Perkembangan Sistem Penukaran dan Pengisian Baterai Sepeda Motor Listrik
Sistem penukaran dan pengisian baterai sepeda motor listrik semakin menjadi bagian penting dari mobilitas ramah lingkungan di kota-kota besar. Namun, di balik kepraktisan yang ditawarkan, terdapat tantangan operasional yang kompleks dan bisa memengaruhi kualitas layanan. Masalah seperti baterai yang tidak terbaca sistem, pintu kabinet yang macet, hingga stasiun yang tiba-tiba offline sering kali menjadi kendala.
Permasalahan ini menjadi fokus utama dalam penelitian disertasi Yusuf Priyandari, seorang mahasiswa Program Doktor (S3) Teknik Industri Universitas Sebelas Maret (UNS) Solo. Dalam risetnya, Yusuf mengembangkan kerangka analitika data yang menggabungkan big data dan pendekatan kausal untuk mengevaluasi tingkat kerentanan operasional stasiun penukaran dan pengisian baterai sepeda motor listrik atau Electric Motorcycle Battery Swap and Charging Station (EM-BSCS).
Menurut Yusuf, operasional stasiun ini sangat dinamis karena melibatkan transaksi digital, komponen teknis, serta faktor lingkungan seperti banjir. Semua hal tersebut dapat berkontribusi pada munculnya kerentanan yang berdampak pada kinerja dan kepercayaan konsumen.
Dalam penelitiannya, Yusuf mengolah lebih dari 880 ribu data transaksi penukaran dan pengisian baterai dari 124 titik stasiun di Jakarta selama tiga bulan pada 2023. Berdasarkan data yang dianalisis, ia menyusun metrik untuk menilai kerentanan stasiun berdasarkan dua aspek utama: hasil kinerja layanan dan karakteristik sistem.
Metrik kinerja mengukur seberapa sering dan seberapa lama gangguan terjadi, serta seberapa besar penurunan performa stasiun. Sementara itu, metrik karakteristik melihat faktor internal dan eksternal, seperti kondisi perangkat dan lingkungan sekitar stasiun. Seluruh indikator tersebut digabungkan menjadi satu skor kerentanan yang kemudian mengelompokkan kondisi stasiun ke dalam lima kategori, mulai dari tidak rentan hingga sangat rentan. Hasil penelitian menunjukkan bahwa mayoritas stasiun yang dianalisis berada pada kategori tidak rentan dan berpotensi rentan.
Temuan ini memberi sinyal positif bagi masyarakat yang menggunakan layanan penukaran baterai motor listrik tanpa rasa khawatir berlebihan. Selain itu, riset ini juga memetakan jenis gangguan operasional yang paling sering terjadi. Dari 1.595 catatan gangguan yang dianalisis, gangguan stasiun offline menjadi yang paling dominan dengan porsi sekitar 61 persen, disusul gangguan baterai tidak terbaca, pintu kabinet bermasalah, dan kerusakan konektor.
Salah satu inovasi dalam penelitian ini adalah penggunaan model AI untuk memproses deskripsi gangguan yang dikirim oleh pelanggan secara otomatis. Dengan teknologi ini, laporan keluhan dapat langsung diklasifikasikan sehingga perusahaan bisa lebih cepat mengambil tindakan.
Yusuf juga membangun model untuk melihat hubungan sebab-akibat antar-faktor penyebab kerentanan. Melalui pendekatan kausal, penelitian ini menunjukkan bahwa pengaturan jumlah kabinet aktif, gangguan teknis, hingga stasiun yang tidak beroperasi memiliki pengaruh nyata terhadap tingkat kerentanan. Penggunaan data besar yang tersimpan di platform IoT sangat krusial untuk pemantauan berkelanjutan. Jika dikombinasikan dengan pendekatan kausal, perusahaan bisa menyusun langkah mitigasi yang lebih tepat sasaran.
Selain itu, Yusuf menyarankan perusahaan untuk meningkatkan mekanisme pengawasan kondisi-kondisi eksternal di sekitar stasiun penukaran dan pengisian baterai yang saat ini belum dimonitor ke dalam sistem. Dengan pendekatan causal inference, sumber-sumber pemicu gangguan bisa memberikan kontribusi dalam perencanaan yang terjadi di stasiun.
Riset ini dibimbing oleh Prof. Wahyudi Sutopo dari Teknik Industri UNS, Prof. Muhammad Nizam dari Teknik Elektro UNS, serta Prof. Hendro Wicaksono dari Constructor University, Jerman. Ke depan, kerangka analitika ini diharapkan dapat menjadi dasar pengambilan keputusan operasional sekaligus meningkatkan kualitas layanan stasiun baterai motor listrik di Indonesia.
Tinggalkan Balasan