Abstrak

Pendahuluan

Latar Belakang Masalah

Elektrifikasi kendaraan roda dua pada sektor transportasi berbasis aplikasi merupakan bagian dari upaya menekan emisi karbon di kawasan perkotaan. Grab Indonesia telah mengoperasikan ribuan unit motor listrik melalui skema GrabElectric bekerja sama dengan sejumlah produsen dan penyedia infrastruktur battery swap, salah satunya Swap Energi Indonesia yang telah membangun lebih dari 400 titik Swap Point melalui jaringan minimarket dan SPBU di wilayah Jabodetabek (Swap Energi Indonesia, 2022).

Namun demikian, ekosistem battery swap yang digunakan oleh masing-masing produsen motor listrik pada praktiknya tidak seragam. Setiap produsen mengembangkan spesifikasi baterai dan mekanisme swap yang berbeda, sehingga mitra pengguna satu merek motor tidak dapat memanfaatkan SPBKLU milik ekosistem lain (InfoEV, 2024). Kondisi ini menimbulkan persoalan di lapangan: mitra ojol harus menempuh jarak tambahan untuk mencapai SPBKLU yang kompatibel dengan motornya, sembari mempertaruhkan sisa daya baterai yang semakin menipis — sebuah kondisi yang dalam literatur transportasi kendaraan listrik dikenal sebagai range anxiety (Project Multatuli, 2023).

Persoalan ini menjadi semakin kompleks karena jarak tempuh riil di lapangan kerap tidak sesuai klaim produsen. Baterai yang ditukar di SPBKLU tidak selalu dalam kondisi terisi penuh, terutama pada jam-jam sibuk ketika permintaan swap tinggi, sehingga jarak tempuh yang diperoleh mitra ojol berkurang dan frekuensi kunjungan ke SPBKLU meningkat (Project Multatuli, 2023). Bagi mitra ojol yang pendapatannya bergantung pada jumlah orderan yang diselesaikan, waktu yang terbuang untuk mencari dan menunggu di SPBKLU merupakan kerugian operasional yang nyata.

Sampai saat ini, belum banyak kajian yang memetakan secara spasial bagaimana sebaran dan fragmentasi SPBKLU ini berdampak terhadap wilayah operasional mitra ojol, serta di mana letak area yang paling rentan mengalami kekurangan akses infrastruktur battery swap yang sesuai. Pemetaan berbasis lokasi menjadi pendekatan yang relevan untuk mengungkap pola ini secara objektif dan terukur.

Permasalahan

Berdasarkan latar belakang tersebut, permasalahan yang akan dijawab melalui penelitian ini adalah:

1. 1.
   Bagaimana pola sebaran SPBKLU berdasarkan ekosistem baterai di Provinsi DKI Jakarta?

1. 2.
   Wilayah mana saja yang termasuk dalam kategori dead zone — area yang berada di luar jangkauan baterai penuh dari SPBKLU yang kompatibel?

1. 3.
   Bagaimana rekomendasi lokasi penempatan SPBKLU baru yang dapat mengurangi risiko range anxiety mitra ojol motor listrik?

Rangkuman

Fragmentasi ekosistem baterai kendaraan listrik roda dua menimbulkan hambatan operasional nyata bagi mitra ojol, berupa jarak tempuh tambahan dan risiko kehabisan daya di jalan. Permasalahan ini bersifat spasial karena berkaitan langsung dengan sebaran lokasi SPBKLU dan area jangkauan layanannya. Oleh karena itu, penelitian ini bertujuan memetakan pola sebaran SPBKLU antar-ekosistem, mengidentifikasi wilayah yang kekurangan akses, dan merumuskan rekomendasi lokasi SPBKLU baru berbasis analisis spasial menggunakan platform GEO MAPID.

Metode Penelitian

2.1 Lokasi Penelitian

Penelitian ini difokuskan pada wilayah operasional GrabElectric di Provinsi DKI Jakarta, yang secara administratif terbagi ke dalam lima wilayah kota (Jakarta Pusat, Jakarta Utara, Jakarta Barat, Jakarta Selatan, dan Jakarta Timur). DKI Jakarta dipilih sebagai lokasi kajian karena merupakan salah satu area dengan konsentrasi armada ojol motor listrik dan jaringan Swap Point tertinggi, ditopang oleh jaringan minimarket dan SPBU yang tersebar merata di seluruh wilayah kota (Swap Energi Indonesia, 2022). Aspek yang ditinjau adalah sebaran titik SPBKLU antar-ekosistem baterai, cakupan jangkauan layanannya terhadap wilayah administratif, serta kepadatan aktivitas ojol pada koridor-koridor utama di tiap wilayah kota.

2.2 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini bersumber dari kombinasi data sekunder dan data yang dihimpun melalui platform GEO MAPID:

2.3 Metode

Penelitian ini menggunakan metode analisis spasial yang dilaksanakan secara sistematis dalam delapan tahapan, mulai dari pengumpulan data hingga validasi hasil akhir di platform GEO MAPID. Diagram alir lengkap metode penelitian disajikan pada Gambar 2, dengan uraian tiap tahap sebagai berikut:

Tahap 1 — Pengumpulan DataMengumpulkan data primer dan sekunder yang meliputi: titik lokasi SPBKLU beserta ekosistem baterainya, spesifikasi jangkauan tempuh baterai penuh per merek motor, data jaringan jalan, data titik kepadatan aktivitas (POI) sebagai proksi permintaan ojol, serta batas administrasi wilayah kajian.

Tahap 2 — Praproses dan Klasifikasi DataMelakukan standarisasi format data, koreksi sistem koordinat agar seluruh layer berada pada referensi spasial yang sama, serta mengelompokkan titik SPBKLU ke dalam kategori ekosistem baterai (Ekosistem A dan Ekosistem B) sebagai dasar analisis tahap berikutnya.

Tahap 3 — Network / Service Area AnalysisMenghitung area jangkauan layanan (service area) dari setiap titik SPBKLU menggunakan pendekatan buffer dan isochrone, berdasarkan jarak tempuh maksimum baterai dalam kondisi terisi penuh untuk masing-masing ekosistem. Tahap ini menghasilkan layer poligon jangkauan per ekosistem baterai.

Tahap 4 — Overlay SpasialMelakukan tumpang-susun (overlay) antara layer service area SPBKLU dengan layer kepadatan aktivitas ojol dan jaringan jalan utama, untuk melihat sejauh mana cakupan layanan SPBKLU eksisting beririsan dengan wilayah bervolume aktivitas ojol tinggi.

Tahap 5 — Multi-Criteria ScoringMemberikan skor pada setiap unit grid analisis berdasarkan beberapa kriteria terbobot: status cakupan (coverage gap), tingkat kepadatan permintaan, dan jarak ke SPBKLU eksisting. Pembobotan kriteria dilakukan menyesuaikan tingkat kepentingan masing-masing variabel terhadap risiko range anxiety mitra ojol.

Tahap 6 — Identifikasi Dead ZoneMengklasifikasikan setiap unit grid ke dalam tiga kategori cakupan: terlayani (terjangkau kedua ekosistem baterai), cakupan minim (hanya terjangkau satu ekosistem), dan dead zone (tidak terjangkau ekosistem manapun).

Tahap 7 — Location-Allocation AnalysisMenentukan titik-titik kandidat lokasi SPBKLU baru dengan memprioritaskan unit grid berkategori dead zone yang memiliki skor kepadatan permintaan tertinggi hasil Tahap 5, sehingga penempatan infrastruktur baru memberikan dampak pengurangan risiko range anxiety yang paling signifikan.

Tahap 8 — Visualisasi dan Validasi di GEO MAPIDMenyusun seluruh layer hasil analisis (sebaran SPBKLU, service area, dead zone, kandidat lokasi baru) ke dalam peta tematik menggunakan fitur layer styling GEO MAPID, dilanjutkan dengan pengecekan silang (cross-check) terhadap kondisi lapangan sebelum hasil akhir dipublikasikan.

Hasil dan Pembahasan

Temuan simulasi ini memperkuat argumen yang diangkat pada bagian Pendahuluan: fragmentasi ekosistem baterai bukan sekadar persoalan teknis antarmuka perangkat, melainkan persoalan spasial yang berdampak langsung pada efisiensi operasional mitra ojol. Ketika suatu wilayah hanya terjangkau satu ekosistem baterai — kategori "cakupan minim" yang pada simulasi ini mendominasi sebagian besar wilayah kajian — mitra ojol yang menggunakan motor dari ekosistem lain secara praktis berada pada kondisi setara dengan dead zone, karena SPBKLU terdekat yang secara fisik tersedia tidak dapat mereka gunakan. Pola ini konsisten dengan apa yang dilaporkan Project Multatuli (2023), di mana mitra ojol kerap harus berputar arah mencari titik swap yang sesuai, sembari mempertaruhkan sisa daya baterai yang terus menurun.

Pola dead zone yang tersebar hampir merata di seluruh wilayah kota DKI Jakarta pada simulasi ini juga sejalan dengan temuan umum pada kajian aksesibilitas layanan berbasis lokasi lain di platform MAPID. Sebagai pembanding, kajian aksesibilitas fasilitas kesehatan terhadap kerawanan banjir di Kecamatan Jatiasih, Kota Bekasi, menemukan bahwa keterbatasan sebaran fasilitas justru terjadi di wilayah yang paling membutuhkan akses cepat (Zulny, 2026) — pola yang serupa dengan temuan simulasi ini, di mana wilayah pinggiran yang secara umum memiliki kepadatan permukiman dan aktivitas ojol cukup tinggi justru menjadi area dengan cakupan SPBKLU paling lemah. Pendekatan multi-criteria scoring yang digunakan pada tahap penentuan dead zone dan lokasi prioritas dalam penelitian ini juga mengadopsi logika serupa dengan kajian penentuan zona prioritas pembangunan infrastruktur berbasis pembobotan kriteria, sebagaimana diterapkan pada identifikasi lokasi Disaster Recovery Center di Kabupaten Bekasi (Fara, 2026), yang menunjukkan bahwa pendekatan skoring bertingkat efektif untuk menerjemahkan banyak variabel teknis menjadi rekomendasi lokasi yang actionable bagi pengambil keputusan.

Implikasi praktis dari temuan ini setidaknya ada dua. Pertama, bagi penyedia infrastruktur SPBKLU, hasil identifikasi dead zone dapat menjadi dasar objektif dalam memprioritaskan ekspansi jaringan — bukan berdasarkan asumsi permintaan pasar semata, melainkan berdasarkan kesenjangan cakupan layanan yang terukur secara spasial. Kedua, bagi Grab dan penyedia ekosistem baterai, temuan ini membuka ruang diskusi mengenai potensi interoperabilitas lintas ekosistem — setidaknya di titik-titik yang teridentifikasi sebagai dead zone — sebagai solusi jangka menengah yang lebih cepat direalisasikan dibandingkan pembangunan infrastruktur baru secara penuh.

Perlu ditegaskan kembali bahwa hasil pada bagian ini bersifat simulatif dan belum merepresentasikan kondisi riil di lapangan. Namun demikian, alur metode dan kerangka analisis yang digunakan — dari pengumpulan data hingga location-allocation — sepenuhnya dapat direplikasi menggunakan data primer di platform GEO MAPID untuk menghasilkan rekomendasi yang benar-benar dapat ditindaklanjuti.