Penghasilan Ojol Tak Kunjung Naik Setelah Libur Sekolah Berakhir

Jutaan keluarga di Indonesia menggantungkan hidup dari layanan ojek online (ojol), sehingga naik-turunnya pendapatan pengemudi bukan sekadar kabar ekonomi, melainkan cermin kesehatan ekosistem transportasi digital yang kita pakai setiap hari. Ketika libur sekolah berakhir dan aktivitas masyarakat kembali normal, banyak pihak mengira order akan melonjak. Kenyataannya, sejumlah pengemudi mengaku penghasilan harian mereka masih jalan di tempat.

Fenomena ini penting karena menunjukkan bahwa permintaan layanan ojol tidak selalu bergerak seirama dengan kalender aktivitas masyarakat. Ibarat seperti pedagang kaki lima yang menanti musim ramai, pengemudi ojol biasanya menyambut berakhirnya libur sekolah sebagai momen panen order, terutama dari perjalanan antar-jemput pelajar dan pekerja yang kembali ke rutinitas. Namun panen yang dinanti ternyata belum kunjung tiba, dan kondisi ini berdampak langsung pada kemampuan mereka memenuhi kebutuhan rumah tangga.

Berapa Sebenarnya Penghasilan Harian Pengemudi?

Berdasarkan pengakuan sejumlah pengemudi di beberapa kota besar, pendapatan kotor harian saat ini berkisar antara Rp80.000 hingga Rp150.000 untuk jam kerja 8 sampai 10 jam. Angka tersebut belum dipotong biaya operasional seperti bahan bakar yang mencapai Rp30.000 hingga Rp40.000 per hari, pulsa dan kuota internet, serta cicilan kendaraan. Artinya, pendapatan bersih yang dibawa pulang bisa tinggal separuh dari pendapatan kotor.

Sebagai perbandingan, pada periode ramai sebelum libur sekolah, pengemudi pada jam sibuk pagi dan sore bisa mengantongi 15 hingga 20 order per hari. Kini, banyak yang hanya mendapat 8 sampai 12 order meski sudah beroperasi sejak subuh. Selisih ini terasa signifikan karena skema insentif platform umumnya berbasis target jumlah order harian yang semakin sulit dicapai.

Mengapa Order Tak Kunjung Pulih?

Ada beberapa faktor yang menjelaskan stagnasi ini. Pertama, perilaku konsumen yang berubah: banyak keluarga masih menahan pengeluaran setelah musim liburan menguras anggaran, sehingga beralih ke moda transportasi yang lebih murah. Kedua, jumlah pengemudi aktif yang terus bertambah membuat kue order yang sama harus dibagi ke lebih banyak orang. Ketiga, pola perjalanan masyarakat yang belum sepenuhnya stabil pasca-liburan.

Faktor keempat yang tak kalah penting adalah mekanisme distribusi order di dalam aplikasi. Platform ojol menggunakan algoritma berbasis machine learning (pembelajaran mesin), yaitu teknologi yang membuat sistem komputer belajar dari data untuk mengambil keputusan secara otomatis. Algoritma ini menentukan pengemudi mana yang menerima order berdasarkan lokasi, riwayat performa, tingkat penyelesaian order, hingga prediksi permintaan. Bagi pengemudi yang performanya sedang menurun, jatah order bisa ikut menyusut.

Peran Teknologi dan Ekosistem Platform

Di balik layar, inovasi dan pengembangan sistem pencocokan order terus dilakukan perusahaan aplikasi demi efisiensi. Implementasi dynamic pricing (penetapan tarif dinamis) membuat tarif naik saat permintaan tinggi. Namun pada kondisi permintaan rendah seperti sekarang, tarif cenderung normal sehingga pendapatan per order pun biasa-biasa saja.

Para pengamat ekonomi digital menilai stagnasi ini adalah sinyal bahwa ekosistem gig economy (ekonomi kerja lepas berbasis platform) sedang memasuki fase jenuh di sejumlah kota. Jumlah mitra pengemudi yang membeludak tidak diimbangi pertumbuhan permintaan yang setara. Tanpa penelitian mendalam dan kebijakan penyeimbang, kesejahteraan mitra akan terus tertekan.

Apa yang Bisa Diharapkan ke Depan?

Dalam jangka pendek, pengemudi berharap awal tahun ajaran baru dan kembalinya aktivitas perkantoran secara penuh akan mengerek permintaan. Sebagian platform juga biasanya menggelar program insentif tambahan pada periode sepi untuk menjaga pendapatan mitra agar tetap layak.

Dalam jangka panjang, disrupsi teknologi justru bisa menjadi jawaban. Pengembangan layanan baru seperti pengiriman barang, pesan-antar makanan, hingga logistik antar-kota membuka sumber pendapatan alternatif bagi pengemudi. Deep tech (teknologi berbasis riset mendalam) seperti optimasi rute dan prediksi permintaan berbasis data juga berpotensi memangkas waktu kosong pengemudi di jalan.

Bagi pengguna, memahami kondisi ini penting agar kita lebih bijak memaknai tarif yang dibayar. Di balik setiap perjalanan singkat yang dipesan lewat ponsel, ada pengemudi yang sedang berjuang menjaga dapurnya tetap mengepul.