Efisiensi logo
Transportation & Fleet OperationsActive — in development (2025–ongoing)

AI Fleet Monitoring untuk Operator Bus Indonesia

Fase 2 dari kerja kami dengan PT Efisiensi Putra Utama, saat ini dalam pengembangan aktif. Sistem AI fleet monitoring yang menggantikan 8 checker manual dengan passenger counting berbasis CCTV dan memberi control room peta real-time setiap bus di armada antarkota 60+ unit. Ownership penuh — dari edge inference sampai dashboard operasional. AI nyata di produksi nyata, bukan demo.

AI Fleet Monitoring untuk Operator Bus Indonesia

Masalah

Dengan platform ticketing Fase 1 sudah live dan menghasilkan manifest digital yang bersih, muncul masalah yang lebih berat. EPU butuh cara mencocokkan jumlah penumpang nyata dengan manifest itu tanpa menempatkan 8 checker di terminal setiap hari, plus view operasional langsung untuk melihat posisi setiap bus dan status on-schedule-nya. Brief-nya praktis: pangkas biaya satu peran spesifik, beri control room satu peta tunggal, dan jangan ganti CCTV yang sudah terpasang. Bukan teater "strategi AI" — sistem yang tetap jalan Senin pagi.

Kendala

  • Hardware WVP-PRO + GB/28181 NVR yang sudah ada harus dipertahankan — no rip-and-replace
  • Edge inference wajib: bandwidth dari bus tidak stabil
  • Tim operasional Indonesia — UI dan SOP harus dalam Bahasa
  • Harus jalan di infrastruktur komoditas, bukan cluster GPU hyperscaler
  • Patuh terhadap kontrak API telemetri Hino dan lifecycle refresh-token
  • Delivery oleh tim tunggal — tidak ada ruang untuk lab AI 10 orang

Pendekatan Kami

Kami ambil ownership engineering end-to-end. Integrasi dengan stack WVP-PRO + GB/28181 NVR yang sudah ada, snapshot pipeline ke YOLO26 inference sidecar, rekonsiliasi jumlah penumpang terhadap manifest digital dari platform ticketing Fase 1, dan Hino API client dengan token lifecycle management untuk telemetri GPS. Di atasnya — dashboard operasional real-time berbasis MapLibre + deck.gl dengan geometri rute PostGIS dan polyline OSRM untuk playback yang bersih. Sistem ter-deploy di setup Docker + Hetzner multi-tenant dengan Grafana, Prometheus, dan Loki untuk observability. Backend Go pakai Clean Architecture — domain, usecase, adapter, handler — supaya modulnya hidup melewati proyek ini.

Galeri

Hasil

  • Pipeline passenger counting AI berjalan di hardware NVR existing — tanpa CCTV baru
  • View peta real-time menggabungkan GPS, status, dan manifest dalam satu layar operasi
  • Merekonsiliasi jumlah penumpang langsung terhadap manifest digital Fase 1
  • Dirancang menggantikan 8 posisi checker manual saat full rollout
  • Fondasi untuk produk fleet intelligence berikutnya di Idin Studio
  • Klien balik secara organik — Fase 2 didapat tanpa pitch kompetitif

Kenapa ini penting

Mayoritas "AI deployment" di Indonesia berhenti di slide deck. Yang ini berjalan di terminal setiap hari, mencocokkan dengan manifest nyata, dan diukur terhadap satu baris anggaran headcount. Pekerjaan seperti inilah yang kami cari. EPU juga jadi pengingat alasan kami ada sebagai agency. Klien kembali langsung ke kami — bukan lewat marketplace, bukan lewat funnel sales. Kepercayaan organik yang lahir dari delivery adalah satu-satunya channel akuisisi yang scalable tanpa membakar modal.

Tech Stack

Next.js 15Tailwind v4Go (Chi)PythonPostgreSQLPostGISMapLibredeck.glMQTTYOLO26OSRMDockerHetznerGrafanaPrometheusLoki
LET'S GO

Hubungi kami

Punya proyek di kepala?

Kami balas dalam 24 jam pada jam kerja WIB. Bahasa Indonesia atau Inggris — pilih yang paling nyaman buat kamu.

Mulai percakapan
Top Rated Plus
100% Job Success
8+ Clients
AI Fleet Monitoring untuk Operator Bus Indonesia | Idin Studio