Lewati ke konten utama
reri-1.0.0

Metodologi RERI

Renewable Energy Readiness Index adalah kerangka pengukuran yang diimplementasikan oleh Zenergify. RERI bukan metodologi baru yang dirancang atau divalidasi secara ilmiah pada proyek ini; fokus pekerjaan ini adalah rekayasa sistem informasi dan integrasi fitur AI pendukung keputusan.

Dataset ini adalah dummy estimatif/simulasi, bukan angka resmi final. Dirancang untuk mendekati profil nyata kabupaten/kota dan menjadi baseline awal platform. Angka belum diverifikasi oleh instansi sumber dan tidak boleh dipakai sebagai dasar keputusan investasi atau kebijakan.

Asal-usul data per kolom

Tidak ada satu label sumber yang berlaku untuk seluruh dataset, karena kolom-kolomnya memang berasal dari tempat yang berbeda. Menyebut satu instansi untuk semuanya akan membuat angka simulasi terbaca seperti statistik resmi. Setiap kolom karena itu dicantumkan sumbernya sendiri.

Sumber data untuk setiap kelompok kolom
Kelompok kolomSumberStatus
28 indikator energiTampil di: Skor RERI, leaderboard, rincian indikator di halaman daerahWorkbook master RERI — dinyatakan sendiri sebagai dummy estimatif/simulasi, bukan angka resmi finalEstimasi simulasi
Koordinat daerah (lintang, bujur)Tampil di: Peta di beranda dan penanda pada peta Explore, 514 daerahBadan Informasi Geospasial (BIG) — centroid poligon Wilayah Administrasi Kabupaten/KotaSumber resmi
Jumlah pendudukTampil di: Di bawah nama daerah pada halaman daerahKementerian Dalam Negeri — Kepmendagri No 300.2.2-2138 Tahun 2025, via cahyadsn/wilayah (MIT)Sumber resmi
Daftar wilayah administratifTampil di: Leaderboard dan seluruh 514 halaman daerahDataset wilayah terbuka yang dirujuk workbook (edwardsamuel, SalzBytes) dan lembar MASTER_REGIONRujukan terbuka

Koordinat dan jumlah penduduk digabungkan ke daftar daerah berdasarkan nama, bukan berdasarkan kode. Kedua sumber memuat kolom kode berformat empat digit yang menyerupai kode BPS tetapi mengikuti penomoran Kemendagri yang berbeda urutannya; menggabungkan lewat kode itu memberikan data milik kabupaten lain pada 166–167 dari 514 daerah tanpa memunculkan error sama sekali. Setiap penggabungan diverifikasi ulang dengan mencocokkan nama setelah join, dan total penduduk 514 kabupaten/kota direkonsiliasi terhadap total 38 provinsi serta total nasional pada sumbernya.

Rumus indeks

Setiap indikator dinormalisasi ke rentang 0–100. Skor pilar adalah rata-rata indikator yang tersedia pada pilar tersebut. Skor total adalah jumlah skor pilar yang telah dikalikan bobotnya.

RERI = Σ(skor_pilar_i × bobot_i) untuk tujuh pilar

Normalisasi memakai min-max dengan arah indikator yang eksplisit. Indikator benefit dinormalisasi naik, indikator cost dibalik sehingga nilai rendah memberi skor tinggi. Nilai di luar domain dibatasi pada batas terdekat dan ditandai pada UI. Indikator yang tidak memiliki nilai dikeluarkan dari rata-rata pilar dan dilaporkan sebagai kekurangan cakupan, bukan diperlakukan sebagai nol.

Bobot tujuh pilar

Bobot dan jumlah indikator tiap pilar
PilarBobotIndikator
Adopsi Energi Terbarukan30%4
Efisiensi Energi15%4
Infrastruktur Hijau15%4
Kebijakan & Tata Kelola15%4
Investasi & Pembiayaan10%4
Inovasi & Smart Grid10%4
Partisipasi Masyarakat5%4
Total100%28

Kategori kesiapan

Zenergify memakai lima tingkat kategori dari proposal tugas akhir terbaru. Kategori dari brief lama tidak dipakai agar konfigurasi tetap konsisten.

Batas kategori bersifat kontinu dengan ambang tegas: setiap skor berada tepat pada satu kategori, dan tidak ada celah di antara dua kategori. Skor 40,09 misalnya masuk Renewable Initiator karena masih di bawah ambang 41. Ambang yang sama dipakai oleh kolom turunan reri_scores.category di basis data, sehingga aplikasi dan basis data tidak mungkin memberikan kategori yang berbeda untuk skor yang sama.

Pendekatan ini berbeda dari lembar KATEGORI pada workbook sumber, yang menuliskan kategori sebagai rentang bilangan bulat (0–20, 21–40, dan seterusnya) sehingga skor pecahan di antara dua rentang tidak terklasifikasi. Workbook menyelesaikan skor semacam itu dengan membulatkan ke atas. Konsekuensinya, 26 dari 514 daerah yang berada tepat di atas sebuah ambang berada satu tingkat lebih rendah pada sistem ini dibandingkan workbook. Perbedaan tersebut adalah disambiguasi yang disengaja atas celah pecahan pada rujukan yang oleh penyusunnya sendiri dinyatakan sebagai data dummy estimatif, bukan angka resmi; lihat D-015 pada catatan keputusan.

  • Fossil Dependentskor < 21

    Pasokan energi masih bertumpu pada bahan bakar fosil dan belum ada fondasi transisi yang berjalan.

  • Renewable Initiator21 ≤ skor < 41

    Inisiatif energi terbarukan mulai muncul, umumnya berupa proyek percontohan yang belum terintegrasi.

  • Renewable Developing41 ≤ skor < 61

    Adopsi dan kebijakan sudah berjalan, namun beberapa pilar masih tertinggal dan perlu penguatan.

  • Renewable Advanced61 ≤ skor < 81

    Kesiapan tinggi pada sebagian besar pilar dengan kelembagaan dan pembiayaan yang relatif matang.

  • Renewable Smart Regionskor ≥ 81

    Daerah dengan integrasi energi terbarukan, efisiensi, dan smart grid yang menyeluruh.

Kamus 28 indikator

Periode dataset saat ini: 2024.

Indikator, satuan, arah, dan domain normalisasi
IndikatorSatuanArahDomain
Kapasitas EBT Terpasang MWAdopsi Energi TerbarukanMWTinggi lebih baik0–525,4
Rasio EBT Terhadap Total Energi PersenAdopsi Energi Terbarukan%Tinggi lebih baik1–62,3
Jumlah Proyek EBT AktifAdopsi Energi TerbarukanunitTinggi lebih baik0–23
Rasio Desa Berlistrik EBT PersenAdopsi Energi Terbarukan%Tinggi lebih baik0–39,8
Konsumsi Listrik Per Kapita kWhEfisiensi EnergikWhRendah lebih baik297,8–2.305,4
PJU LED PersenEfisiensi Energi%Tinggi lebih baik22,3–92,6
Gedung Pemda Diaudit Energi PersenEfisiensi Energi%Tinggi lebih baik4–60,8
Intensitas Energi PDRB kWh Per Juta RpEfisiensi EnergikWh per juta RpRendah lebih baik12,3–94,9
PLTS Atap Gedung Pemerintah kWpInfrastruktur HijaukWpTinggi lebih baik338,3–1.634,9
Jumlah SPKLUInfrastruktur HijauunitTinggi lebih baik1–21
Rasio Akses Listrik PersenInfrastruktur Hijau%Tinggi lebih baik78,6–99,8
Desa Energi Mandiri JumlahInfrastruktur HijauunitTinggi lebih baik0–5
Dokumen RPJMD RPJPD Memuat EBT Skor 0 100Kebijakan & Tata Kelolaskor 0-100Tinggi lebih baik19,2–96,6
Perda Perkada EBT Skor 0 100Kebijakan & Tata Kelolaskor 0-100Tinggi lebih baik10,8–70,6
Roadmap Transisi Energi Skor 0 100Kebijakan & Tata Kelolaskor 0-100Tinggi lebih baik12,8–87,1
Unit OPD Program EBT Skor 0 100Kebijakan & Tata Kelolaskor 0-100Tinggi lebih baik13,3–84,6
Nilai Investasi EBT Rp MiliarInvestasi & PembiayaanRp miliarTinggi lebih baik134,1–1.224
Jumlah Proyek Siap InvestasiInvestasi & PembiayaanunitTinggi lebih baik1–9
Dokumen FS DED Masterplan JumlahInvestasi & PembiayaanunitTinggi lebih baik1–11
Skema KPBU PPP PPA Skor 0 100Investasi & Pembiayaanskor 0-100Tinggi lebih baik22,1–100
Komunitas Energi JumlahPartisipasi MasyarakatunitTinggi lebih baik2–7
Program Edukasi Energi JumlahPartisipasi MasyarakatunitTinggi lebih baik4–12
Koperasi BUMDes Energi JumlahPartisipasi MasyarakatunitTinggi lebih baik1–5
Partisipasi Publik Skor 0 100Partisipasi Masyarakatskor 0-100Tinggi lebih baik33,9–88,7
Smart Meter PersenInovasi & Smart Grid%Tinggi lebih baik10,6–60,1
Microgrid JumlahInovasi & Smart GridunitTinggi lebih baik0–6
Battery Storage kWhInovasi & Smart GridkWhTinggi lebih baik374,5–3.571,6
Sistem Monitoring Energi Skor 0 100Inovasi & Smart Gridskor 0-100Tinggi lebih baik27,9–100

Fitur AI pendukung keputusan

Fuzzy recommendation engine

Skor pilar dipetakan ke lima tingkat keanggotaan dengan fungsi triangular. Tingkat dominan memilih template aksi, derajat keanggotaan menjadi confidence, dan prioritas menggabungkan selisih terhadap skor penuh dengan bobot pilar. Prosesnya deterministik dan dapat diregenerasi kapan saja.

K-Means clustering

Tujuh skor pilar distandardisasi dengan z-score, lalu K kandidat 2–8 diuji dengan K-Means++ dan PRNG berseed. Inertia (Elbow) dan silhouette score disimpan untuk setiap K, dan K terpilih adalah silhouette tertinggi. Versi fitur: pillar-zscore-1.0.0.

LLM insight generator

Prompt dibentuk hanya dari data skor terverifikasi, dipanggil melalui server route, dan keluarannya wajib lolos validasi schema sebelum disimpan atau ditampilkan. Bila provider gagal, sistem menampilkan narasi berbasis aturan yang deterministik, bukan error mentah. Model diinstruksikan untuk tidak menambahkan angka yang tidak ada pada input; validasi schema memeriksa bentuk dan panjang keluaran, bukan kebenaran setiap angka.

Keterbatasan

  • Indikator energi pada dataset ini berstatus estimasi simulasi dan belum melalui verifikasi instansi sumber.
  • Skor RERI tidak mengukur kelayakan finansial proyek dan tidak menggantikan due diligence investor maupun keputusan pemerintah.
  • Narasi LLM dapat mengandung keterbatasan interpretasi meskipun angkanya berasal dari input terstruktur.

Ingin melihat penerapannya? Buka leaderboard daerah.

Pertanyaan umum

Jawaban atas pertanyaan yang paling sering diajukan tentang indeks, datanya, dan fitur AI-nya. Setiap angka di bawah dibaca langsung dari konfigurasi dan data yang sedang dipakai aplikasi.

Indeks dan cara menghitungnya

Data dan cakupan

Fitur AI