Emisi Naik, Ekonomi 8%: Peran AI di Transisi Energi

Emisi Naik di Tengah Ambisi Ekonomi 8%

Pertumbuhan ekonomi 8% per tahun terdengar menggiurkan. Lapangan kerja bertambah, konsumsi naik, investasi deras. Tapi menurut Indonesia Energy Transition Outlook (IETO) 2026 dari IESR, kalau pertumbuhan ini tetap didorong energi fosil, emisi justru bisa naik sekitar 17% hingga 2040 dan target net-zero emission 2060 makin mahal dan berat.

Ini bukan sekadar isu lingkungan. Buat pelaku usaha energi, utilitas, hingga pemerintah daerah, lonjakan emisi berarti:

• tekanan kebijakan dan regulasi yang makin ketat,
• risiko aset terdampar (stranded asset) untuk PLTU dan infrastruktur fosil,
• reputasi buruk di mata investor global yang makin fokus ESG,
• biaya pembangkitan listrik yang makin sulit diprediksi.

Di sisi lain, Indonesia sudah punya komitmen besar: janji menghentikan energi fosil dalam 10–15 tahun dan beralih ke 100% energi terbarukan. Jurangnya? Implementasi di lapangan. Di sinilah transisi energi harus naik kelas: bukan lagi sekadar wacana, tapi menjadi strategi bisnis yang realistis, dan salah satu kuncinya adalah pemanfaatan kecerdasan buatan (AI) di sektor energi.

Masalah Struktural Transisi Energi Indonesia

Realitas hari ini: dominasi energi fosil masih menguat. Sembilan tahun berturut-turut, target bauran energi terbarukan tidak tercapai. Target 23% EBT di 2025 baru menyentuh sekitar 16% di pertengahan 2025.

“Transisi energi Indonesia berjalan lambat karena tiga hambatan struktural: regulasi tidak koheren, insentif fiskal untuk fosil, dan fragmentasi institusi,” – Fabby Tumiwa, CEO IESR.

1. Kebijakan dan regulasi yang saling bertabrakan

Kerangka regulasi energi kita masih campur aduk:

• Ada target EBT ambisius, tapi perizinan proyek PLTS dan PLTB sering berbelit.
• Rencana pensiun PLTU belum jelas dan belum mengikat.
• RUPTL sudah bicara penambahan EBT, tapi realisasi di lapangan tertahan oleh skema jual beli listrik dan risiko kontrak.

Tanpa kepastian arah, investor EBT akan berhitung sangat hati-hati.

2. Subsidi fosil vs anggaran EBT yang minim

Di saat investasi energi terbarukan belum menyentuh target, subsidi energi fosil 2022–2026 diproyeksikan menumpuk hingga Rp1.023 triliun. Bandingkan dengan anggaran energi terbarukan di tingkat provinsi untuk 2025 yang hanya sekitar Rp426,7 miliar dari 33 provinsi.

Contoh sederhana:

• Bali punya potensi surya sekitar 21 GW, tapi realisasi EBT-nya baru kurang dari 3% dari target 11% pada 2025.
• Daerah lain dengan potensi angin, surya, dan biomassa serupa juga tertahan karena anggaran dan model bisnis belum kuat.

3. Kesiapan ekosistem transisi energi masih rendah

Melalui Transition Readiness Framework (TRF), IESR menilai empat dari sebelas faktor pendukung transisi (kebijakan, kepemimpinan, investasi, dan lainnya) masih berada di level rendah dan tidak membaik dari tahun sebelumnya.

Partisipasi publik meningkat, tapi baru pada level kesadaran, belum sampai ke tindakan nyata: mengganti kompor induksi, pasang PLTS atap, atau ikut skema demand response dan efisiensi energi.

Masalah-masalah ini membuat transisi energi Indonesia terasa berat. Namun, justru di tengah kekusutan ini, AI punya ruang peran yang sangat strategis.

Permintaan Listrik Tumbuh Cepat, EBT Tidak Ikut Ngebut

Kebutuhan listrik Indonesia tumbuh 3–10% per tahun. Pertumbuhan secepat ini idealnya diisi oleh energi terbarukan, sehingga bauran EBT naik tanpa perlu mematikan pembangkit lama secara mendadak.

Faktanya, di sistem listrik on-grid, bauran EBT justru turun dari 13% (2020) menjadi 11,5% (2024), meleset dari target 15% di RUPTL 2021–2030.

Potensi hemat biaya yang belum diambil

Simulasi IESR untuk skenario 100% energi terbarukan di Pulau Timor dan Sumbawa menunjukkan:

• Sistem didominasi PLTS dan baterai,
• Biaya pembangkitan bisa turun 3–21%,
• Keandalan sistem tetap terjaga.

Artinya, argumentasi “EBT itu mahal dan tidak andal” makin sulit dipertahankan. Biaya teknologinya turun, datanya sudah ada, tapi eksekusi tertahan.

Kenapa operator sistem listrik ragu?

Dari diskusi dengan berbagai pelaku industri, kekhawatiran utamanya konsisten:

• Variabilitas PLTS dan PLTB akan menyulitkan pengaturan beban.
• Investasi baterai dianggap mahal di depan (capex tinggi).
• Data sistem tidak selalu real-time dan model prediksi masih kasar.

Di titik ini, AI untuk sektor energi bukan sekadar “nice to have”, tapi alat praktis untuk menjawab kekhawatiran teknis di lapangan.

Di Mana AI Bisa Mengubah Arah Transisi Energi?

AI paling bermanfaat ketika masalahnya kompleks, datanya besar, dan keputusan harus cepat. Sistem ketenagalistrikan punya semua karakter itu. Ada beberapa area kunci di mana AI langsung relevan dengan tantangan yang dipotret IETO 2026.

1. Prediksi permintaan listrik yang jauh lebih akurat

Pertumbuhan permintaan 3–10% per tahun perlu dikelola dengan presisi. Model manual atau spreadsheet tidak lagi cukup.

Dengan AI, perusahaan listrik dan energy planner bisa:

• Memprediksi beban listrik per jam per wilayah, bukan hanya per bulan.
• Menggabungkan data cuaca, ekonomi lokal, hari libur, hingga pola industri.
• Menguji skenario: misalnya penambahan kendaraan listrik di Jabodetabek atau kawasan industri hijau di Kalimantan.

Dampak langsung: perencanaan penambahan pembangkit EBT dan jaringan transmisi lebih akurat, sehingga tidak ada lagi “alasan” kelebihan kapasitas PLTU sebagai penghambat EBT.

2. Optimasi integrasi PLTS, PLTB, dan baterai

Kekhawatiran utama operator sistem soal EBT adalah intermittency (naik-turun karena cuaca). AI dapat:

• Memprediksi produksi PLTS dan PLTB berbasis data cuaca real-time dan historis.
• Mengatur kapan baterai diisi dan dikosongkan agar biaya sistem minimum.
• Mengoptimalkan kombinasi PLTU, PLTG, PLTS, PLTB, dan baterai per jam operasi.

Kalau kita ingin skenario seperti di Pulau Timor dan Sumbawa — biaya turun 3–21% dengan 100% EBT — AI adalah “otak” yang mengatur kapan siapa jalan dan siapa istirahat.

3. Smart grid dan smart metering untuk efisiensi energi

Transisi energi bukan hanya soal menambah pembangkit EBT, tapi juga mengurangi pemborosan. Di sini smart grid dan smart metering yang dipandu AI bisa:

• Mendeteksi beban puncak (peak load) dan memberi sinyal ke pelanggan besar untuk menggeser konsumsi.
• Mengidentifikasi kehilangan energi (technical & non-technical losses) secara granular per feeder.
• Menawarkan tarif dinamis berdasarkan pola beban, sehingga pelanggan terdorong mengubah perilaku konsumsi.

Di Indonesia, implementasi ini bisa mulai dari kawasan industri, kawasan ekonomi khusus, dan kota-kota besar dengan beban tinggi. Dampaknya ganda: emisi berkurang, biaya operasi turun.

4. Low-carbon powershoring: memetakan lokasi industri berbasis EBT

Salah satu rekomendasi IESR adalah mendorong relokasi atau pembangunan industri di wilayah dengan pasokan energi bersih. AI bisa membantu dengan:

• Menganalisis potensi EBT (surya, angin, hidro) per daerah,
• Menghitung kombinasi biaya listrik, infrastruktur, dan kedekatan pasar,
• Memberi heatmap lokasi ideal untuk kawasan industri rendah karbon.

Buat pemerintah daerah, ini bisa jadi dasar kuat untuk pitching ke investor: bukan lagi sekadar “lahan murah”, tapi “listrik bersih dan andal berbasis data”.

Dari Retorika ke Implementasi: 6 Langkah dan Peran AI

IESR merekomendasikan enam langkah besar untuk mempercepat transisi energi. Kalau kita kaitkan dengan AI, gambarnya jadi jauh lebih operasional dan konkret.

1. Menyusun rencana pensiun energi fosil yang jelas

Tanpa peta jalan PLTU yang tegas, bauran EBT akan selalu tertahan. AI dapat membantu:

• Mensimulasikan berbagai skenario pensiun PLTU: kapan, di mana, dan dampak tarif.
• Menghitung risiko keandalan sistem jika PLTU tertentu dipensiunkan lebih cepat.
• Mengoptimalkan urutan pensiun PLTU untuk menekan biaya dan emisi sekaligus.

2. Reformasi kelembagaan dan regulasi berbasis data

Reformasi sering mandek karena debat tanpa angka. Dengan analitik AI:

• Pemerintah bisa melihat proyeksi tarif, emisi, dan investasi untuk setiap opsi kebijakan.
• Diskusi lintas kementerian lebih berbasis simulasi, bukan sekadar asumsi.

Ini membantu mengurangi fragmentasi prioritas antar lembaga yang selama ini dikritik IESR.

3. Memperluas pemanfaatan PLTS, PLTB, dan baterai

AI bisa menjadi katalis untuk proyek EBT:

• Site selection: pilih lokasi PLTS/PLTB paling optimal berdasarkan radiasi, angin, lahan, akses jaringan, dan risiko sosial.
• Project planning: memprediksi produksi energi dan pendapatan proyek selama umur teknis.
• Grid impact analysis: mengukur dampak setiap proyek baru ke sistem ketenagalistrikan.

Buat pengembang, ini mengurangi ketidakpastian dan memperkuat bankability proyek.

4. Low-carbon powershoring untuk kawasan industri

AI membantu pemerintah pusat dan daerah:

• Mengidentifikasi kombinasi terbaik antara potensi EBT dan kebutuhan industri.
• Merancang kluster industri berbasis listrik hijau, misalnya untuk baterai, kendaraan listrik, atau hilirisasi nikel rendah karbon.

Kalau dieksekusi dengan serius, Indonesia tidak hanya jadi pasar EBT, tapi juga basis produksi industri energi bersih di Asia Tenggara.

5. Memperkuat pembiayaan EBT dan mengurangi subsidi fosil

Investor butuh dua hal: prediktabilitas dan data yang meyakinkan. Sistem berbasis AI bisa:

• Menyediakan performance dashboard real-time pembangkit EBT,
• Menghasilkan laporan risiko dan sensitivitas berbasis skenario,
• Membantu lembaga keuangan menilai portofolio proyek EBT lebih cepat.

Sementara itu, data konsumsi dan subsidi fosil yang dianalisis AI bisa menjadi dasar rasional untuk mengurangi subsidi yang tidak tepat sasaran.

6. Keterlibatan publik yang lebih bermakna

Transisi energi akan sulit kalau publik hanya jadi penonton. AI dan teknologi digital bisa mendorong partisipasi lebih nyata:

• Aplikasi yang menunjukkan jejak karbon rumah tangga dan opsi penghematannya.
• Simulasi penghematan biaya listrik jika memasang PLTS atap atau mengganti peralatan.
• Platform berbasis data untuk konsultasi publik saat perencanaan proyek EBT.

Di level ini, AI membuat isu transisi energi terasa dekat dan relevan dengan kehidupan sehari-hari, bukan sekadar jargon kebijakan.

Kenapa Pelaku Energi Harus Bergerak Sekarang

Dunia sudah bergerak: investasi energi bersih global 2024 naik hampir sepuluh kali lipat dibandingkan investasi fosil. Negara-negara maju mulai meninggalkan PLTU. Sementara itu, Indonesia masih berada di persimpangan antara mempertahankan fosil atau serius menghitung ulang arah energi.

Untuk perusahaan energi, utilitas, dan pemerintah daerah, menunda berarti:

• berisiko tertinggal dari standar global dan regional,
• kehilangan peluang pembiayaan hijau dan insentif iklim,
• menanggung biaya transisi yang lebih tinggi di masa depan.

Sebaliknya, yang berani lebih dulu mengadopsi AI untuk optimasi jaringan listrik, integrasi energi terbarukan, prediksi permintaan, dan smart metering, cenderung akan:

• punya struktur biaya lebih efisien,
• lebih siap menghadapi regulasi emisi dan batasan fosil,
• lebih menarik di mata investor dan mitra internasional.

Seri "AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan" ini ada untuk membantu menjembatani gap antara wacana dan implementasi. Kalau Anda sedang merencanakan proyek EBT, menata ulang portofolio pembangkitan, atau ingin menjadikan daerah Anda pusat energi bersih, ini momen yang tepat untuk mulai memikirkan strategi AI Anda.

Pertanyaannya bukan lagi "apakah" AI akan masuk ke sistem energi Indonesia, tapi siapa yang akan memakainya lebih cepat dan lebih cerdas untuk memastikan pertumbuhan ekonomi 8% tidak lagi dibayangi kenaikan emisi, tapi ditopang oleh sistem energi yang bersih, andal, dan efisien.