Pelonggaran target EV 2035 Uni Eropa adalah peringatan bagi Indonesia. Begini cara AI membantu sektor energi tetap lincah menghadapi perubahan kebijakan.
Tanggal 17/12/2025 Uni Eropa mengirim sinyal yang bikin banyak analis mengernyit: target larangan penjualan mobil mesin bensin dan diesel tahun 2035 dilonggarkan. Bukan lagi nol emisi, tapi hanya pengurangan 90% emisi COâ‚‚.
Untuk industri otomotif Eropa, ini seperti menekan tombol “tunda” di tengah lomba lari yang lagi tertinggal jauh dari Tiongkok dalam hal kendaraan listrik (EV). Untuk Indonesia, khususnya sektor energi, ini harus dibaca sebagai peringatan keras: siapa yang lambat bertransisi, akan membayar mahal nanti.
Di seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan” ini, kita lihat sisi lain dari drama regulasi Eropa: bagaimana kebijakan yang berubah-ubah mengacaukan arah investasi, dan bagaimana AI bisa membantu perusahaan energi di Indonesia tetap lincah, meski regulasi global dan domestik terus bergeser.
1. Apa yang Sebenarnya Terjadi: U-Turn Kebijakan EV Uni Eropa
Esensinya sederhana: Uni Eropa melemahkan target emisi mobil 2035.
Sebelumnya:
- 2035 = semua mobil baru harus nol emisi (praktis: 100% EV baterai atau hidrogen)
Sekarang usulan baru Komisi Eropa:
- 2035 = hanya perlu -90% emisi COâ‚‚ dibanding baseline
Konsekuensinya:
- Mobil bermesin pembakaran (ICE) dengan emisi tinggi masih bisa dijual, selama secara rata-rata pabrikan memenuhi target -90%.
- Menurut perhitungan Transport & Environment (T&E), penjualan mobil listrik baterai (BEV) bisa turun sampai 25% pada 2035 dibanding skenario target nol emisi.
Kenapa banyak pihak mengkritik?
“Setiap euro yang dialihkan ke plug-in hybrid adalah euro yang tidak diinvestasikan ke EV, sementara Tiongkok makin jauh di depan.”
Fleksibilitas baru yang diajukan antara lain:
- Kredit untuk baja hijau (green steel) dalam produksi kendaraan
- Kredit untuk bahan bakar alternatif seperti biofuel canggih dan e-fuels
- Super-kredit untuk EV kecil (1 mobil listrik kecil dihitung sebagai 1,3 mobil nol emisi dalam perhitungan target)
Di atas kertas terlihat “inovatif”. Dalam praktik, ini membuka banyak celah untuk menunda elektrifikasi penuh.
2. Pelajaran Penting untuk Indonesia: Jangan Terjebak “Strategi Menunda”
Yang menarik dari drama ini bukan soal Eropa saja, tapi polanya: ketika regulasi tegas tiba-tiba dilonggarkan, industri cenderung menunda transformasi.
Buat Indonesia, terutama BUMN dan perusahaan energi yang sedang mendorong transisi energi dan transportasi rendah emisi, ada beberapa pelajaran tajam:
2.1 Menunda keputusan besar itu mahal
Eropa sudah punya target jelas: 2035 EV penuh. Pabrikan sudah mulai investasi raksasa di pabrik baterai, rantai pasok, dan teknologi EV. Lalu regulasinya dilonggarkan.
Apa risikonya?
- Investasi jadi ragu-ragu: dana dialihkan lagi ke teknologi lama seperti plug-in hybrid (PHEV)
- Skala ekonomi EV melambat: volume produksi EV turun, biaya per unit turun lebih lambat
- Ketertinggalan dari kompetitor: Tiongkok tetap jalan terus dengan strategi EV penuh
Indonesia sedang di fase yang mirip:
- Target NZE 2060, bauran EBT 23% (2025) dan 31% (2030), pengembangan ekosistem EV nasional.
Kalau regulasi soal co-firing batubara, PLTS atap, atau insentif EV bolak-balik berubah dan tidak konsisten, dampaknya persis sama: investor dan utility akan pilih strategi “tunggu dan lihat”.
2.2 Transisi setengah hati bikin sistem makin kompleks
Komisi Eropa menambah banyak skema kredit: baja hijau, biofuel, e-fuels, super-kredit EV kecil. Kompleks, penuh hitung-hitungan dan celah.
Untuk sistem energi, transisi yang “setengah-setengah” juga berbahaya:
- Tetap membangun PLTU baru sambil memasang PLTS skala kecil
- Mengandalkan co-firing biomassa tanpa kesiapan rantai pasok
- Memasang kendaraan listrik tapi jaringan listrik dan sistem manajemennya belum siap
Kompleksitas ini membuat pengambilan keputusan manual makin sulit. Dan di sinilah AI untuk sektor energi jadi relevan.
3. Di Mana Peran AI: Dari Kebijakan yang Berubah ke Perencanaan yang Lincah
AI tidak bisa mengubah keputusan politik, tapi AI bisa menentukan apakah perusahaan energi merespons dengan panik atau dengan strategi yang terukur.
Untuk konteks Indonesia, ada beberapa area konkret:
3.1 Perencanaan skenario (scenario planning) yang dinamis
Saat regulasi berubah, perusahaan energi perlu menjawab cepat:
- Kalau insentif EV dipotong, apa dampaknya ke beban puncak dan pola konsumsi listrik?
- Kalau target EBT 2030 direvisi, bagaimana prioritas investasi PLTS, PLTB, dan jaringan?
- Kalau harga karbon naik, berapa biaya marjinal operasi PLTU vs PLTG vs PLTS?
Model AI bisa:
- Menggabungkan data historis konsumsi listrik, harga energi, penjualan kendaraan, hingga data cuaca
- Menjalankan ratusan skenario “kalau–maka” secara otomatis
- Menghasilkan rekomendasi: proyek mana yang tetap layak, mana yang harus ditunda, mana yang harus dipercepat
Ini jauh lebih kuat daripada perencanaan manual dengan spreadsheet yang butuh waktu berbulan-bulan.
3.2 Prediksi permintaan listrik di era EV dan PLTS atap
Contoh dari kasus Eropa: kalau penjualan BEV turun 25% di 2035, proyeksi permintaan listrik untuk charging juga berubah.
Di Indonesia, pertanyaan serupa muncul:
- Seberapa cepat penetrasi motor listrik dan mobil listrik di kota besar?
- Bagaimana pengaruhnya ke beban malam, beban siang, dan kebutuhan pembangkit cadangan?
- Bagaimana dampak PLTS atap yang mengurangi konsumsi siang hari?
AI untuk prediksi permintaan (load forecasting) bisa:
- Menggunakan data konsumsi jam-jaman, kepemilikan EV, pola cuaca, pertumbuhan ekonomi lokal
- Memberikan prediksi granular per feeder, per kota, bahkan per kawasan industri
- Mengurangi risiko over-investment (kapasitas berlebih) dan under-investment (pemadaman karena kekurangan kapasitas)
3.3 Optimasi operasi sistem energi yang makin kompleks
Saat EV, PLTS, baterai, dan industri rendah emisi masuk bersamaan, operasi sistem energi jauh lebih rumit.
AI bisa membantu di beberapa titik:
- Unit commitment & economic dispatch: menentukan pembangkit mana yang menyala, berapa kapasitasnya, dengan biaya dan emisi minimum
- Manajemen beban (demand response): memberi sinyal harga atau insentif ke pelanggan besar untuk memindahkan konsumsi ke jam tertentu
- Penempatan infrastruktur pengisian EV: memilih lokasi SPKLU yang optimal untuk mengurangi beban jaringan dan memaksimalkan utilisasi
Intinya: kalau kebijakan berubah, konfigurasi sistem bisa disesuaikan secara data-driven, bukan sekadar intuisi.
4. Transportasi, Energi, dan AI: Satu Permainan yang Sama
EU sebenarnya mengirim pesan yang jelas, meskipun caranya berantakan: transportasi dan energi tidak bisa dipisahkan lagi.
Emisi transportasi hanya turun kalau:
- Kendaraan berpindah dari mesin pembakaran ke listrik / hidrogen
- Listriknya sendiri semakin rendah emisi (energi terbarukan)
Indonesia berada di titik yang sangat mirip:
- Dorongan besar ke EV roda dua dan roda empat
- Program PLTS atap, PLTS terapung, dan proyek EBT lain
- Diskusi tentang tarif listrik khusus untuk charging EV, tarif industri hijau, dan lain-lain
4.1 Mengapa pendekatan silo sudah tidak relevan
Kalau PLN, Pertamina, pabrikan otomotif, dan Kemenhub bekerja sendiri-sendiri, hasilnya:
- SPKLU berdiri di tempat yang salah, tidak ada beban, investasi mandek
- Jaringan listrik di kawasan tertentu overload karena banyak EV charging bersamaan
- Proyek EBT jalan, tapi tidak sinkron dengan pertumbuhan beban transportasi
AI bisa menjadi “otak bersama” yang menghubungkan semua data ini:
- Data penjualan EV dan perilaku pengguna
- Data jaringan distribusi dan transmisi
- Data pembangkit (konvensional dan EBT)
- Data harga bahan bakar dan kebijakan tarif
Dari sini, sistem AI bisa menyarankan:
- Di kota mana SPKLU baru paling berdampak
- Bagaimana mengatur tarif waktu-pemakaian (time-of-use) untuk menggeser beban charging EV
- Kapan perlu percepatan investasi baterai grid-scale dibandingkan membangun pembangkit baru
4.2 Belajar dari kekacauan PHEV di Eropa
Satu poin kritis dari T&E: PHEV (plug-in hybrid) di dunia nyata seringkali jauh lebih boros dan lebih kotor daripada klaim resmi, apalagi di segmen perusahaan yang menggunakan kartu BBM.
Artinya:
- Data resmi emisi bisa sangat bias
- Kebijakan berbasis asumsi “PHEV akan sering di-charge” ternyata salah
AI bisa membantu menghindari kesalahan serupa di Indonesia:
- Mengolah data telematika, pola berkendara, dan pola charging untuk mengetahui emisi nyata berbagai jenis kendaraan
- Mendukung perumusan kebijakan insentif yang lebih akurat (misalnya insentif lebih besar untuk BEV murni dibanding PHEV)
- Memberi insight untuk strategi investasi infrastruktur yang tepat sasaran
5. Strategi ke Depan: Bagaimana Perusahaan Energi Indonesia Bisa Bersiap
Ada tiga langkah praktis yang menurut saya paling masuk akal untuk perusahaan energi di Indonesia yang tidak mau mengulang “drama 2035” ala Eropa.
5.1 Bangun kemampuan analitik & AI sejak sekarang
Jangan tunggu semua regulasi sempurna baru mulai. Justru:
- Mulai dari proyek kecil: prediksi beban lokal, analisis data pelanggan besar, optimasi operasi pembangkit tertentu
- Kembangkan data lake energi: satukan data operasi, keuangan, pelanggan, dan aset
- Bentuk tim kecil lintas fungsi: orang sistem, orang bisnis, dan data scientist di satu meja
5.2 Jadikan kebijakan sebagai variabel, bukan kepastian
Dalam model AI untuk perencanaan energi, kebijakan harus selalu dianggap parameter yang bisa berubah, misalnya:
- Tarif listrik industri
- Insentif EV dan PLTS atap
- Regulasi emisi dan pajak karbon
Dengan begitu, ketika regulasi benar-benar berubah (seperti kasus EU 2035), perusahaan tinggal:
- Mengubah parameter di model
- Menjalankan ulang skenario
- Mendapat rekomendasi baru dalam hitungan jam/hari, bukan bulan
5.3 Fokus ke tujuan jangka panjang: dekarbonisasi dan daya saing
Regulasi boleh berubah, tapi arah besar dekarbonisasi global tidak mundur. Investor global makin ketat soal emisi. Pasar ekspor makin keras soal jejak karbon.
Perusahaan energi yang hanya bermain di level “kepatuhan minimum regulasi hari ini” akan tertinggal. AI membantu menjaga fokus ke tujuan jangka panjang:
- Mengoptimalkan biaya emisi sepanjang umur aset, bukan hanya tahun berjalan
- Mengidentifikasi proyek dengan dampak besar pada penurunan intensitas emisi per kWh
- Menjaga keseimbangan antara keandalan sistem, biaya, dan emisi
Penutup: Jangan Mengulang Kesalahan Eropa
Kasus pelonggaran target EV 2035 di Uni Eropa menunjukkan satu hal: kebijakan bisa mundur, tapi teknologi dan pasar tidak menunggu. Pabrikan yang berharap pada “tambahan waktu” justru berisiko makin tertinggal dari pemain yang konsisten mendorong EV penuh.
Untuk Indonesia, terutama di sektor energi, pelajarannya jelas:
- Transisi energi tidak boleh bergantung pada satu skenario regulasi saja.
- Diperlukan perencanaan dinamis, berbasis data, dan ditopang AI agar setiap perubahan kebijakan bisa direspons cepat tanpa kehilangan arah.
Seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan” ada di titik sangat penting sekarang: mengubah AI dari kata kunci populer menjadi alat kerja sehari-hari untuk planner, engineer, dan pengambil keputusan.
Pertanyaannya tinggal satu: apakah perusahaan Anda mau mulai membangun kemampuan AI hari ini, atau menunggu “U-turn regulasi” berikutnya mengguncang seluruh rencana investasi?