Kolaborasi BINUS dan PLN Icon Plus: Optimisasi Pemilihan Lokasi SPKLU untuk Percepatan Adopsi Kendaraan Listrik
Kendaraan listrik semakin menjamur, terutama di jalanan kota-kota besar. Beberapa artis seperti Deddy Corbuzier, Dian Sastrowardoyo, dan Raffi Ahmad bahkan dikabarkan mulai beralih ke mobil listrik karena dinilai lebih ramah lingkungan.
Meski tren kian meningkat, adopsi kendaraan listrik belum mencapai target. Hingga Maret 2023, hanya tercatat sekitar 53.091 unit kendaraan listrik terdaftar, jauh di bawah target 12,167 juta unit pada tahun 2025.
Salah satu tantangan utama adalah kurangnya infrastruktur pengisian daya yang memadai dan nyaman. Masyarakat masih kesulitan dalam mengakses stasiun pengisian kendaraan listrik umum (SPKLU) yang tidak semudah menemukan SPBU. Oleh karena itu, diperlukan analisis yang tepat dalam menentukan lokasi SPKLU agar dapat memberikan manfaat maksimal bagi investor dan pengguna.
Kolaborasi Akademis dan Industri
Menjawab kebutuhan tersebut, BINUS Graduate Program (BGP) dan PT PLN Icon Plus bekerja sama untuk mengembangkan framework yang bisa digunakan untuk memprediksi lokasi ideal untuk SPKLU. Pelaksanaan proyek ini dimulai pertengahan tahun 2023 dengan pendanaan hibah dari Kadeireka.
Astari Retnowardhani, dosen Magister Manajemen Sistem Informasi (MMSI) di BGP yang merupakan salah satu tim riset, menjelaskan bahwa proyek ini berawal dari diskusi bersama di tim Program Studi MMSI yang dipimpin oleh Tuga Mauritsius.
“Kami melihat kebutuhan akan kendaraan listrik semakin meningkat, namun infrastruktur pengisiannya belum memadai. PLN Icon Plus memiliki program untuk menentukan lokasi potensial pemasangan charging station dan mencari mitra dari perguruan tinggi untuk membantu,” ungkapnya.
Tanty Oktavia, Kepala Program Studi MMSI BGP, menambahkan bahwa proyek ini penting bagi program studi karena dosen memiliki kewajiban melakukan penelitian yang tidak hanya bersifat konseptual, tetapi juga dapat diimplementasikan dan bersinergi dengan industri.
“Penelitian ini diharapkan dapat memberikan dampak positif bagi masyarakat,” ujarnya.
Melakukan Pemetaan Lokasi Ideal
Riset yang dilakukan menghasilkan framework yang menjadi kunci dalam menentukan lokasi strategis untuk penempatan SPKLU. Framework ini dirancang dengan pendekatan matematis yang cermat untuk memprediksi klasifikasi utilisasi SPKLU berdasarkan data yang ada.
“Jangan sampai perusahaan memasang SPKLU di tempat yang sepi pengguna EV. Dari model yang dihasilkan, kami bisa menentukan lokasi yang paling potensial,” kata Astari.
Framework itu menggunakan pendekatan mathematical modeling dan machine learning untuk mengolah berbagai jenis data, termasuk data spasial, transaksi, populasi, dan lokasi pemilik kendaraan listrik, guna memprediksi kebutuhan dan utilisasi dalam waktu dekat.
“Dengan memanfaatkan machine learning, kami dapat mengolah data secara lebih efektif dan menghasilkan prediksi yang akurat mengenai lokasi SPKLU yang paling potensial,” jelasnya.
Implementasi di lapangan menjadi langkah krusial berikutnya. Hasil dari riset ini adalah sebuah peta yang menunjukkan lokasi optimal untuk penempatan SPKLU di kawasan Jadetabek. Proses implementasi melibatkan pemetaan titik permintaan, prediksi popularitas calon SPKLU, dan penentuan lokasi terpilih.
“Kami melakukan analisis data yang komprehensif untuk memastikan setiap lokasi yang dipilih didasarkan pada data dan prediksi yang akurat,” tutur Astari.
Penelitian ini memetakan berbagai faktor penting, seperti kepadatan penduduk, lalu lintas, dan lokasi strategis lainnya, untuk menghasilkan peta lokasi yang efektif dan efisien. Melalui analisis dan pemodelan data yang teliti, tim riset dapat menentukan lokasi-lokasi yang memiliki potensi tinggi untuk pemasangan SPKLU.
“Peta ini bukan hanya sekedar peta, tetapi merupakan hasil dari proses analisis data yang mendalam dan prediksi yang teliti,” tambah Tanty.
Dengan peta ini, diharapkan penempatan SPKLU di Jadetabek dapat lebih optimal, sehingga memudahkan pengguna kendaraan listrik dalam mengakses fasilitas pengisian daya, serta mendorong peningkatan adopsi kendaraan listrik di wilayah tersebut.
Kolaborasi Multidisiplin
Tim BGP melibatkan kolaborasi internal antar berbagai disiplin ilmu, yakni Sistem Informasi, Teknik Industri, dan Matematika. “Setiap disiplin memberikan kontribusi sesuai keahlian mereka, seperti memahami bisnis proses, model matematika, dan supply chain,” jelas Astari.
“Kolaborasi ini memungkinkan kami membangun model machine learning yang akurat dan efektif, dengan dukungan data dan ekspertis dari berbagai bidang,” lanjut Tanty.
Harapannya, proyek ini dapat meningkatkan adopsi EV di Indonesia dengan menyediakan infrastruktur pengisian daya yang mudah diakses.
“Hal ini sejalan dengan upaya pemerintah dalam mendukung penggunaan kendaraan ramah lingkungan dan mencapai tujuan pembangunan berkelanjutan,” ujar Ibu Tanty.
Ke depan, proyek ini akan terus dikembangkan dan diimplementasikan, serta melakukan pelatihan untuk pihak mitra. “Kami juga terbuka untuk berkolaborasi dengan pihak swasta atau instansi lain yang memiliki inisiatif serupa,” pungkasnya.
Kerja sama riset antara BINUS Graduate Program dengan PLN Icon Plus merupakan langkah penting dalam mendukung adopsi kendaraan listrik di Indonesia. Dengan memanfaatkan pendekatan multidisiplin dan teknologi machine learning, proyek ini diharapkan dapat memberikan solusi optimal dalam penyediaan infrastruktur pengisian daya yang efektif dan efisien.
