan posisi dan informasi detil dari halte TransJakarta dengan baik dan cepat. Desain website DxTrans simpel dan menarik. Informasi yang disampaikan ke user cukup jelas dan mudah dimengerti. Website mudah untuk diakses dan digunakan oleh user. Informasi yang disampaikan ke user dapat memuaskan rasa keingintahuan mereka mengenai posisi bus TransJakarta dan estimasi waktu kedatangan bus TransJakarta pada halte. Estimasi waktu kedatangan bus pada halte menggunakan metode exponential smoothing dengan nilai konstanta smoothing, α , sebesar 0.75. Hasil pengukuran menunjukkan bahwa metode ini cukup akurat. Tidak adanya informasi dalam Bahasa Indonesia menyebabkan user yang memiliki keterbatasan dalam hal bahasa merasa kesulitan untuk mencerna informasi yang ditampilkan.

Berdasarkan simpulan yang didapatkan dan keterbatasan yang ada dalam pengembangan sistem, maka beberapa saran yang dapat dipertimbangkan untuk pengembangan sistem lebih lanjut adalah: 1. Sistem yang dirancang belum digunakan secara langsung oleh Unit Pengelola TransJakarta Busway (UPTB). Negosiasi lebih lanjut dengan pihak UPTB perlu dilakukan untuk mengimplementasikan sistem yang dirancang ke dalam TransJakarta. 2. Saat ini sistem hanya mencakup koridor 8 TransJakarta, sehingga tidak bisa menjangkau pengguna TransJakarta secara keseluruhan. Perluasan sistem untuk menjangkau koridor yang lain perlu dilakukan. 3. User lebih membutuhkan mobile application dibandingkan desktop website, sehingga mobile application untuk platform Android, iPhone, dll. perlu dikembangkan. 4. Penyajian informasi dalam Bahasa Indonesia perlu dibuat untuk menjangkau user yang memiliki keterbatasan dalam hal bahasa. 5. Nilai konstanta exponential smoothing, α , harus dibuat menjadi adaptif terhadap setiap segmen jalan supaya estimasi waktu kedatangan bus pada halte menjadi lebih akurat.

REFERENSI Archana, V., & Navin, K. (2013). Vehicle-Based Traffic Monitoring Via Virtual Trip Lines. IJREAT International Journal of Research in Engineering & Advanced Technology, 1(1). Gühnemann, A., Schäfer, R. P., Thiessenhusen, K. U., & Wagner, P. (2004). Monitoring Traffic and Emissions by Floating Car Data. Working Paper ITS-WP-04-07. Institute of Transport Studies, The University of Sydney, Australia. Tersedia dari http://elib.dlr.de/6675. Ningtyas, D. U., & Joewono, T. B. (2009). The Relations of The Image and Fact of The Service Quality of Busway With User Loyalty. Jurnal Transportasi, 9(1), 15-24. NYC Global Partners. (2012). Best Practice: Bus Rapid Transit (BRT) System. New York: NYC Global Partners. Render, B., Stair, R. M., & Hanna, M. E. (2012). Quantitative Analysis for Management. New Jersey: Pearson Education, Inc.

RIWAYAT PENULIS Garry Glann lahir di kota Jakarta pada 7 Mei 1991. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknik Informatika dan Matematika pada 2014.