UNIKOM

Menembus Batas Sunyi di Jalan Raya: GITA, Solusi Navigasi Haptik dan AI untuk Keselamatan Pengemudi Ojol Tunarungu

8–12 minutes

Anggota: 

  • Muhammad Favian Jiwani – 10123115 – Teknik Informatika
  • Ratuayu Nurfajar – 10123215 – Teknik Informatika
  • Fariz Oktavian – 10523006 – Sistem Informasi

Pendahuluan: Aksesibilitas Ekonomi vs Keselamatan Kerja

Di tengah pesatnya pertumbuhan ekonomi digital di Indonesia, sektor transportasi informal seperti ojek online (ojol) telah muncul sebagai salah satu pilar inklusivitas ekonomi yang paling nyata. Platform-platform besar seperti Grab, Gojek, Maxim, dan Gaspol Jek membuka peluang bagi kelompok masyarakat rentan, termasuk penyandang disabilitas pendengaran (tunarungu), untuk memperoleh kemandirian finansial. Fenomena ini bukan lagi sekadar gerakan kecil; saat ini terdapat lebih dari 1.000 pengemudi tunarungu yang berjuang di jalanan kota besar dan bernaung di bawah Komunitas Ojol Tunarungu Indonesia (KOTRI). Komitmen korporasi seperti program “Mendobrak Sunyi” oleh Grab Indonesia yang merekrut lebih dari 90 mitra tunarungu membuktikan bahwa mereka memiliki ruang kerja yang valid di sektor ini.

Namun, integrasi ini menyisakan sebuah dilema besar terkait hak atas keselamatan kerja, yang merupakan hak fundamental setiap warga negara tanpa kecuali. Berdasarkan data dari Long Form Sensus Penduduk 2022 oleh Badan Pusat Statistik (BPS), Indonesia merupakan rumah bagi lebih dari 255.000 jiwa yang mengalami ketulian total dan sekitar 669.000 jiwa dengan gangguan pendengaran kategori berat. Ketika sebagian dari mereka memutuskan untuk menjadi pengemudi ojek online, mereka langsung dihadapkan pada lingkungan lalu lintas jalan raya yang dirancang secara audio-sentris dan visual-sentris, tanpa adanya akomodasi teknologi yang memadai untuk keterbatasan mereka. Akibatnya, pengemudi tunarungu menghadapi risiko keselamatan yang jauh lebih tinggi dibandingkan pengemudi umum.

Dua Ancaman Utama Pengemudi Tunarungu di Jalan Raya

Melalui analisis mendalam terhadap aktivitas berkendara, tim kami mengidentifikasi dua masalah keselamatan krusial yang dihadapi oleh pengemudi ojol tunarungu setiap harinya:

  1. Distraksi Visual Akibat Ketergantungan Navigasi Layar: Bagi pengemudi dengan pendengaran normal, panduan arah belok-demi-belok dari aplikasi navigasi seperti Google Maps diproses melalui instruksi suara pada earphone atau intercom. Pengemudi tunarungu tidak memiliki kemewahan ini. Satu-satunya cara bagi mereka untuk mengetahui rute penjemputan atau pengantaran adalah dengan terus-menerus menatap layar smartphone yang terpasang di stang motor saat kendaraan sedang melaju. Perilaku ini sangat berbahaya. Prevalensi penggunaan ponsel saat berkendara di kalangan pengendara motor Indonesia mencapai angka yang mengkhawatirkan, yaitu 75%. Secara ilmiah, aktivitas memicu distraksi visual seperti ini meningkatkan risiko kecelakaan lalu lintas hingga 3,6 kali lipat. Penelitian korelasional juga menegaskan adanya hubungan linier yang signifikan antara tingkat smartphone distraction dengan penurunan kualitas perilaku berkendara (driving behavior) pada pengemudi ojek online.
  1. Penurunan Kesadaran Situasional (Situational Awareness) Terhadap Sinyal Audio: Lingkungan lalu lintas kaya akan sinyal peringatan berbasis suara yang berfungsi sebagai sistem peringatan dini (early warning system) terhadap bahaya. Klakson kendaraan lain, sirene mobil pemadam kebakaran, mobil polisi, hingga mobil ambulans merupakan indikator penting yang menuntut respons cepat dari pengemudi. Keterbatasan dalam mempersepsikan sinyal suara ini secara langsung menurunkan kesadaran situasional pengemudi tunarungu di jalan raya. Mereka sering kali terlambat menyadari keberadaan kendaraan darurat yang datang dari arah belakang atau tidak mendengar klakson peringatan dari pengendara lain saat hendak melakukan manuver di tengah kemacetan.

Kombinasi dari bahaya distraksi visual dan hilangnya persepsi audio ini menegaskan adanya kesenjangan inovasi yang nyata. Sistem navigasi modern belum dirancang ramah bagi keselamatan pengemudi tunarungu.

Mengapa Solusi Eksisting Belum Cukup?

Upaya-upaya teoritis dan praktis sebenarnya telah dilakukan oleh berbagai pihak untuk mengatasi keterbatasan navigasi bagi penyandang disabilitas. Sebagai contoh, penelitian oleh Otoom, Alzubaidi, dan Aloufee pada tahun 2022 merancang sistem yang menerjemahkan perintah GPS menjadi enam pola getaran haptik. Namun, sistem tersebut dirancang khusus untuk pengemudi mobil di lingkungan kabin yang minim getaran ekstrem. Ketika solusi tersebut diterapkan pada pengendara sepeda motor, polanya menjadi tidak efektif karena intervensi getaran alami mesin motor serta guncangan akibat kondisi jalan raya yang tidak rata.

Di sisi lain, terdapat pula penelitian oleh Escobar Alarcón dan Ferrise (2017) yang mendesain alat navigasi haptik dua pergelangan tangan untuk pesepeda. Walaupun mereka menyimpulkan bahwa sinyal haptik sangat intuitif untuk navigasi belok-demi-belok, perangkat tersebut tidak mempertimbangkan kebutuhan pengemudi motor berkecepatan tinggi, serta belum menyentuh aspek mitigasi terhadap hilangnya persepsi suara darurat. Sementara itu, langkah korporasi seperti Gojek melalui Yayasan GoTo Merah Putih pada akhir tahun 2025 yang membagikan rompi khusus bagi mitra driver tunarungu patut diapresiasi. Rompi tersebut berfungsi sebagai alat identifikasi, namun solusi ini bersifat pasif karena sangat bergantung pada kesadaran empati orang di sekitar dan sama sekali tidak memberikan solusi teknis terhadap pemanduan navigasi rute ataupun deteksi bahaya secara real-time.

Mengenal GITA: Gelang Isyarat Tunjuk Arah Berbasis IoT dan AI

Melihat keterbatasan dari solusi yang ada, kami—sebuah tim mahasiswa dari Universitas Komputer Indonesia yang terdiri dari Muhammad Favian Jiwani (Teknik Informatika), Ratuayu Nurfajar (Teknik Informatika), dan saya sendiri, Fariz Oktavian (Sistem Informasi), di bawah bimbingan dosen pendamping Ibu Dian Dharmayanti, S.T., M.Kom.—mengembangkan sebuah inovasi terintegrasi bernama GITA (Gelang Isyarat Tunjuk Arah).

GITA dirancang sebagai sepasang gelang navigasi haptik cerdas berbasis IoT (Internet of Things) yang dikenakan pada pergelangan tangan kiri dan kanan pengemudi. Sistem ini bekerja berdasarkan prinsip biomekanika yang sangat sederhana namun efektif: kiri-bergetar-kiri dan kanan-bergetar-kanan. Melalui pendekatan ini, pengemudi tidak perlu lagi menghafal pola getaran yang rumit pada satu perangkat tunggal. Lokasi pergelangan tangan dipilih secara sengaja berdasarkan studi literatur oleh Flores Ramones dan del-Rio-Guerra (2023) yang menyatakan bahwa pergelangan tangan adalah area tubuh manusia yang paling optimal untuk menerima rangsangan taktil dengan tingkat akurasi persepsi sensorik di atas 90%. Perangkat ini memberikan keunggulan navigasi hands-free dan eyes-free.

Arsitektur AI YAMNet untuk Deteksi Suara Darurat

Salah satu keterbaruan utama dari GITA adalah kemampuannya “mendengar” lingkungan sekitar untuk pengemudi. Aplikasi mobile GITA mengintegrasikan model kecerdasan buatan tingkat lanjut bernama YAMNet (Yet Another Mobile Network), sebuah model klasifikasi audio deep learning prapelatihan yang dikembangkan oleh Google. YAMNet dibangun di atas arsitektur MobileNetV1 dan dilatih menggunakan dataset raksasa AudioSet yang mampu mengenali ratusan kelas suara.

Alasan utama pemilihan YAMNet adalah pemanfaatan teknologi depthwise separable convolution. Berbeda dengan arsitektur konvolusi standar yang memproses pola spasial dan informasi antar-kanal secara bersamaan, depthwise separable convolution memisahkan proses tersebut menjadi dua tahap: depthwise convolution untuk menangkap pola lokal pada spektrogram, dan pointwise convolution untuk menggabungkan informasi antar-kanal. Pendekatan matematis ini secara drastis memangkas parameter komputasi dan ukuran model, membuatnya sangat ringan, responsif, dan optimal untuk dijalankan secara lokal pada perangkat dengan sumber daya terbatas seperti smartphone.

Dalam pengembangannya, kami melakukan proses Fine-Tuning pada model YAMNet. Kami membekukan (freeze) lapisan awal model yang bertugas mengekstrak fitur suara umum, dan membuka blok lapisan akhir (unfreeze) untuk dilatih ulang menggunakan dataset suara spesifik yang relevan dengan jalan raya Indonesia. Lapisan klasifikasi akhir diubah menjadi Fully Connected Layer dengan 3 output utama (FC-3): Kendaraan Darurat (Sirene), Klakson, dan Noise (Suara Angin/Mesin).

Detail Spesifikasi Hardware IoT GITA

  • Mikrokontroler Seeed Studio XIAO ESP32-S3: Komponen ini bertindak sebagai unit pemroses utama pada gelang. Ukurannya yang ultra-kecil sangat ideal untuk perangkat wearable, mendukung protokol BLE 5.0 yang menawarkan keunggulan latensi transmisi yang sangat rendah.
  • Driver Haptik DRV2605L: Pengendali motor getar ini terhubung ke mikrokontroler melalui antarmuka I2C dan dilengkapi fitur auto-resonance tracking untuk memastikan daya dorong ke aktuator selalu berada pada frekuensi resonansi puncaknya.
  • Aktuator Linear Resonant Actuator (LRA) Taptic Engine Z-Axis: GITA menggunakan LRA yang menghasilkan gaya osilasi linier. Keunggulan utamanya adalah rise time dan fall time yang jauh lebih cepat serta konsumsi daya yang sangat efisien.
  • Algoritma Dynamic Time-to-Intercept (TTI): Secara dinamis mengatur 7 variasi pola getaran berdasarkan data kecepatan kendaraan dari GPS.
  • Sistem Catu Daya & Casing: Gelang ditenagai Baterai LiPo 500mAh 3,7V, dibalut casing dari material Thermoplastic Polyurethane (TPU) fleksibel hasil cetak 3D.

Siklus Pelaksanaan Proyek Berbasis Kerangka Kerja Scrum

Dalam mewujudkan proposal PKM-KC ini menjadi sebuah produk nyata, tim kami mengadopsi metodologi pengembangan manajemen proyek Agile dengan kerangka kerja Scrum selama 4 bulan masa pelaksanaan. Proses Scrum dijalankan melalui lima tahapan siklus yang ketat:

  1. Product Backlog: Menyusun dan memprioritaskan daftar seluruh kebutuhan fitur.
  2. Sprint Planning: Menentukan tujuan spesifik dan membagi tugas berdasarkan pembagian peran organisasi.
  3. Daily Scrum: Pertemuan harian singkat untuk memantau progres pengerjaan dan menyelesaikan kendala teknis.
  4. Sprint Review: Demonstrasi fungsionalitas fitur baru di akhir siklus.
  5. Sprint Retrospective: Evaluasi internal terhadap efisiensi kerja tim.

Pengujian akhir dilakukan melalui Integration Testing dan User Acceptance Test (UAT) komprehensif, di mana purwarupa GITA diuji coba berkendara secara langsung di lapangan oleh tiga pengemudi tunarungu asli dari komunitas KOTRI.

Perspektif Kewirausahaan: Analisis Potensi Bisnis Sosiopreneur

Dari sudut pandang mata kuliah Kewirausahaan, GITA tidak hanya memproyeksikan sebuah pemecahan masalah teknis, melainkan sebuah peluang bisnis berbasis sosial (social entrepreneurship / sosiopreneur) yang sangat menjanjikan. Produk ini menawarkan paket keselamatan berkendara yang belum pernah ada di pasar wearable device mainstream.

Dari aspek finansial, dengan total alokasi dana sebesar Rp8.724.000, tim kami mampu memproduksi 6 unit purwarupa awal. Jika kita melakukan analisis biaya produksi per unit (HPP) untuk skala produksi purwarupa, biaya yang dihabiskan adalah sekitar Rp1.454.000 per pasang gelang. Namun, ketika masuk ke tahap produksi massal (mass production), peralihan dari cetak 3D ke metode injection molding serta optimalisasi manufaktur PCB massal dapat menekan biaya produksi hingga berkisar Rp400.000 – Rp500.000 per unit.

Target pasar (Customer Segment) dari GITA sangat jelas:

  • B2C (Business to Consumer): Penjualan langsung kepada pengemudi ojek online tunarungu melalui pendekatan komunitas, dengan skema harga terjangkau.
  • B2B (Business to Business): Kemitraan strategis dengan perusahaan ride-hailing raksasa seperti Grab dan Gojek. Perusahaan ini dapat membeli GITA dalam volume besar sebagai fasilitas penunjang keselamatan resmi bagi mitra pengemudi disabilitas mereka.

Kesimpulan: Mewujudkan Jalan Raya yang Ramah bagi Semua

GITA (Gelang Isyarat Tunjuk Arah) adalah manifestasi nyata bagaimana integrasi antara teknologi Internet of Things (IoT) dan Kecerdasan Buatan (AI) dapat diramu menjadi solusi sosiopreneur yang berdampak masif. Inovasi ini berjalan selaras dengan agenda dunia dalam Sustainable Development Goals (SDGs) nomor 10, yaitu Reduced Inequalities (Mengurangi Ketimpangan), sekaligus mendukung kepatuhan terhadap UU LLAJ.

Melalui transisi panduan rute dari layar visual ke pergelangan tangan haptik, serta asisten pendengar berbasis AI YAMNet, GITA siap mendobrak sunyi dan mengembalikan rasa aman serta kemandirian bagi para pengemudi tunarungu dalam menjemput rezeki. Karena pada akhirnya, inovasi teknologi yang paling bernilai tinggi adalah inovasi yang mampu meruntuhkan tembok pembatas sosial dan memanusiakan manusia.

Daftar Pustaka

  • Bluetooth SIG (2023) Bluetooth Core Specification, Version 5.4.
  • BPS (2022) Jumlah Penduduk Berumur 5 Tahun ke Atas menurut Kelompok Umur, Jenis Kelamin, dan Tingkat Kesulitan Mendengar, INDONESIA.
  • Brusa, E., Delprete, C. dan Di Maggio, L.G. (2021) ‘Deep Transfer Learning for Machine Diagnosis: From Sound and Music Recognition to Bearing Fault Detection’, Applied Sciences, 11(24), hlm. 11663.
  • Choi, S. dan Kuchenbecker, K.J. (2013) ‘Vibrotactile Display: Perception, Technology, and Applications’, Proceedings of the IEEE, 101(9), hlm. 2093-2104.
  • Crundall, D., Howard, A. dan Young, A. (2017) ‘Perceptual training to increase drivers’ ability to spot motorcycles at T-junctions’, Transportation Research Part F: Traffic Psychology and Behaviour, 48, hlm. 1-12.
  • Dingus, T.A., et al. (2016) ‘Driver crash risk factors and prevalence evaluation using naturalistic driving data’, Proceedings of the National Academy of Sciences, 113(10), hlm. 2636-2641.
  • Escobar Alarcón, M.C. dan Ferrise, F. (2017) ‘Design of a Wearable Haptic Tool for Cyclists’ Navigation’.
  • Espressif (2024) ESP32-S3 Series Datasheet.
  • Flores Ramones, A. dan del-Rio-Guerra, M.S. (2023) ‘Recent Developments in Haptic Devices Designed for Hearing-Impaired People: A Literature Review’, Sensors, 23(6), hlm. 2968.
  • Grab Indonesia (2019) Grab Kembangkan Program Mendobrak Sunyi untuk Melayani Lebih Banyak Komunitas Penyandang Disabilitas.
  • Ho, P. dan Santoso, H. (2025) ‘LSTM-Based Hand Gesture Recognition for Indonesian Sign Language System (SIBI) on Affix, Alphabet, Number, and Word’, Journal of Applied Informatics and Computing, 9(3), hlm. 928-987.
  • Kappers, A.M.L., et al. (2024) ‘Hands-Free Haptic Navigation Devices for Actual Walking’, IEEE Transactions on Haptics, 17(4), hlm. 528-545.
  • KOTRI (2025) Komunitas Ojol Tunarungu Relawan Indonesia.
  • Liputan6 (2025) Gojek Sediakan Rompi Khusus untuk Mitra Driver Tunarungu.
  • Otoom, M., Alzubaidi, M.A. dan Aloufee, R. (2022) ‘Novel navigation assistive device for deaf drivers’, Assistive Technology, 34(2), hlm. 129-139.
  • Prasad, M., et al. (2014) ‘Harakiri: Turn-by-turn haptic route guidance interface for motorcyclists’, Conference on Human Factors in Computing Systems – Proceedings, hlm. 3597-3606.
  • Schwaber, K. dan Sutherland, J. (2020) The Scrum Guide: The Definitive Guide to Scrum: The Rules of the Game.
  • Septiandy, M.A. dan Purnomo, J.T. (2024) ‘Smartphone Distraction dan Driving Behavior Pada Driver Ojek Online’, G-Couns: Jurnal Bimbingan dan Counseling, 9(2), hlm. 1079-1092.
  • Thorslund, B., et al. (2013) ‘The influence of hearing loss on transport safety and mobility’, European Transport Research Review, 5(3), hlm. 117-127.
  • Widyanti, A., et al. (2020) ‘Mobile phone use among Indonesian motorcyclists: prevalence and influencing factors’, Traffic Injury Prevention, hlm. 459-463.