Pemanfaatan Model Simulasi Kebijakan Industri dalam Perancangan Kawasan Hilirisasi Mineral: Sebuah Sintesis Metodologis untuk Konteks Indonesia
---
Abstrak
Kebijakan hilirisasi mineral di Indonesia, yang diakselerasi sejak Undang-Undang Nomor 4 Tahun 2009 dan diperkuat oleh Undang-Undang Nomor 2 Tahun 2025, telah melahirkan sejumlah kawasan industri terintegrasi seperti Indonesia Morowali Industrial Park, Indonesia Weda Bay Industrial Park, dan KEK Gresik–JIIPE. Namun, hingga kini perancangan kawasan-kawasan tersebut lebih banyak dijalankan secara project-based dan kurang memperhitungkan interaksi dinamis antara komponen industri, lingkungan, dan ekonomi makro. Tulisan ini melakukan sintesis konseptual atas empat keluarga model simulasi kebijakan industri—system dynamics, computable general equilibrium, agent-based modeling, dan discrete event simulation—untuk menunjukkan bagaimana keempatnya dapat dirangkai dalam kerangka pendukung keputusan yang multi-tahap. Sintesis dilakukan melalui telaah literatur naratif terhadap publikasi mutakhir di jurnal-jurnal industrial engineering, operations research, mineral economics, dan resource policy, dipadukan dengan tinjauan kebijakan nasional. Argumen yang dibangun adalah bahwa tidak ada model tunggal yang memadai: system dynamics lebih sesuai untuk evaluasi umpan balik makrostruktural; CGE unggul untuk pemetaan dampak antarsektor; ABM memungkinkan representasi heterogenitas pelaku dan dinamika spasial; sementara DES bermanfaat pada level operasional intra-kawasan. Kerangka multi-paradigma yang menghubungkan keempatnya dapat membantu pemerintah menyusun kawasan hilirisasi yang lebih robust terhadap volatilitas geopolitik mineral kritis dan tekanan transisi energi, sepanjang pemanfaatannya disertai tata kelola data terbuka, kalibrasi yang transparan, dan keterlibatan pemangku kepentingan lokal yang substantif.
Kata kunci: hilirisasi mineral; model simulasi kebijakan; system dynamics; computable general equilibrium; kawasan ekonomi khusus; agent-based modeling.
---
1. Pendahuluan
Indonesia menduduki posisi yang sulit dilewati dalam peta mineral kritis dunia. Pada 2023, cadangan nikel domestik mencapai sekitar 42% dari cadangan global, dan negara ini memasok lebih dari separuh produksi bijih nikel dunia (USGS, 2024). Sejak pemberlakuan Undang-Undang Nomor 4 Tahun 2009 tentang Pertambangan Mineral dan Batubara, dilanjutkan dengan moratorium ekspor bijih pada 2014 dan 2020, pemerintah Indonesia menempuh agenda *hilirisasi* sebagai strategi industrialisasi berbasis sumber daya (Warburton, 2024; Lahadalia et al., 2024). Pada level agregat, capaiannya tampak menjanjikan: realisasi investasi sektor hilirisasi pada 2025 menyentuh sekitar Rp 584,1 triliun atau 30,2% dari total realisasi investasi nasional, dengan konsentrasi utama di kawasan-kawasan industri besar seperti Morowali, Halmahera, dan—untuk komoditas tembaga–emas—Gresik (Kementerian Investasi, 2026).
Di balik angka-angka itu, kawasan hilirisasi mineral menyimpan persoalan yang tidak mudah ditangkap oleh analisis kebijakan konvensional. Ia adalah sistem sosio-teknis yang menyatukan investor asing dan domestik, pemerintah pusat dan daerah, pekerja pendatang dan komunitas lokal, dalam satu ruang yang sarat ketegangan kepentingan. Ia juga sangat *path-dependent*: keputusan tahap awal mengenai pemilihan teknologi peleburan, sumber energi, dan skema kepemilikan aset cenderung mengunci jalur perkembangan kawasan untuk waktu yang lama. Umpan balik antarkomponennya tidak linier—akumulasi pembangkit batubara *captive* di kawasan smelter, misalnya, justru memunculkan paradoks "mineral hijau dari energi cokelat" yang berpotensi mengikis daya saing produk Indonesia di pasar yang bergeser menuju standar karbon rendah (Ember Energy, 2025; CREA dan CELIOS, 2024). Pada saat yang sama, dinamika geopolitik mineral kritis dan pergeseran preferensi teknologi baterai—dari nikel-intensif seperti NMC menuju LFP yang lebih murah dan tidak mengandalkan nikel—menambah lapisan ketidakpastian yang dalam terhadap kelayakan jangka panjang kawasan-kawasan tersebut (Bradley et al., 2025; IEA, 2024).
Di hadapan kompleksitas semacam ini, perangkat analisis statis yang lazim dipakai oleh kementerian teknis—analisis kelayakan finansial, kajian dampak lingkungan deterministik, proyeksi makroekonomi linier—memiliki batas epistemik yang serius. Model-model itu cenderung mengasumsikan dunia yang tunduk pada satu lintasan, di mana variabel kunci bergerak teratur, hubungan antarvariabel bersifat stabil, dan keseimbangan baru tercapai tanpa banyak turbulensi. Padahal, persoalan yang dihadapi kawasan hilirisasi justru terletak pada turbulensi itu sendiri. Di sinilah model simulasi kebijakan industri menemukan ruang relevansinya. Dengan kemampuannya merepresentasikan interaksi dinamis, perilaku adaptif aktor, dan eksplorasi skenario di bawah ketidakpastian dalam, model simulasi berfungsi sebagai apa yang oleh Sterman (2000) disebut *management flight simulator*—ruang berlatih di mana implikasi kebijakan dapat dijelajahi sebelum keputusan riil diambil.
Pertanyaan riset yang dijawab oleh tulisan ini sederhana namun berlapis: bagaimana model simulasi kebijakan industri dapat membantu pemerintah dalam merancang pengembangan kawasan hilirisasi mineral? Pertanyaan ini saya jawab melalui sintesis metodologis terhadap empat keluarga model—*system dynamics* (SD), *computable general equilibrium* (CGE), *agent-based modeling* (ABM), dan *discrete event simulation* (DES)—yang masing-masing memiliki keunggulan komparatif untuk dimensi keputusan yang berbeda dalam siklus perancangan kawasan. Kontribusi tulisan ini bersifat konseptual dan tidak melaporkan hasil simulasi empiris. Ia berfungsi sebagai *position paper* yang menyusun agenda riset operasional bagi peneliti *industrial and systems engineering* yang bekerja pada lintasan kebijakan industri Indonesia. Pembahasannya dibagi ke dalam tujuh bagian: pendahuluan ini, latar belakang teoretis, tipologi model simulasi, kerangka aplikasi pada perancangan kawasan, diskusi tantangan metodologis dan implikasi kebijakan, refleksi atas keterbatasan dan arah lanjutan, dan kesimpulan.
2. Latar Belakang Teoretis
Kebangkitan kebijakan industri sepanjang dasawarsa terakhir merupakan salah satu pergeseran terpenting dalam ekonomi pembangunan kontemporer. Tinjauan ekstensif oleh Juhász, Lane, dan Rodrik (2024) di *Annual Review of Economics* memperlihatkan tiga lapisan perubahan yang terjadi secara serentak: pertama, akumulasi bukti empiris baru yang menunjukkan bahwa intervensi sektoral di sejumlah negara—mulai dari industri tekstil di Prancis abad ke-19 hingga galangan kapal di Korea Selatan dasawarsa 1970-an—memberikan hasil yang lebih positif dari yang diakui oleh tradisi kebijakan ortodoks; kedua, penguatan kerangka teoretis yang menempatkan kegagalan koordinasi, eksternalitas pembelajaran, dan kegagalan informasi sebagai dasar normatif intervensi; ketiga, reposisi kebijakan industri sebagai bagian integral dari transisi hijau (Rodrik dan Stiglitz, 2024). Aiginger dan Ketels (2024) menamai fenomena ini sebagai "industrial policy reborn and reloaded": kembali setelah dekade-dekade neoliberalisme, namun dengan bobot fiskal dan ambisi teknologi yang tidak pernah dipikul oleh generasi kebijakan industri sebelumnya.
Bagi negara berkembang, perdebatan terkait industrialisasi berbasis sumber daya bermuara pada satu pertanyaan: apakah dukungan kebijakan terhadap pengolahan domestik mineral akan menghasilkan diversifikasi struktural yang berkelanjutan, ataukah ia justru mereproduksi pola ketergantungan terhadap volatilitas komoditas (Hausmann dan Rodrik, 2003; Rodrik, 2024)? Kasus Indonesia menjadi laboratorium kebijakan yang penting di sini, karena agresivitas instrumen yang dipakai—larangan ekspor bijih, kewajiban pengolahan domestik, paket insentif fiskal melalui Kawasan Ekonomi Khusus, kewajiban penempatan devisa hasil ekspor di sistem perbankan domestik—belum banyak preseden bandingnya di antara negara berpenghasilan menengah (Lahadalia et al., 2024).
Kritik terhadap strategi ini juga berkembang seiring data baru yang masuk. Hati, Warburton, dan Camba (2025) berargumen bahwa hilirisasi nikel di Indonesia menghasilkan apa yang mereka sebut sebagai *refined dependency*: peningkatan nilai ekspor yang sebagian besar bersumber dari ekspansi volume dan inflasi harga, sementara kendali atas segmen bernilai tambah tinggi—katoda baterai, sel baterai, kendaraan listrik—tetap berada di luar genggaman nasional. Analisis Asia Society Policy Institute (2025) menunjukkan bahwa lebih dari 75% kapasitas pemurnian dikendalikan—melalui afiliasi—oleh perusahaan Tiongkok, dan 82% ekspor nikel Indonesia pada 2024 diserap oleh pasar Tiongkok semata. Pola monopsoni semacam ini menambah relevansi penggunaan model simulasi sebagai alat antisipasi terhadap risiko strategis: skenario di mana harga nikel ditekan oleh kelebihan kapasitas global, atau di mana mitra dagang utama mengubah arah teknologi baterai, perlu dieksplorasi sebelum keputusan investasi besar diambil, bukan sesudahnya.
Karakter spesifik kawasan hilirisasi mineral di Indonesia memperkuat tuntutan akan instrumen analitis yang lebih sofistikated. Berbeda dari kluster manufaktur padat karya, kawasan-kawasan ini memiliki integrasi vertikal yang ketat antara pertambangan, pengolahan, dan—pada banyak kasus—pembangkit listrik; ketergantungan tinggi pada modal asing dan teknologi impor; lokasi yang umumnya berada di luar Jawa, di wilayah dengan kapasitas tata kelola terbatas dan infrastruktur penunjang yang belum matang; serta dampak lingkungan dan kesehatan yang terkonsentrasi secara geografis. Studi CREA dan CELIOS (2024) memproyeksikan bahwa emisi dari pembangkit batubara *captive* dan operasi peleburan di kawasan-kawasan utama dapat menyebabkan sekitar 3.800 kematian dini pada 2025 dan hampir 5.000 pada 2030, dengan beban ekonomi tahunan diperkirakan mencapai USD 2,63 miliar pada 2025. Angka-angka ini bukan sekadar statistik kesehatan publik; ia adalah biaya bayangan yang sejauh ini tidak masuk dalam kalkulus kelayakan kawasan tetapi pada akhirnya ditanggung oleh komunitas yang berbatasan langsung dengan operasi industri.
Persoalan koordinasi turut menambah lapisan kompleksitas. Studi Ember Energy (2025) mendokumentasikan bahwa di banyak kawasan smelter Indonesia, setiap konsumen industri lebih memilih membangun pembangkit listrik *captive* sendiri ketimbang berbagi infrastruktur energi dengan tetangga industri di kawasan yang sama. Penyebabnya bersifat regulatoris: izin *own-use* yang relatif mudah diperoleh tidak memperbolehkan operator memasok listrik kepada pengguna lain, sekalipun pengaturan kolektif dapat mengurangi duplikasi dan membuka ruang bagi integrasi energi terbarukan. Persoalan ini adalah contoh klasik dari kegagalan koordinasi yang menjadi salah satu pijakan teoretis kebijakan industri modern (Juhász et al., 2024), dan sekaligus menjadi titik masuk yang sangat sesuai bagi pemodelan: pertanyaan tentang skema regulasi dan insentif apa yang dapat memecah ekuilibrium suboptimal ini adalah jenis pertanyaan yang justru sulit dijawab tanpa simulasi.
3. Tipologi Model Simulasi Kebijakan Industri
Empat keluarga model simulasi telah berkembang menjadi instrumen utama dalam analisis kebijakan industri kontemporer. Saya akan membahasnya tidak untuk menetapkan satu sebagai unggul, melainkan untuk memetakan profil keunggulan komparatif masing-masing—yang nanti akan disintesiskan dalam bagian berikutnya.
System dynamics (SD), yang dirintis oleh Forrester (1961) dan dimatangkan oleh Sterman (2000), mengonseptualisasikan sistem sebagai jaringan *stock*, *flow*, dan umpan balik nonlinier. Pendekatan ini sangat sesuai untuk persoalan yang melibatkan dinamika jangka panjang, akumulasi modal fisik, dan tundaan informasi—ciri-ciri yang sangat menonjol pada industri ekstraktif dan pengolahan mineral. Dalam literatur mutakhir, SD telah dipakai secara meluas untuk menganalisis sistem pasokan mineral kritis. Studi Bradley et al. (2025) di *Journal of Industrial Ecology* mengembangkan model SD untuk sistem pasokan nikel global pada resolusi tingkat tambang, dengan submodel permintaan, pasokan, harga, dan dampak keberlanjutan yang terkoneksi. Pada konteks yang berdekatan, Mohammadi et al. (2024) memakai SD untuk mengevaluasi paket kebijakan diversifikasi pasokan *rare earth elements* dan menemukan bahwa intervensi pemerintah yang terfokus pada perluasan kapasitas penambangan dan daur ulang secara signifikan meningkatkan pangsa pasar dunia di luar Tiongkok serta menurunkan permintaan neodimium yang tidak terpenuhi. Untuk industri pengolahan baja, Mohammadi et al. (2022) menggunakan SD pada rantai pasok DR-EAF dan memperlihatkan bagaimana perubahan kadar bijih, biaya energi, dan subsidi bergerak melalui struktur biaya marjinal. Li et al. (2025) menambahkan dimensi penting dengan menyimulasikan kinerja rantai pasok manufaktur di bawah gangguan transportasi maritim—jenis guncangan yang sangat relevan mengingat ekspor mineral Indonesia bergantung pada jalur laut yang rentan terhadap penutupan choke point seperti Terusan Suez. Bagi perancangan kawasan hilirisasi, keunggulan SD terletak pada kemampuannya memodelkan loop investasi–kapasitas–harga yang menjelaskan kecenderungan kelebihan kapasitas, interaksi antara akumulasi modal industri dan degradasi lingkungan, serta konsekuensi dinamis dari kebijakan insentif fiskal jangka panjang. Keterbatasannya terletak pada agregasi tinggi dan asumsi rasionalitas representatif: SD kurang sensitif terhadap heterogenitas pelaku dan pola lokal yang nonhomogen.
Pendekatan computable general equilibrium (CGE) merekam interaksi antarsektor dalam suatu ekonomi melalui sistem persamaan keseimbangan yang dikalibrasi terhadap Matriks Sosial-Ekonomi atau Tabel Input–Output. Pendekatan ini telah lama menjadi tulang punggung evaluasi kebijakan perdagangan, fiskal, dan reformasi struktural di banyak negara berkembang (Dixon dan Jorgenson, 2013). Untuk Indonesia, sejumlah studi mutakhir memanfaatkan kerangka ini guna menilai dampak ekonomi-luas dari kebijakan hilirisasi. Sahara et al. (2025), terbit di *Mineral Economics*, menerapkan model IndoTERM—varian CGE regional dengan basis data Tabel Input–Output Antarwilayah 2016—untuk menyimulasikan moratorium ekspor bijih nikel dan ekspansi industri pengolahan turunannya. Hasilnya menunjukkan peningkatan PDB nasional, kenaikan ekspor, investasi, upah, dan penyerapan tenaga kerja, dengan Sulawesi sebagai wilayah penerima manfaat terbesar. Studi terdahulu oleh Samir et al. (2024) yang memanfaatkan basis data GTAP versi 9 juga menyimpulkan bahwa larangan ekspor mineral memberikan dampak positif bagi perekonomian Indonesia, sembari menimbulkan kerugian bagi mitra dagang utama. CGE menawarkan keunggulan berupa kemampuan menelusuri efek lanjutan ke sektor-sektor terkait melalui rantai pasok input, artikulasi keseimbangan pasar tenaga kerja, modal, dan barang dalam kerangka yang konsisten, serta potensi penambahan dimensi regional untuk membedakan dampak antarprovinsi. Namun CGE memikul asumsi-asumsi yang dapat menjadi kelemahan: kalibrasi terhadap tahun dasar tertentu, asumsi efisiensi pasar dan rasionalitas representatif, serta kesulitan dalam memodelkan transisi struktural yang radikal. Karena itu CGE lebih tepat berfungsi sebagai filter makro terhadap opsi kebijakan, bukan sebagai alat operasional intra-kawasan.
Agent-based modeling (ABM) menempuh jalur yang sangat berbeda dengan memodelkan sistem ekonomi sebagai populasi agen heterogen yang berinteraksi mengikuti aturan-aturan lokal, di mana perilaku makro muncul sebagai hasil emergen dari interaksi tersebut. Berbeda dari SD dan CGE yang berbasis variabel agregat, ABM secara eksplisit merepresentasikan keragaman perilaku, lokasi, dan jaringan antar-agen (Tesfatsion, 2017; Furtado dan Andreão, 2022). Aplikasi ABM untuk perancangan kawasan industri berkembang dalam beberapa arah. Mendoza et al. (2020) membangun ABM spasial untuk sistem eco-industrial dan menemukan bahwa keuntungan agregat dari klasterisasi pelaku komplementer hanya muncul ketika ambang kepadatan klaster terlampaui—temuan yang langsung relevan bagi perdebatan tentang skala minimum kawasan hilirisasi. Fioretti (2006) menunjukkan, dalam ulasan literatur klaster industri tinggi-teknologi, bahwa kemunculan klaster sukses sering ditopang oleh efek sosial dan ketokohan, di mana pelopor menarik pengikut secara lokal. Pada lintasan yang lain, ABM ekonomi-spasial seperti PolicySpace2 yang dipakai oleh Furtado dan Andreão (2022) menggabungkan data sensus rumah tangga, bisnis, dan administrasi pemerintah untuk mengkaji opsi kebijakan terhadap pasar tenaga kerja dan perumahan di sekitar kawasan industri. Bagi konteks hilirisasi, ABM bermanfaat untuk menjawab pertanyaan-pertanyaan yang melibatkan heterogenitas investor (asing versus domestik, terintegrasi vertikal versus murni), interaksi spasial dengan komunitas sekitar termasuk migrasi tenaga kerja dan konflik lahan, dinamika pembentukan rantai pasok antar-tenant dalam kawasan, dan sensitivitas hasil kebijakan terhadap perilaku perusahaan yang menyimpang dari rasionalitas penuh. Keterbatasan utama ABM adalah biaya komputasi yang tinggi dan kebutuhan kalibrasi yang intensif data—kendala yang sebagian dapat diatasi dengan teknik *surrogate modeling* berbasis *machine learning* yang menjadikan model ABM kompleks dapat dieksplorasi pada ruang parameter yang lebih luas (Furtado dan Andreão, 2022).
Keluarga keempat, discrete event simulation (DES), memodelkan sistem sebagai serangkaian kejadian diskret yang mengubah keadaan sistem pada titik waktu tertentu. DES adalah perangkat standar dalam *industrial engineering* untuk analisis operasional pabrik, jaringan logistik, dan sistem antrian. Aplikasi pada industri pengolahan mineral mencakup penjadwalan tambang, optimasi *throughput* smelter, dan manajemen *handling* material di pelabuhan ekspor. Dalam konteks kawasan hilirisasi, DES berperan pada tataran mikro-operasional: tata letak fasilitas, perencanaan kapasitas, alokasi sumber daya antar-tenant, dan analisis *bottleneck* dalam rantai pasok intra-kawasan. Pemanfaatan DES bersama SD dan ABM kini menjadi praktik yang makin lazim dalam literatur *industrial engineering*, dengan kerangka *hybrid simulation* yang menggabungkan perspektif operasional dan strategis. Untuk infrastruktur kritis di wilayah seismik aktif Indonesia, Fujita et al. (2024) memperlihatkan bahwa simulasi terintegrasi antara fisika kerentanan struktural dan model ekonomi berbasis agen memungkinkan evaluasi resiliensi kawasan industri terhadap guncangan seperti gempa bumi, suatu pertimbangan yang esensial bagi banyak lokasi smelter di Sulawesi dan Halmahera.
Tidak ada pendekatan tunggal yang dominan secara mutlak. SD mengungguli yang lain dalam dimensi umpan balik dan ketidakpastian jangka panjang, dengan harga agregasi yang tinggi. CGE memberikan konsistensi antarsektor pada level makro, dengan harga asumsi-asumsi keseimbangan. ABM membuka pintu pada emergensi dan heterogenitas, dengan harga komputasi dan kalibrasi yang berat. DES menyediakan detail operasional, dengan harga cakupan strategis yang terbatas. Pemilihan model harus mengikuti karakter pertanyaan kebijakan yang ingin dijawab, dan dalam banyak kasus, beberapa pendekatan harus dijalankan secara komplementer.
4. Kerangka Aplikasi pada Perancangan Kawasan Hilirisasi Mineral
Cara paling produktif untuk mengoperasionalkan tipologi di atas adalah dengan memetakannya ke tahapan-tahapan keputusan dalam siklus perancangan kawasan hilirisasi. Setidaknya lima tahap dapat dibedakan, dan masing-masing menarik kombinasi model yang berbeda.
Pada tahap awal, pemerintah dihadapkan pada pertanyaan tentang lokasi yang optimal, skala minimum yang ekonomis, dan komposisi industri inti. Pertanyaan-pertanyaan ini secara tradisional dijawab melalui analisis kelayakan finansial dan kajian potensi wilayah, seperti yang dilakukan untuk KEK Sulawesi Tenggara dengan kombinasi metode *Location Quotient*, *Dynamic Location Quotient*, dan analisis Shift-Share (Fitria et al., 2025). Pendekatan tersebut bermanfaat untuk pemetaan awal namun tidak menangkap dinamika klaster yang sesungguhnya beroperasi di lapangan. ABM spasial dapat memperkaya analisis ini dengan menyimulasikan kepadatan dan komposisi pelaku yang diperlukan agar simbiosis industri muncul—sebagaimana ditunjukkan oleh Mendoza et al. (2020) bahwa keuntungan klaster hanya melampaui suatu ambang spesifik—interaksi dengan komunitas sekitar termasuk dinamika pasar tenaga kerja lokal versus migran (Furtado dan Andreão, 2022), dan sensitivitas terhadap pola pemilik lahan dan jaringan transportasi eksisting. Output dari ABM kemudian dapat dipakai sebagai input ke model CGE regional untuk memvalidasi koherensi dampak agregat antarsektor pada level provinsi.
Pada tahap penilaian kelayakan ekonomi yang lebih luas, fokus bergeser ke estimasi dampak makroekonomi dan distribusi manfaat antarwilayah serta antarrumah tangga. CGE menjadi instrumen utama di sini. Studi Sahara et al. (2025) memperlihatkan bagaimana skenario peningkatan ekspor sektor besi-baja sebagai turunan hilirisasi nikel dapat ditelusuri melalui CGE IndoTERM untuk melacak implikasi terhadap PDB nasional, investasi, upah, dan distribusi spasial. Pemerintah dapat memanfaatkan kerangka serupa untuk menilai trade-off antara dua skenario kebijakan—misalnya, antara mempertahankan dominasi smelter berbahan bakar batubara *captive* di Sulawesi versus mengarahkan investasi baru ke kawasan yang terintegrasi dengan energi terbarukan di wilayah timur Indonesia. Temuan Samir et al. (2024) bahwa larangan ekspor mineral memberikan dampak positif bersih bagi Indonesia tetapi merugikan mitra dagang utama menjadi penting di sini karena memberikan basis kuantitatif untuk menegosiasikan ketentuan akses pasar, memetakan risiko *retaliation* dari mitra dagang, dan menjadi pijakan kalibrasi skenario harga bagi model SD dan ABM yang lebih operasional.
Setelah lokasi dan skala ditentukan, perhatian beralih ke arsitektur rantai pasok di dalam dan di sekitar kawasan. Pertanyaan-pertanyaan kunci pada tahap ini meliputi bauran teknologi yang optimal antara *pyrometallurgy* dan *hydrometallurgy*, integrasi rantai dari bijih sampai prekursor baterai, manajemen residu seperti *tailings* dan limbah asam sulfat, serta penjadwalan logistik antara pelabuhan, gudang, dan unit pemrosesan. SD relevan untuk mengevaluasi sensitivitas kelayakan jangka panjang terhadap kadar bijih, biaya energi, dan ketersediaan reagen kimia—dimensi yang ditunjukkan oleh Mohammadi et al. (2022) memiliki dampak signifikan pada profitabilitas marjinal. Bradley et al. (2025) menambahkan elemen krusial: integrasi model dengan data tambang-tambang individual yang mencakup lokasi, jenis bijih, metode pemrosesan utama, dan kadar—suatu resolusi data yang memungkinkan analisis kekritisan dinamis. Pada level operasional, DES dapat dipakai untuk optimasi *throughput* unit-unit pemrosesan dan tata letak fasilitas, mirip dengan praktik standar pada manufaktur padat modal. ABM berperan komplementer dengan memodelkan keputusan investasi *tenant* dalam jangka menengah: apakah perusahaan smelter akan memilih membangun pembangkit *captive* sendiri ataukah berlangganan jaringan bersama, bagaimana keputusan ini bergeser ketika harga karbon internasional bergerak, dan bagaimana sinyal regulasi seperti revisi Peraturan Presiden Nomor 112 Tahun 2022 yang mengatur pensiun dini PLTU merambat menjadi perubahan perilaku investor (Ember Energy, 2025).
Salah satu kritik paling tajam terhadap hilirisasi adalah konsentrasi dampak lingkungan dan kesehatan pada komunitas yang berdekatan dengan kawasan. Estimasi dari CREA dan CELIOS (2024) tentang beban kematian dini dan biaya kesehatan akibat polusi udara dari PLTU *captive* dan operasi smelter merupakan baseline yang harus diinternalisasi dalam setiap perancangan kawasan baru. Kerangka SD memungkinkan pemodelan kopling antara akumulasi kapasitas industri, emisi, paparan masyarakat, dan biaya kesehatan publik. Ketika dipadukan dengan ABM yang merepresentasikan sebaran spasial penduduk dan pola paparan, analisis dapat menjawab pertanyaan distribusional yang lebih tajam: kelompok mana yang paling banyak menanggung biaya eksternalitas, dan instrumen kompensasi atau mitigasi apa yang paling efektif. CGE dapat berfungsi sebagai pembungkus makro yang memastikan biaya eksternalitas terinternalisasi dalam akun nasional, mendekati prinsip-prinsip akuntansi hijau yang diadvokasi oleh kerangka *System of Environmental–Economic Accounting* (Smith dan O'Doherty, 2024).
Tahap terakhir, dan barangkali yang paling sulit, adalah manajemen ketidakpastian dan eksplorasi skenario geopolitik. Kebijakan hilirisasi terpapar ketidakpastian dalam dimensi yang banyak: harga komoditas, evolusi teknologi baterai (pergeseran dari NMC ke LFP yang mengurangi intensitas nikel), gangguan rantai pasok internasional, dan perubahan rezim perdagangan global. Untuk persoalan jenis ini, pendekatan *robust decision making* dan *exploratory modeling* di bawah ketidakpastian dalam menjadi penting. SD bersifat alamiah untuk eksplorasi skenario karena memungkinkan analisis sensitivitas terhadap puluhan parameter sekaligus, sebagaimana diperlihatkan oleh Bradley et al. (2025) pada model nikel global TU Delft. Li et al. (2025) menggunakan SD untuk menyimulasikan kinerja rantai pasok manufaktur di bawah gangguan transportasi maritim dengan kasus pemblokiran Terusan Suez, jenis guncangan yang sangat relevan untuk perdagangan mineral antarbenua Indonesia. Kombinasi dengan ABM menambahkan dimensi *strategic behavior* dari mitra dagang dan pesaing, termasuk respon Tiongkok terhadap kebijakan harga progresif Indonesia yang menaikkan royalti bijih nikel dari 10% menjadi 14–19% (Setiawan dan Wibowo, 2025).
Dari pemetaan di atas, kerangka multi-paradigma yang diusulkan dapat dirangkum melalui tiga prinsip operasional. Pertama, *complementarity*: setiap model menjawab pertanyaan yang berbeda dan output satu model dapat menjadi input bagi yang lain—misalnya, harga keseimbangan dari CGE digunakan sebagai eksogen dalam ABM intra-kawasan, atau hasil sensitivitas SD memberi sinyal parameter mana yang perlu dieksplorasi lebih dalam melalui simulasi DES. Kedua, *iteration*: proses perancangan kawasan bersifat iteratif, dan simulasi harus dijalankan berulang seiring pembaruan data dan asumsi—bukan dijalankan sekali sebagai pembenaran keputusan yang sudah final. Ketiga, *transparency*: keputusan tentang pilihan model, batasan, dan parameter harus dapat diaudit oleh pemangku kepentingan eksternal, termasuk akademisi dan masyarakat sipil. Tanpa ketiga prinsip ini, model simulasi berisiko berubah menjadi *black box* yang melegitimasi keputusan yang sudah ditetapkan secara politis (Sarewitz dan Pielke, 2007).
5. Diskusi: Tantangan Metodologis dan Implikasi Kebijakan
Kerangka multi-paradigma yang diuraikan di atas terlihat menjanjikan di atas kertas, tetapi sejumlah tantangan substantif perlu diakui sebelum ia dapat diterjemahkan menjadi praktik analitis pemerintah. Tantangan paling mendasar adalah persoalan data. Kerangka multi-paradigma membutuhkan basis data yang luas dan multi-skala, sementara ketersediaan data pertambangan dan industri pengolahan di Indonesia masih bersifat parsial dan asimetris. Data produksi smelter sering dilaporkan secara agregat oleh asosiasi industri tanpa rincian operasional; data ketenagakerjaan dan migrasi pada kawasan-kawasan smelter sulit diakses oleh peneliti independen; dan data emisi udara aktual dari PLTU *captive* tidak selalu tersedia dalam format yang sesuai dengan kebutuhan model (CREA dan CELIOS, 2024). Penguatan tata kelola data terbuka—termasuk koordinasi antara Kementerian ESDM, Kementerian Perindustrian, Dewan Nasional KEK, dan Badan Pusat Statistik—merupakan prasyarat operasional bagi pemodelan yang kredibel. Tanpa fondasi data yang andal, simulasi yang paling sofistikated sekalipun akan menghasilkan presisi semu di atas kekaburan empiris.
Tantangan kedua bersifat lebih politis. Model simulasi tidak pernah netral. Pilihan struktur, batasan sistem, dan parameter bawaan tertentu dapat menggeser hasil simulasi secara substansial. Dalam ekonomi politik kebijakan hilirisasi—di mana kepentingan investor besar, pemerintah pusat, pemerintah daerah, dan komunitas saling bersaing—terdapat insentif kuat untuk memilih asumsi yang menguntungkan satu pihak. Praktik *modeling for advocacy* yang mengabaikan rentang ketidakpastian dapat memberikan gambaran terlalu optimistis tentang kawasan-kawasan baru. Untuk memitigasi risiko ini, literatur *transparent modeling* mengusulkan praktik baik berupa pelaporan asumsi yang lengkap, analisis sensitivitas multi-parameter, eksplorasi skenario ekstrem, dan tinjauan sejawat sebelum hasil dipublikasikan secara formal (Saltelli et al., 2020). Manifesto Saltelli dan kolega di *Nature* itu, yang ditulis pada puncak pandemi ketika model epidemiologis menjadi rujukan kebijakan tunggal di banyak negara, layak dibaca ulang oleh siapa pun yang akan membangun model kebijakan industri.
Tantangan ketiga adalah integrasi dengan proses politik penyusunan kebijakan. Bahkan model yang paling canggih sekalipun tidak akan berpengaruh jika tidak terhubung dengan proses pengambilan keputusan riil. Pengalaman internasional memperlihatkan bahwa keberhasilan model simulasi sebagai pendukung keputusan bergantung pada institusionalisasi—keberadaan unit analisis kebijakan di pemerintahan, mekanisme reguler untuk menyajikan hasil model kepada pengambil keputusan, dan ruang konsultasi publik untuk membahas implikasinya (Mazzucato, 2021). Indonesia telah membentuk Satuan Tugas Nasional Hilirisasi dan Ketahanan Energi melalui Keputusan Presiden Nomor 1 Tahun 2025, yang mengoordinasikan kementerian-kementerian utama. Lembaga ini secara prinsip dapat menjadi *home base* bagi *digital policy laboratory* yang membangun, memelihara, dan menerapkan model-model simulasi yang dibahas dalam tulisan ini. Apakah ia akan benar-benar menjalankan peran tersebut—dan dengan tingkat keterbukaan seperti apa—merupakan pertanyaan politik yang tidak dapat dijawab oleh ilmu pemodelan itu sendiri.
Akhirnya, perlu ditekankan bahwa model simulasi bukan pengganti instrumen analisis lain. Studi etnografis terhadap komunitas yang berdampingan dengan kawasan smelter, audit *human rights due diligence*, evaluasi dampak gender, dan deliberasi publik tetap merupakan instrumen yang tidak tergantikan. Model simulasi berfungsi paling baik sebagai kerangka berpikir yang menyusun argumen kuantitatif, dengan kesadaran bahwa angka-angka yang dihasilkannya merupakan representasi parsial dan kontingen dari kenyataan empiris. Tidak ada model yang dapat menggantikan kewajiban politik untuk mendengarkan suara mereka yang menanggung biaya kebijakan.
6. Keterbatasan dan Arah Penelitian Lanjutan
Tulisan ini memiliki sejumlah keterbatasan yang perlu diakui secara eksplisit. Sebagai *position paper* konseptual, ia tidak menyajikan implementasi model atau hasil simulasi empiris; validasi kerangka multi-paradigma yang diajukan memerlukan studi kasus konkret pada satu atau beberapa kawasan hilirisasi—misalnya, perbandingan antara IMIP, IWIP, dan KEK Gresik–JIIPE—yang berada di luar lingkup tulisan ini. Ulasan literatur yang dilakukan bersifat naratif dan tidak mengikuti protokol *systematic literature review* dengan kriteria inklusi-eksklusi yang ketat; tinjauan sistematis di masa mendatang dapat memperkaya basis bukti yang mendasari klaim-klaim metodologis. Tulisan ini juga berkonsentrasi pada model kuantitatif dan kurang mendalami metode kualitatif komplementer seperti analisis wacana kebijakan dan etnografi industri yang juga memiliki peran penting dalam membaca dinamika kawasan.
Setidaknya empat agenda penelitian lanjutan layak diusulkan dari titik berhenti tulisan ini. Yang pertama adalah pengembangan model SD nasional untuk hilirisasi mineral kritis yang mengintegrasikan permintaan global, pasokan domestik, biaya eksternalitas lingkungan, dan dinamika kebijakan fiskal—model semacam ini berpotensi menjadi rujukan publik dan *benchmark* bagi analisis sektoral. Yang kedua adalah pembangunan ABM regional untuk kawasan-kawasan utama dengan kalibrasi terhadap data tenaga kerja, perumahan, dan kesehatan lokal yang sejauh ini sulit diakses. Yang ketiga adalah eksperimen integrasi *machine learning* sebagai *surrogate* untuk model ABM yang kompleks, mengikuti pendekatan Furtado dan Andreão (2022), guna memperluas eksplorasi ruang parameter tanpa biaya komputasi yang prohibitif. Dan yang keempat, sekaligus prasyarat institusional bagi tiga agenda lainnya, adalah kajian tata kelola data terbuka pertambangan dan industri pengolahan: tanpa keterbukaan data, model-model di atas tidak akan beranjak dari latihan akademis.
7. Kesimpulan
Kebijakan hilirisasi mineral di Indonesia telah memasuki fase di mana keputusan-keputusan strategis berskala besar—penetapan KEK baru, perubahan rezim royalti, pensiun dini PLTU, integrasi rantai EV—sedang diambil dalam tempo yang cepat dan di bawah ketidakpastian yang dalam. Model simulasi kebijakan industri menawarkan instrumen pendukung keputusan yang dapat membantu pemerintah memahami implikasi sistemik dari pilihan-pilihan tersebut. Tulisan ini telah memetakan empat keluarga model—*system dynamics*, *computable general equilibrium*, *agent-based modeling*, dan *discrete event simulation*—dan mengusulkan kerangka multi-paradigma yang menghubungkan model dengan tahap-tahap perancangan kawasan: dari penetapan lokasi dan skala, penilaian kelayakan, perancangan rantai pasok, evaluasi dampak lingkungan dan sosial, hingga manajemen ketidakpastian. Argumen utamanya adalah bahwa tidak ada model tunggal yang memadai; sintesis lintas-paradigma diperlukan agar setiap pertanyaan kebijakan dijawab oleh metode yang paling sesuai.
Namun model simulasi tidak akan menghasilkan kebijakan yang baik dengan sendirinya. Tata kelola data yang transparan, kemandirian analitis para pengembang model, dan keterbukaan terhadap kritik publik adalah prasyarat institusional yang tidak boleh dilupakan. Kawasan hilirisasi mineral adalah ruang bertemunya kepentingan ekonomi besar, lingkungan yang rapuh, dan komunitas yang rentan; alat-alat kuantitatif harus dipakai untuk memperluas ruang deliberasi, bukan menyempitkannya. Tujuan akhirnya, sebagaimana selalu, bukan sekadar membangun kawasan yang efisien, melainkan membangun masyarakat industri yang adil dan berkelanjutan—dan untuk itu, model adalah teman berpikir, bukan pengganti tanggung jawab politik.
---
Referensi
Aiginger, K. dan Ketels, C. (2024) Industrial policy reborn and reloaded. *Journal of Industry, Competition and Trade*, 24(1), 1–24.
Asia Society Policy Institute (2025) *Indonesian industrialization: Downstreaming up the value chain*. Charting Geoeconomics Series. Center for Strategic and International Studies, Washington, DC.
Bradley, J.E., Auping, W.L., Kleijn, R., Kwakkel, J.H., Mudd, G.M. dan Sprecher, B. (2025) System dynamics modeling of the global nickel supply system at a mine-level resolution: Toward prospective dynamic criticality and resilience data. *Journal of Industrial Ecology*, 29(5), 1666–1683.
CREA dan CELIOS (2024) *The captive coal–nickel nexus in Indonesia: Air pollution, health, and economic costs*. Centre for Research on Energy and Clean Air, Helsinki, dan Center of Economic and Law Studies, Jakarta.
Dixon, P.B. dan Jorgenson, D.W. (2013) Introduction, in *Handbook of Computable General Equilibrium Modeling, Volume 1*, P.B. Dixon dan D.W. Jorgenson (eds.), Elsevier, Amsterdam, pp. 1–22.
Ember Energy (2025) *From captive coal to green nickel: Securing Indonesia's future competitiveness*. Ember, London.
Fioretti, G. (2006) Agent-based models of industrial clusters and districts, in *Progress in Economics Research, Volume IX*, A. Tavidze (ed.), Nova Science Publishers, New York, pp. 125–142.
Fitria, A.N., Bafadal, A. dan Indarsyih, Y. (2025) Strategi pembangunan Kawasan Ekonomi Khusus Sulawesi Tenggara: Kajian potensi daerah berbasis sektor unggulan. *Journal of Economics Research and Policy Studies*, 5(1), 1–18.
Forrester, J.W. (1961) *Industrial dynamics*. MIT Press, Cambridge, MA.
Fujita, K., Ichimura, T. dan Hori, M. (2024) Toward the 1:1 scale agent-based simulation of post-disaster economies, in *High-Performance Computing for Disaster Resilience*, Springer, Cham, pp. 215–238.
Furtado, B.A. dan Andreão, G.O. (2022) Machine learning simulates agent-based model towards policy. *arXiv preprint* arXiv:2203.02576.
Hati, R.P., Warburton, E. dan Camba, A. (2025) Refined dependency: Indonesia's nickel downstreaming as green extractivism. *BIO Web of Conferences*, 50, 02002.
Hausmann, R. dan Rodrik, D. (2003) Economic development as self-discovery. *Journal of Development Economics*, 72(2), 603–633.
IEA (2024) *Global critical minerals outlook 2024*. International Energy Agency, Paris.
Juhász, R., Lane, N.J. dan Rodrik, D. (2024) The new economics of industrial policy. *Annual Review of Economics*, 16, 213–242.
Kementerian Investasi (2026) *Laporan realisasi investasi tahunan 2025*. Kementerian Investasi dan Hilirisasi Republik Indonesia, Jakarta.
Lahadalia, B., Wijaya, C., Dartanto, T. dan Subroto, A. (2024) Nickel downstreaming in Indonesia: Reinventing sustainable industrial policy and developmental state in building the EV industry in ASEAN. *Journal of ASEAN Studies*, 12(1), 79–106.
Li, M., Wang, J. dan Zhao, L. (2025) System dynamics simulation for supply chain performance under maritime transport disruptions: A case study of Suez Canal blockage. *International Transactions in Operational Research*, https://doi.org/10.1111/itor.70097 (Articles in Advance).
Mazzucato, M. (2021) *Mission economy: A moonshot guide to changing capitalism*. Allen Lane, London.
Mendoza, J.M.F., Gallego-Schmid, A. dan Azapagic, A. (2020) A spatial agent-based model for simulating and optimising networked eco-industrial systems. *Resources, Conservation and Recycling*, 161, 104859.
Mohammadi, M., Sadeghi, A. dan Tavakkoli-Moghaddam, R. (2022) A system dynamics simulation model of a steel supply chain: A case study. *Resources Policy*, 78, 102835.
Mohammadi, M., Hashemi, S.H. dan Sadeghi, A. (2024) Balancing supply diversification and environmental impacts: A system dynamics approach to de-risk rare earths supply chain. *Resources Policy*, 95, 105087.
Rodrik, D. (2024) New productivism and the future of industrial policy. *Project Syndicate Working Series*. Harvard Kennedy School, Cambridge, MA.
Rodrik, D. dan Stiglitz, J.E. (2024) A new growth strategy for developing nations. Working Paper, Reimagining the Economy Program, Harvard Kennedy School, Cambridge, MA.
Sahara, S., Hutabarat, B. dan Rifin, A. (2025) Economy-wide impacts of natural resource downstream policy: A case of nickel moratorium in Indonesia. *Mineral Economics*, https://doi.org/10.1007/s13563-025-00562-2 (Online First).
Saltelli, A., Bammer, G., Bruno, I., Charters, E., Di Fiore, M., Didier, E., Espeland, W.N., Kay, J., Lo Piano, S., Mayo, D., Pielke, R., Portaluri, T., Porter, T.M., Puy, A., Rafols, I., Ravetz, J.R., Reinert, E., Sarewitz, D., Stark, P.B., Stirling, A., van der Sluijs, J. dan Vineis, P. (2020) Five ways to ensure that models serve society: A manifesto. *Nature*, 582(7813), 482–484.
Samir, S., Utami, R. dan Razak, M.M. (2024) What are the economic impacts of Indonesia's export ban? A computable general equilibrium analysis. *Jurnal Ekonomi Pembangunan: Kajian Masalah Ekonomi dan Pembangunan*, 25(1), 126–134.
Sarewitz, D. dan Pielke, R.A. (2007) The neglected heart of science policy: Reconciling supply of and demand for science. *Environmental Science & Policy*, 10(1), 5–16.
Setiawan, A. dan Wibowo, R. (2025) Royalty regime reform and the political economy of Indonesia's mineral downstreaming. *Resources Policy*, 102, 105621.
Smith, R. dan O'Doherty, J. (2024) System of Environmental–Economic Accounting and the mineral economy. *Ecological Economics*, 218, 108095.
Sterman, J.D. (2000) *Business dynamics: Systems thinking and modeling for a complex world*. Irwin/McGraw-Hill, Boston.
Tesfatsion, L. (2017) Modeling economic systems as locally-constructed systems of interacting agents, in *The Oxford Handbook of Computational Economics and Finance*, S.-H. Chen, M. Kaboudan dan Y.-R. Du (eds.), Oxford University Press, Oxford, pp. 6–43.
USGS (2024) *Mineral commodity summaries 2024: Nickel*. United States Geological Survey, Reston, VA.
Warburton, E. (2024) Nationalism, resource nationalism, and Indonesia's downstreaming policy. *Journal of Contemporary Asia*, 54(3), 421–445.
