Peran Teknologi BN-BWM-GIS dalam Perencanaan Lokasi Stasiun Pengisian Kendaraan Listrik
Permasalahan emisi gas rumah kaca akibat penggunaan kendaraan bermotor telah menjadi isu global yang mendesak, terutama dengan meningkatnya emisi karbon dioksida (CO) dari sektor transportasi. Menurut laporan "Global Energy Review: CO Emissions in 2021" yang diterbitkan oleh Badan Energi Internasional (IEA), emisi CO dari pembakaran energi dan proses industri di seluruh dunia diperkirakan mencapai 36,3 miliar ton, angka tertinggi yang pernah tercatat hingga saat ini. Kenaikan emisi tahunan ini sekitar 6% lebih tinggi dibandingkan tahun sebelumnya (2020), dan lebih dari 40% emisi CO di perkotaan berasal dari kendaraan bermotor. Laporan tersebut juga menunjukkan bahwa emisi yang dihasilkan oleh kendaraan menempati proporsi signifikan dalam total emisi di negara-negara dengan jumlah kendaraan yang terus bertambah, seperti Tiongkok. Pada akhir tahun 2021, jumlah kendaraan bermotor di Tiongkok mencapai 395 juta unit, di mana 302 juta di antaranya adalah mobil pribadi. Angka ini menunjukkan peningkatan sebesar 7% dari tahun sebelumnya, yang berkontribusi pada peningkatan kemacetan, polusi, dan konsumsi energi yang signifikan. Kondisi ini semakin mendesak untuk ditangani dengan solusi transportasi yang lebih bersih dan berkelanjutan.
Di tengah tantangan ini, kendaraan listrik (EV) muncul sebagai salah satu solusi rendah karbon yang diharapkan mampu mengurangi ketergantungan pada bahan bakar fosil. Laporan IEA lainnya, "Net Zero by 2050," menyebutkan bahwa peran sektor energi sangat penting untuk mencapai emisi nol pada tahun 2050, di mana penggunaan EV dan infrastruktur pengisian menjadi langkah strategis yang perlu diprioritaskan. Sejalan dengan ini, penelitian oleh Xiaojia Wang et al. dalam artikel "Improved Bayesian Best-Worst Networks With Geographic Information System for Electric Vehicle Charging Station Selection" mengusulkan pendekatan inovatif dengan metode kombinasi Bayesian Network (BN), Best-Worst Method (BWM), dan Geographic Information System (GIS) untuk menentukan lokasi stasiun pengisian EV yang optimal, sebagai upaya untuk mengatasi tantangan emisi dan mendukung pengembangan energi bersih di perkotaan.
***
Artikel yang ditulis oleh Wang et al. (2024) menunjukkan bahwa pemilihan lokasi strategis untuk stasiun pengisian EV tidak hanya berfokus pada kemudahan akses, tetapi juga pada aspek lingkungan dan ekonomi, yang keduanya memiliki dampak langsung pada keberlanjutan dan penggunaan infrastruktur tersebut. Dalam penelitian ini, metode yang digunakan memadukan BN, BWM, dan GIS yang bertujuan untuk memberikan solusi pemilihan lokasi yang lebih akurat dan komprehensif. Model BN-BWM-GIS yang dikembangkan dalam penelitian ini memungkinkan evaluasi berdasarkan sembilan kriteria yang diklasifikasikan ke dalam tiga aspek utama: aksesibilitas, lingkungan, dan ekonomi.
Pada aspek aksesibilitas, beberapa kriteria seperti kedekatan dengan pusat perbelanjaan, jalan utama, pemberhentian transportasi umum, dan tempat parkir dinilai dapat mempengaruhi jumlah pengguna stasiun pengisian EV. Sebagai contoh, lokasi yang dekat dengan pusat perbelanjaan atau jalur transportasi utama diharapkan dapat menarik pengguna yang membutuhkan pengisian daya sambil melakukan aktivitas lain, sehingga memaksimalkan penggunaan stasiun tersebut. Dari sisi lingkungan, kriteria seperti kepadatan penduduk dan jarak dari area hijau juga berperan penting. Lokasi dengan kepadatan penduduk tinggi memiliki potensi pemakaian yang lebih tinggi, sementara jarak dari area hijau dipertimbangkan untuk meminimalkan dampak terhadap lingkungan alam sekitar. Data statistik menunjukkan bahwa di daerah perkotaan dengan populasi tinggi, permintaan akan EV dan infrastruktur pendukungnya meningkat secara signifikan.
Aspek ekonomi, di sisi lain, menitikberatkan pada variabel seperti kemiringan lahan dan rata-rata pendapatan daerah. Kemiringan lahan berdampak pada biaya pembangunan, dengan area yang lebih datar dinilai lebih layak dan ekonomis untuk membangun stasiun pengisian EV. Selain itu, wilayah dengan pendapatan rata-rata tinggi cenderung memiliki tingkat kepemilikan EV yang lebih tinggi. Dalam studi kasus di Beijing, model ini diterapkan untuk menentukan lokasi potensial yang optimal, yang hasilnya menunjukkan beberapa distrik utama sebagai alternatif terbaik dengan memanfaatkan metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) untuk mengurutkan kandidat berdasarkan preferensi aksesibilitas dan faktor geografis.
Dengan mengkombinasikan BN-BWM-GIS, penelitian ini berhasil menghasilkan peta lokasi yang menunjukkan area yang paling cocok dan yang kurang cocok untuk stasiun pengisian EV. Hasilnya, wilayah seperti Distrik Dongcheng dan Xicheng di Beijing, yang memiliki akses transportasi yang baik serta permukaan tanah yang relatif datar, diidentifikasi sebagai lokasi ideal. Model ini tidak hanya menawarkan pendekatan lebih presisi dalam pemilihan lokasi, tetapi juga mendukung perencanaan strategis pemerintah dan perusahaan EV untuk membangun jaringan pengisian daya yang lebih efisien.
***
Penelitian yang dilakukan oleh Wang dkk ini menawarkan pendekatan inovatif yang relevan bagi tantangan pembangunan infrastruktur kendaraan listrik di tengah upaya global mengurangi emisi karbon. Dengan menggabungkan teknologi BN-BWM-GIS, artikel ini memperlihatkan bahwa perencanaan stasiun pengisian EV dapat dioptimalkan melalui metode yang mempertimbangkan berbagai faktor kunci seperti aksesibilitas, lingkungan, dan ekonomi. Dengan mempertimbangkan data populasi, kondisi geografis, serta preferensi pengguna, model ini dapat memberikan panduan bagi pemerintah dan perencana kota untuk membuat keputusan yang lebih tepat dalam mendukung sistem transportasi yang rendah emisi.
Selain menawarkan solusi praktis untuk mendukung keberlanjutan lingkungan, penelitian ini menegaskan pentingnya pendekatan berbasis data dalam menyusun kebijakan energi masa depan. Pendekatan yang lebih holistik, seperti yang ditawarkan dalam penelitian ini, memungkinkan pengurangan biaya pembangunan dan peningkatan efisiensi penggunaan energi melalui lokasi stasiun pengisian yang lebih strategis. Di masa depan, penelitian lebih lanjut dapat memperluas jangkauan geografis serta mempertimbangkan aspek-aspek sosial dan kebijakan yang dapat mempengaruhi keberhasilan penerapan teknologi ini. Secara keseluruhan, penelitian ini menyajikan kerangka yang kuat bagi implementasi stasiun pengisian EV yang berkelanjutan dan berpotensi besar untuk mendukung transisi menuju ekonomi rendah karbon yang lebih stabil dan efisien.
ReferensiÂ
