Laporkan Masalah

PENGEMBANGAN MODEL DAN SIMULASI BERBASIS AGEN UNTUK ADOPSI KENDARAAN BERBAHAN BAKAR GAS

Dona Febrianti, Bertha Maya Sopha, S.T., M.Sc., Ph.D.

2014 | Tesis | S2 Teknik Industri

Indonesia adalah salah satu negara kontributor emisi global CO2. Salah satu sektor yang paling berkontribusi menghasilkan emisi CO2 adalah transportasi darat. Tingginya kadar emisi CO2 ¬dari sektor transportasi darat dapat diturunkan dengan cara meningkatkan penggunaan kendaraan ramah lingkungan, contohnya adalah kendaraan berbahan bakar gas (KBBG). Namun dalam prakteknya, upaya ini memiliki banyak tantangan dari berbagai pihak misalnya bagi konsumen persepsi bahan bakar gas (BBG) yang tidak aman dan sulitnya menemukan stasiun pengisian bahan bakar gas (SPBG), bagi pemerintah besarnya investasi pembangunan SPBG dan bagi produsen rendahnya minat konsumen terhadap KBBG. Hal ini membuat permasalahan menjadi kompleks dan bisa diselesaikan dengan pemodelan dan simulasi sistem berbasis agen karena metode ini mampu mensimulasikan dinamika adopsi dari entitas (agen) yang heterogen. Penelitian ini membahas pembuatan model simulasi berbasis agen pada adopsi KBBG dengan menggunakan CNG konverter kit. Model ini dapat dijadikan sebagai bahan pembelajaran untuk mengevaluasi intervensi yang tepat agar adopsi KBBG tumbuh dengan cepat. Pada model yang dibangun, dimasukkan aspek kompetisi teknologi antara KBBG dengan low cost green car (LCGC) dan kendaraan yang digunakan saat ini (konvensional). Spesifikasi dan parameter model dilakukan melalui riset empiris dan menghasilkan [a] nilai bobot untuk setiap variabel cost parameter (harga beli, biaya bahan bakar, dan pajak-STNK) dan benefit parameter (ketersedian infrastruktur bahan bakar, efisiensi bahan bakar, harga jual kembali dan keamanan) [b] nilai tiap atribut untuk tiap kendaraan, dan [c] preferensi kendaraan masa depan untuk validasi model. Jaringan sosial yang digunakan pada pemodelan adalah small world. Tes verifikasi yang digunakan adalah structured debugging walk throughs dan unit testing, sedangkan tes validasi yang digunakan adalah data validation, model output validation, dan agent validation. Setelah model lulus tes verifikasi dan validasi, dilakukan analisis kecepatan adopsi untuk sembilan skenario intervensi, yakni: harga bahan bakar bersubsidi, harga BBG, efisiensi BBG, harga CNG konverter kit, harga jual kembali KBBG, tingkat keamanan KBBG, jumlah SPBG, pajak KBBG, dan pajak kendaraan konvensional. Berdasarkan hasil eksperimen diketahui bahwa skenario intervensi yang efektif meningkatkan adopsi KBBG adalah mengurangi pajak KBBG, meningkatkan efisiensi BBG, menambah SPBG, dan meningkatkan persepsi keamanan karena hasil simulasi menunjukkan bahwa lebih dari setengah populasi model mengadopsi CNG konverter kit. Terakhir, dilakukan analisis hubungan keempat skenario efektif dengan membangun model matematis. Modelnya memastikan seluruh agen pada model mengadopsi CNG konverter kit. Hasilnya, intervensi yang signifikan meningkatkan adopsi KBBG adalah menambah jumlah SPBG yang dikombinasikan dengan meningkatkan persepsi keamanan penggunaaan BBG.

Indonesia is one of global CO2 emission contributor that contributes CO2 emission from road transportation. The way to solve this problem is increasing green vehicle adoption, for example: natural gas vehicle. However, there are many challenges that have connected each other, so that this problem become complex. Complex problem can solve by using system modeling and simulation like agent-based modeling because this method can simulate the dynamic of adoption from heterogenic agent that have different attributes. This study has developed an agent-based model of natural gas car adoption that can used to evaluate natural gas car adoption intervention and make recommendation based on that evaluation to increase the adoption. This study considers technology competition between natural gas car using compressed natural gas (CNG) converter kits, low cost green car and conventional car. Then, this study has done an empirical research to generate specification and model parameter. By this empirical research, this study got three data which are variable weight for cost parameter (purchase price, fuel price, and tax) and benefit parameter (fueling station availability, fuel efficiency, resale value, and safety), attribute score of each objects of study, and future car preference as a data to validate model. The agent-based model use small world as typology of social network. Structured debugging walk throughs and unit testing are used to verify model. Then, to validate model, this study used three kinds of test which are data validation, model output validation, and agent validation. Afterward, this study did analysis of adoption speed to choose the best intervention scenarios. The intervention scenarios are consist of subsidized fuel price, natural gas fuel price, efficiency level of natural gas fuel, CNG converter kit price, resale value of natural gas car, safety level of gas converter usage, number of fueling stations of natural gas, tax level of natural gas car, and tax level of conventional car. Based on the analysis, the effective ways to increase natural gas car adoption are decreasing tax level of natural gas car, increasing fuel efficiency of natural gas car, increasing number of fueling station of natural gas car, and increasing safety level of natural gas car. These scenarios become the effective ways because they can make more than half agent population adopt CNG converter kits. After that, to choose the best intervention scenario, this study evaluates the relationship between all of the effective intervention scenarios. This study built relationship models of them. These models make sure that, all of agents adopt CNG converter kits. From these models, the best intervention scenario to increase natural gas car using CNG converter kits is increasing perception of safety level of natural gas car while increasing number of fueling station of natural gas car. It is because these factors give significance influence.

Kata Kunci : Adopsi, Kendaraan Gas, Agent-based Modeling, Intervensi


    Tidak tersedia file untuk ditampilkan ke publik.