Perpustakaan Digital ITB

Kendaraan listrik merupakan bagian dari upaya transisi menuju sistem transportasi yang lebih bersih, dan ketersediaan infrastruktur pengisian daya menjadi faktor penting dalam mendukung adopsinya. Di Indonesia, infrastruktur ini umumnya dikenal sebagai Stasiun Pengisian Kendaraan Listrik Umum (SPKLU), sementara Institut Teknologi Bandung mengembangkan fasilitas serupa yang dikenal sebagai Stasiun Pengisian Kendaraan Listrik (SPKL) ITB. Namun demikian, operasional SPKL ITB masih menghadapi sejumlah tantangan, antara lain anomali kelistrikan yang belum terdeteksi secara dini, autentikasi pengguna yang masih bergantung pada server pusat sehingga rentan terhadap latensi tinggi, potensi overstay yang menurunkan efisiensi pemanfaatan fasilitas, serta pemantauan ketersediaan area parkir yang belum akurat. Penelitian ini bertujuan untuk merancang dan menguji sistem deteksi anomali dan manajemen layanan pada SPKL ITB berbasis arsitektur edge computing. Sistem dibangun sebagai arsitektur microservice yang terdiri atas beberapa layanan terisolasi dan mencakup empat fungsi utama, yaitu deteksi anomali dua lapis melalui delapan aturan deterministik (rule-based) yang mengacu pada standar EN 50160 dan SNI IEC 61851-1:2017 serta algoritma Isolation Forest berbasis sesi, autentikasi lokal melalui pre-authorization QR di atas Open Charge Point Protocol, manajemen notifikasi pencegahan overstay, dan pemantauan okupansi parkir berbasis computer vision dengan model YOLOv8. Kinerja sistem dievaluasi menggunakan kerangka 5V Big Data terhadap data operasional yang mencakup puluhan ribu baris rekaman selama lebih dari enam bulan. Hasil pengujian menunjukkan deteksi anomali mencapai ROC-AUC sebesar 0,94 dan F1-Score 0,60 dengan latensi rata-rata 70,6 ms, autentikasi lokal berlangsung pada latensi 20,2 ms untuk pre-authorization QR dan 16,7 ms untuk respons Open Charge Point Authorize tanpa memerlukan roundtrip ke server pusat, serta pemantauan parkir memperoleh akurasi 100% yang bersifat indikatif dengan latensi inferensi 561,9 ms, masih di bawah interval pemantauan. Sistem juga terbukti tetap berfungsi dan terisolasi saat salah satu layanan mengalami gangguan. Hasil ini menunjukkan bahwa pendekatan edge computing mampu mewujudkan sistem SPKL ITB yang cerdas, responsif, dan andal secara terintegrasi.