CAUSAL MULTI-ARMED BANDITS UNTUK EVALUASI KEBIJAKAN INSENTIF KENDARAAN LISTRIK: REGRET KAUSAL DAN IDENTIFIKASI STRUKTUR SEBAB-AKIBAT PADA DATA GAIKINDO 2022-2025

Studi ini mengusulkan kerangka causal multi-armed bandits untuk mengevaluasi kebijakan insentif kendaraan listrik menggunakan data industri GAIKINDO periode 2022–2025. Pendekatan ini mengintegrasikan causal inference dan pengambilan keputusan sekuensial untuk mengestimasi dampak kebijakan di bawah ketidakpastian serta meminimalkan cumulative causal regret. Dengan memodelkan tingkat insentif sebagai lengan kebijakan, penelitian ini mengidentifikasi efek kausal yang heterogen dan dinamis terhadap adopsi kendaraan listrik, serta merekonstruksi struktur sebab-akibat antara kebijakan, permintaan pasar, dan faktor makroekonomi guna mendukung perumusan kebijakan yang adaptif dan berbasis bukti.本研究提出因果多臂老虎机（causal multi-armed bandits）框架，基于2022—2025年印尼汽车生产商协会（GAIKINDO）的行业数据，对电动汽车激励政策进行评估。该方法整合了因果推断（causal inference）与序列决策技术，可在不确定性环境下估算政策影响，并最小化累积因果遗憾（cumulative causal regret）。本研究将激励水平建模为政策臂，识别了电动汽车采用的异质性动态因果效应，同时重构了政策、市场需求与宏观经济因素间的因果结构，以此支撑自适应且循证的政策制定。