Stasiun penukaran dan pengisian baterai sepeda motor listrik merupakan infrastruktur penting dalam mendukung ekosistem kendaraan listrik roda dua di Indonesia. Namun, operasionalnya rentan terhadap berbagai gangguan yang dapat menurunkan kualitas layanan dan meningkatkan risiko kegagalan sistem. Penelitian terdahulu oleh Priyandari et al. (2025) telah mengembangkan model penilaian kerentanan berbasis data IoT, tetapi masih mengasumsikan bobot kepentingan yang sama untuk seluruh faktor dan hubungan kausalitas yang bersifat konseptual. Penelitian ini bertujuan mengidentifikasi faktor dan subfaktor kerentanan operasional, menentukan bobot kepentingan setiap faktor, serta menganalisis hubungan sebab-akibat menggunakan integrasi metode Best Worst Method (BWM) dan Decision Making Trial and Evaluation Laboratory (DEMATEL).Sebanyak tujuh faktor utama dan tiga puluh subfaktor diidentifikasi melalui studi literatur, yaitu Gangguan pada Stasiun (GS), Keandalan Jaringan Listrik (JL), Kondisi Baterai (KB), Gangguan pada Aplikasi Layanan (GA), Setting Operasional (SO), Kondisi Lingkungan Sekitar Stasiun (KL), dan Demografi Stasiun (DS). Pembobotan dilakukan menggunakan BWM dengan melibatkan tiga Decision Maker yang merupakan pakar Teknik Industri, sedangkan analisis hubungan sebab-akibat menggunakan DEMATEL dengan tiga Large Language Model (ChatGPT, Claude, dan DeepSeek) sebagai panel ahli virtual melalui pendekatan LLM as a judge.Hasil BWM menunjukkan bahwa Kondisi Baterai (KB) memiliki bobot tertinggi sebesar 0,2510, diikuti Keandalan Jaringan Listrik (JL) sebesar 0,1670, dengan nilai Consistency Ratio agregat sebesar 0,1075 yang berada di bawah ambang batas 0,4445. Hasil DEMATEL mengidentifikasi Demografi Stasiun (DS1, R−C = 0,9332) dan Kondisi Lingkungan (KL2, R−C = 0,8885) sebagai faktor penyebab (cause) dominan, sedangkan indikator kinerja I1 (R−C = −1,2016) menjadi faktor yang paling banyak menerima pengaruh (effect). Integrasi BWM-DEMATEL menghasilkan model kerentanan operasional yang lebih representatif dibandingkan penelitian sebelumnya dan dapat menjadi acuan dalam menentukan prioritas penanganan gangguan operasional.
