Regulasi Lengkap, Pasar Belum Sepenuhnya Dalam
Carbon Pricing Indonesia: Menilai Gap antara Regulatory Architecture dan Market Effectiveness. Working paper ini membangun kerangka penelitian skala project untuk membaca paradoks Indonesia: fondasi kebijakan karbon semakin lengkap, tetapi efektivitas pasar karbon masih perlu diuji melalui likuiditas, partisipasi, integritas, penggunaan unit karbon, dan daya dorong fiskal-pembiayaan hijau.
Regulasi karbon Indonesia berkembang cepat, tetapi pasar karbon perlu diuji lebih ketat
World Bank dalam State and Trends of Carbon Pricing 2026 melaporkan bahwa pendapatan carbon pricing global telah meningkat hampir tiga kali lipat dalam satu dekade, dari di bawah US$30 miliar pada 2016 menjadi lebih dari US$107 miliar pada 2025. Dalam konteks Indonesia, arsitektur kebijakan juga berkembang: UU HPP meletakkan dasar pajak karbon, POJK 14/2023 mengatur perdagangan karbon melalui bursa, Permen ESDM 16/2022 membuka penyelenggaraan NEK subsektor pembangkit listrik, Perpres 110/2025 memperbarui kerangka Nilai Ekonomi Karbon, dan perdagangan karbon internasional mulai dibuka pada 20 Januari 2025.
Namun, pertanyaan strategisnya bukan lagi apakah Indonesia sudah memiliki regulasi, melainkan apakah regulasi itu sudah terkonversi menjadi pasar karbon yang efektif. Working paper ini mengusulkan desain penelitian berbasis Market Effectiveness Index (MEI), Regulatory Architecture Index (RAI), dan Regulatory–Market Gap Index (RMGI). Untuk memprediksi fase efektivitas pasar, penelitian dirancang membandingkan lima pendekatan machine learning: KNN, SVM, Random Forest, AdaBoost, dan Gradient Boosting.
Dari harga karbon global menuju ujian implementasi Indonesia
Carbon pricing semakin bergerak dari kebijakan lingkungan menuju instrumen pembangunan. Ketika pendapatan carbon pricing global telah menembus lebih dari US$107 miliar pada 2025, isu ini tidak lagi semata-mata tentang penurunan emisi, tetapi juga tentang kapasitas negara memobilisasi penerimaan, mendisiplinkan sinyal harga, mendorong inovasi rendah karbon, dan membiayai transisi yang adil.
Indonesia bukan negara yang tertinggal dari sisi perumusan kebijakan. Dalam beberapa tahun terakhir, pemerintah membangun fondasi yang relatif lengkap: pajak karbon melalui UU HPP, perdagangan karbon di sektor pembangkit listrik, Bursa Karbon Indonesia, integrasi dengan pengawasan OJK, pembukaan akses perdagangan internasional, dan pembaruan pengaturan NEK melalui Perpres 110/2025. Pada level kelembagaan, ini menunjukkan bahwa Indonesia telah memasuki fase institutional build-up.
Namun, arsitektur kebijakan tidak otomatis menyelesaikan persoalan efektivitas pasar. Pasar yang efektif harus memperlihatkan transaksi yang konsisten, volume yang bertumbuh, proyek yang terdiversifikasi, partisipasi pelaku yang bermakna, pengajuan retirement yang sehat, dan tata kelola yang mencegah fraud, misstatement, maupun greenwashing. Di sinilah gap penelitian berada: bagaimana mengukur jarak antara kemajuan regulasi dan kematangan pasar karbon Indonesia?
Regulasi dianggap sama dengan keberhasilan pasar
Padahal aturan menciptakan fondasi, bukan otomatis likuiditas dan integritas pasar.
Transaksi rendah sering dibaca sebagai kegagalan total
Padahal pasar baru sering membutuhkan fase pembentukan supply, trust, MRV, dan demand.
Debat publik belum memisahkan quantity dan quality
Volume transaksi penting, tetapi retirement, diversifikasi proyek, dan kredibilitas data sama pentingnya.
“Regulatory architecture is necessary; market effectiveness must still be demonstrated.”
Tujuan riset: mengukur gap, bukan sekadar menyusun daftar regulasi
Tujuan Utama
Menilai apakah Indonesia, meskipun telah memiliki kerangka regulasi carbon pricing yang semakin lengkap, masih menghadapi kesenjangan antara regulatory architecture dan market effectiveness.
Pertanyaan Riset
Apakah peningkatan jumlah aturan, peluncuran bursa karbon, dan pembukaan transaksi internasional telah diikuti oleh peningkatan efektivitas pasar yang sepadan?
Hipotesis Penelitian
Regulatory architecture berkembang lebih cepat daripada market effectiveness
RAI meningkat signifikan setelah 2021–2025, tetapi MEI tidak selalu meningkat dalam kecepatan yang sama.
Partisipasi pengguna tidak otomatis meningkatkan kedalaman pasar
Kenaikan jumlah pengguna jasa dapat terjadi bersamaan dengan pertumbuhan volume transaksi yang relatif lambat.
Integritas pasar menjadi penentu efektivitas, bukan sekadar volume
Retirement ratio, diversifikasi proyek, dan tata kelola greenwashing memengaruhi kualitas pasar karbon.
Model ensemble berpotensi lebih baik untuk klasifikasi fase efektivitas pasar
Karena hubungan kebijakan–pasar bersifat nonlinear dan threshold-based, Random Forest atau Gradient Boosting diperkirakan relevan untuk diuji bersama KNN, SVM, dan AdaBoost.
Mengakomodasi kontra-narasi: tidak simplistis, tidak defensif
Paper ini secara eksplisit mengakomodasi counter narrative agar pembacaan terhadap pasar karbon Indonesia tidak jatuh pada dua ekstrem: “Indonesia sudah selesai karena regulasinya lengkap” atau “Indonesia gagal karena transaksi belum besar”.
Narasi yang perlu dikoreksi #1
“Regulasinya sudah lengkap, berarti pasar karbon sudah efektif.”
Keliru. Regulasi menciptakan permission structure, sementara efektivitas pasar ditentukan oleh likuiditas, kualitas proyek, mekanisme MRV, kepastian registry, demand yang stabil, dan kredibilitas klaim emisi.
Narasi yang perlu dikoreksi #2
“Kalau transaksinya belum meledak, berarti bursa karbon gagal.”
Terlalu cepat. Pasar karbon awal membutuhkan pembentukan ekosistem. OJK menunjukkan peningkatan pengguna jasa, retirement yang besar, serta penguatan akses internasional. Yang perlu diuji adalah apakah momentum itu berlanjut menjadi pasar yang dalam.
Narasi yang perlu dikoreksi #3
“Yang penting transaksi tinggi.”
Tidak cukup. Transaksi tanpa integritas hanya memindahkan label hijau. OJK menggarisbawahi risiko fraud, misstatement, dan greenwashing; karena itu indikator efektivitas harus memasukkan kualitas, bukan volume saja.
Narasi yang perlu dikoreksi #4
“Carbon pricing Indonesia pasti tertinggal dari dunia.”
Tidak sepenuhnya. Indonesia telah membangun payung regulasi yang penting. Gap-nya bukan nihil kebijakan, melainkan konversi kebijakan menjadi pasar yang efektif, kredibel, dan produktif.
Rancangan dataset: dari timeline regulasi ke efektivitas pasar
Unit analisis utama disarankan berbentuk bulanan sejak peluncuran Bursa Karbon Indonesia, kemudian diperkaya dengan seri regulasi, indikator harga, komposisi proyek, dan benchmark global. Jika jumlah observasi bulanan masih terbatas, dataset dapat diperluas secara kuartalan atau menjadi panel-jurisdiction benchmark untuk tahap lanjutan.
| Blok Data | Variabel Utama | Frekuensi | Sumber | Fungsi Analitis |
|---|---|---|---|---|
| Regulatory Architecture | UU HPP, Permen ESDM 16/2022, POJK 14/2023, launch IDXCarbon, internasionalisasi Januari 2025, Perpres 110/2025 | Event/dummy | JDIH, OJK, BPK, ESDM | Membangun RAI dan event study |
| Market Activity | Volume transaksi, nilai transaksi, frekuensi, pengguna jasa, proyek terdaftar | Bulanan | IDXCarbon, OJK | Membangun MEI dan depth proxy |
| Market Quality | Retirement, retirement ratio, diversifikasi proyek, kategori unit karbon | Bulanan/periodik | IDXCarbon, OJK | Menghindari bias “volume-only” |
| Price Signal | Harga unit karbon IDTBS/IDTBS-RE, benchmark harga karbon global | Periodik | OJK, World Bank | Diagnostik gap sinyal harga |
| Fiscal-Revenue Context | Tarif pajak karbon, penerimaan potensial, eligible emissions, recycling scenario | Skenario/tahunan | Kemenkeu, UU HPP | Simulasi penerimaan dan transisi fiskal hijau |
Perbandingan machine learning untuk mengklasifikasi fase efektivitas pasar
Desain metode mengadaptasi logika komparatif studi machine learning yang membandingkan KNN, SVM, AdaBoost, Gradient Boosting, dan Random Forest, disertai tuning hyperparameter serta evaluasi menggunakan akurasi, precision, dan recall. Dalam working paper ini, kerangka tersebut dipindahkan dari kasus klasifikasi khasiat jamu menuju klasifikasi fase efektivitas pasar karbon. Karena data karbon berbentuk runtut waktu, validasi yang dianjurkan bukan random split murni, melainkan rolling-origin / time-series cross-validation untuk menghindari look-ahead bias.
5.1. Regulatory Architecture Index (RAI)
RAI merangkum kemajuan kebijakan sebagai indeks bertahap. Setiap kebijakan memperoleh bobot berdasarkan relevansinya terhadap pasar karbon, tata kelola, dan perluasan cakupan.
Contoh: UU HPP, Permen ESDM 16/2022, POJK 14/2023, peluncuran IDXCarbon, perdagangan internasional, dan Perpres 110/2025. Bobot $\omega_k$ dapat disepakati melalui expert scoring atau equal weighting.
5.2. Market Effectiveness Index (MEI)
MEI dibuat agar efektivitas pasar tidak hanya dibaca dari nilai transaksi, tetapi juga dari volume, partisipasi, retirement, diversifikasi proyek, dan kredibilitas sinyal harga.
Nilai $Z(\cdot)$ dapat dibentuk melalui min–max normalization, z-score, atau percentile scaling. Bobot $w_j$ dapat dibuat sama rata atau ditentukan lewat AHP/ANP, PCA, atau expert judgement.
5.3. Regulatory–Market Gap Index (RMGI)
Interpretasi: RMGI tinggi berarti arsitektur regulasi telah maju tetapi efektivitas pasar tertinggal; RMGI rendah berarti pasar mulai mengonversi fondasi regulasi menjadi aktivitas efektif.
5.4. Label klasifikasi untuk machine learning
Label $Y_t=1$ dibaca sebagai fase pasar relatif efektif, sedangkan $Y_t=0$ sebagai fase gap tinggi. Nilai ambang $\tau$ dan $\gamma$ dapat dikalibrasi melalui distribusi data, expert consensus, atau threshold berbasis kebijakan.
5.5. Matriks fitur
| Model | Peran dalam Riset | Kekuatan | Risiko | Hyperparameter Kunci |
|---|---|---|---|---|
| KNN | Baseline berbasis kedekatan profil bulan | Mudah dibaca, nonparametrik | Sensitif terhadap skala dan data kecil | $k$, metric, weights |
| SVM | Mencari batas klasifikasi gap vs efektif | Kuat di ruang fitur menengah | Interpretasi dan tuning kernel perlu hati-hati | $C$, kernel, $\gamma$ |
| Random Forest | Menangkap interaksi nonlinear antarindikator | Robust, interpretable via feature importance | Dapat overfit jika data sangat kecil | n_estimators, max_depth, max_features |
| AdaBoost | Menekankan observasi yang sulit diklasifikasi | Baik untuk weak learners bertahap | Sensitif terhadap noise ekstrem | n_estimators, learning_rate |
| Gradient Boosting | Membangun keputusan secara aditif dan bertahap | Kuat untuk pola threshold dan residual correction | Training lebih lambat, perlu validasi ketat | n_estimators, learning_rate, max_depth |
5.6. Formula inti model
Random Forest
Prediksi akhir berasal dari voting mayoritas seluruh pohon keputusan.
SVM
Model memilih hyperplane dengan margin maksimum dan penalti kesalahan.
AdaBoost
Weak learners digabung dengan bobot yang meningkat pada kasus sulit.
Gradient Boosting
Model memperbaiki prediksi tahap demi tahap melalui pseudo-residual.
5.7. Evaluasi model
Kompilasi data regulasi, transaksi, price signal, dan kualitas pasar.
Bangun RAI, MEI, dan RMGI untuk setiap periode observasi.
Tentukan label fase efektif vs gap tinggi secara transparan.
Latih KNN, SVM, RF, AdaBoost, dan Gradient Boosting.
Gunakan time-series cross-validation dan bandingkan metrik.
Interpretasi: feature importance, threshold, dan rekomendasi kebijakan.
Temuan awal berbasis data publik: gap itu terlihat, tetapi bukan bukti kegagalan total
6.1. Arsitektur regulasi Indonesia sudah substantif
Indonesia telah membangun rangka regulasi yang mencakup dasar fiskal, pengaturan sektor, penyelenggaraan bursa karbon, pengawasan sektor jasa keuangan, dan pembaruan kerangka NEK nasional. Dengan kata lain, Indonesia bukan berada di fase regulatory vacuum.
- UU HPP 2021: dasar legal pajak karbon.
- Permen ESDM 16/2022: NEK subsektor pembangkit tenaga listrik.
- POJK 14/2023: penyelenggaraan perdagangan karbon melalui Bursa Karbon.
- 20 Januari 2025: perdagangan karbon luar negeri mulai dibuka.
- Perpres 110/2025: pembaruan kerangka instrumen NEK dan pengendalian emisi GRK nasional.
6.2. Partisipasi tumbuh lebih cepat daripada penambahan volume transaksi
Per 14 Juli 2025, OJK melaporkan 113 pengguna jasa, volume transaksi 1.599.336 tCO₂e, dan nilai transaksi sekitar Rp78 miliar. Pada Oktober 2025, jumlah pengguna jasa telah meningkat menjadi 137, tetapi volume kumulatif hanya naik menjadi 1.606.657 tCO₂e dan nilai transaksi menjadi Rp78,50 miliar. Secara indikatif, jumlah pengguna bertambah sekitar 21,24%, sementara volume kumulatif hanya bertambah sekitar 0,46% dan nilai kumulatif sekitar 0,64%.
Grafik 1. Decoupling awal: pertumbuhan pengguna vs volume dan nilai transaksi
Indeks Juli 2025 = 100; Oktober 2025 dihitung dari snapshot resmi OJK.
6.3. Retirement menunjukkan penggunaan unit karbon, bukan sekadar transaksi spekulatif
OJK mencatat retirement yang diajukan sebesar 980.475 tCO₂e per 14 Juli 2025. Bila dibandingkan dengan volume transaksi 1.599.336 tCO₂e, rasio retirement indikatif berada di sekitar 61,31%. Ini penting karena kualitas pasar tidak hanya dilihat dari trading, tetapi juga dari penggunaan unit untuk klaim pengurangan atau pemenuhan kebutuhan tertentu.
Grafik 2. Volume transaksi vs retirement yang diajukan
Retirement ratio membantu membedakan pasar yang sekadar aktif diperdagangkan dari pasar yang benar-benar digunakan.
6.4. Sinyal harga Indonesia masih perlu dibaca hati-hati
World Bank melaporkan rata-rata harga karbon langsung global mendekati US$21/tCO₂e. Sementara itu, OJK mencatat harga unit karbon Bursa Karbon Indonesia sekitar US$3,6 untuk IDTBS dan US$3,7 untuk IDTBS-RE per Juli 2025. Perbandingan ini bukan identik secara metodologis karena harga karbon langsung global dan harga unit karbon bursa tidak sepenuhnya setara. Namun, secara diagnostik, ia menunjukkan bahwa pembentukan sinyal harga karbon Indonesia masih berada pada fase awal dan perlu dibaca bersama kualitas unit, struktur permintaan, dan desain kebijakan domestik.
Grafik 3. Diagnostic price comparison — bukan perbandingan satu banding satu
Dipakai sebagai ilustrasi jarak sinyal harga, bukan sebagai klaim substitusi metodologis.
6.5. Counter-narrative berbasis integritas pasar
OJK menekankan bahwa pasar karbon menghadapi potensi risiko fraud, misstatement, dan greenwashing. Artinya, kebijakan untuk mempercepat volume transaksi tidak boleh menurunkan disiplin kualitas. Dalam perspektif ini, pasar karbon yang berkembang lebih lambat tetapi lebih kredibel dapat lebih bernilai daripada ledakan transaksi tanpa integritas.
Fraud & misstatement
Klaim karbon harus didukung MRV dan registry yang dapat diaudit.
Greenwashing
Transaksi karbon tidak boleh menjadi kosmetik pelaporan tanpa reduksi nyata.
Integrity-first scaling
Perluasan pasar dibangun bersama standar kualitas, transparansi, dan pengawasan.
6.6. Expected machine-learning insight
Setelah dataset lengkap dikompilasi, model machine learning diharapkan menjawab tiga hal:
- Model mana yang paling baik membedakan fase pasar efektif dan fase gap tinggi?
- Fitur mana yang paling menentukan: volume, users, retirement, price signal, atau event kebijakan?
- Apakah event regulasi tertentu benar-benar menggeser probabilitas pasar menuju efektivitas lebih tinggi?
Laboratorium interaktif untuk memperjelas result dan discussion
Modul di bawah dapat dipakai sebagai alat diskusi dalam working paper, policy brief, atau dashboard publik. Nilai default menggunakan angka ilustratif atau snapshot resmi yang disebutkan pada pembahasan.
Lab 1 — Carbon Tax Revenue Simulator
Menghitung potensi penerimaan berdasarkan emisi kena pajak, tarif karbon, cakupan, dan kepatuhan.
Lab 2 — Regulatory–Market Gap Simulator
Menilai selisih antara kemajuan regulasi dan efektivitas pasar dalam skala 0–100.
Lab 3 — Participation vs Market Depth
Menguji apakah kenaikan pengguna jasa diikuti pertumbuhan volume transaksi yang sepadan.
Lab 4 — Retirement Ratio Calculator
Mengukur seberapa besar unit yang diajukan untuk retirement dibanding total volume transaksi.
Lab 5 — Confusion Matrix Metric Calculator
Memahami evaluasi model klasifikasi efektivitas pasar karbon.
Lab 6 — ML Stage Classifier Prototype
Simulator konseptual untuk mengklasifikasi fase pasar: bukan hasil estimasi final, melainkan alat pembacaan kebijakan.
Dari “aturan tersedia” menuju “pasar bekerja”
1. Ukur efektivitas pasar secara berkala
OJK, KLH/BPLH, dan penyelenggara bursa dapat melaporkan dashboard yang lebih terstruktur: volume, nilai, retirement, jumlah proyek, sebaran sektor, pengguna aktif, dan kualitas unit.
2. Perluas supply, tetapi dengan integritas
Market depth tidak hanya membutuhkan banyak proyek, tetapi proyek yang kredibel, diverifikasi dengan MRV kuat, dan memiliki klaim pengurangan emisi yang dapat dipercaya.
3. Bangun demand domestik
Pembeli karbon perlu tumbuh dari kepatuhan, strategi dekarbonisasi korporasi, supply chain requirement, dan kemungkinan integrasi kebijakan fiskal.
4. Hubungkan carbon pricing dengan green finance
Unit karbon, transisi energi, green sukuk, sustainability-linked instruments, dan pembiayaan proyek rendah karbon perlu dibaca sebagai ekosistem, bukan kebijakan terpisah.
5. Gunakan ML sebagai sistem peringatan dini
Model dapat mengidentifikasi kondisi ketika pasar terlihat aktif secara regulasi tetapi belum efektif secara transaksi, integritas, atau penggunaan unit.
6. Jaga kontra-narasi tetap proporsional
Kritik terhadap pasar karbon harus berbasis indikator, bukan sentimen; dukungan terhadap pasar karbon juga harus berbasis bukti, bukan euforia regulasi.
Indonesia telah membangun arsitektur; pekerjaan berikutnya adalah membuktikan efektivitas
Working paper ini menegaskan bahwa Indonesia tidak berada dalam kekosongan kebijakan carbon pricing. Sebaliknya, Indonesia telah membangun kerangka kelembagaan yang semakin lengkap. Namun, bukti awal dari data OJK memperlihatkan bahwa peningkatan jumlah pengguna jasa belum selalu diikuti pertumbuhan volume transaksi yang sepadan. Pada saat yang sama, retirement ratio yang cukup besar menunjukkan bahwa pasar karbon tidak boleh dinilai semata-mata dari transaksi, melainkan dari kegunaan, integritas, dan kualitas klaim.
Karena itu, gap antara regulatory architecture dan market effectiveness merupakan isu riset yang kuat. Ia cukup tajam untuk menjawab debat publik, cukup terukur untuk diolah secara empiris, dan cukup relevan untuk menjadi dasar kebijakan karbon Indonesia pada fase berikutnya.
Sumber kebijakan, data, dan metodologi
Tombol berikut disiapkan sebagai pintu masuk ke laporan, regulasi, dan sumber metodologis utama.