Pasar storage 2025 melonjak dan membuka peluang besar bagi AI di sektor energi. Apa pelajaran untuk Indonesia dan bagaimana mulai menerapkannya secara praktis?
Lonjakan Storage 2025 dan Peluang Emas AI untuk Energi Indonesia
AS sudah memasang 12,9 GW storage baru hanya dalam 3 kuartal pertama 2025, melampaui total kapasitas baru sepanjang 2024 yang “hanya” 12,3 GW. Di saat yang sama, harga sistem baterai skala utilitas turun sekitar 11% per tahun.
Angka ini bukan sekadar catatan statistik. Ini sinyal kuat: masa depan sistem kelistrikan akan ditentukan oleh kombinasi storage + AI. Untuk Indonesia yang sedang mengejar target bauran EBT dan bersiap menghadapi lonjakan beban dari data center, kendaraan listrik, dan industrialisasi baru, tren ini adalah cermin — sekaligus peringatan.
Di tulisan ini saya akan mengurai:
- Apa yang sebenarnya terjadi di pasar storage AS pada 2025
- Mengapa lonjakan storage selalu diikuti kebutuhan AI untuk manajemen jaringan pintar
- Pelajaran yang relevan untuk transisi energi Indonesia
- Langkah praktis yang bisa diambil pelaku industri energi di sini, sekarang
Apa yang Terjadi di Pasar Storage AS 2025?
Pasar storage AS 2025 mencetak rekor baru. Menurut laporan American Clean Power Association dan Wood Mackenzie:
- 12,9 GW storage baru terpasang hanya dalam 3 kuartal 2025
- Melebihi total penambahan kapasitas 2024: 12,3 GW
- Biaya baterai skala utilitas turun dari sekitar 1.050 USD/kW menjadi 938 USD/kW (turun 11% YoY)
- 2025 diproyeksikan 54% lebih tinggi kapasitas barunya dibanding 2024
Di balik pertumbuhan ini, ada beberapa penggerak utama:
- Insentif fiskal seperti Investment Tax Credit (ITC)
- Tumbuhnya manufaktur sel baterai domestik yang lebih kompetitif
- Peluang pendapatan merchant (storage ikut “berdagang” di pasar listrik)
- Regulasi tingkat negara bagian yang pro-storage
- Pertumbuhan beban (data center, elektrifikasi transportasi, dsb.)
Menariknya, pertumbuhan ini tetap kuat meski ada:
- Kebijakan federal baru
- Tarif dan aturan ketat terkait foreign entity of concern (FEOC)
- Penyesuaian terhadap One Big Beautiful Bill Act (OBBBA) yang mengubah skema insentif
Artinya, fundamental bisnis storage sudah cukup matang. Tarif dan kebijakan bisa mengerem sesaat, tapi trennya tetap naik.
Mengapa Era Storage Tanpa AI Tidak Lagi Cukup
Kapasitas storage yang besar tanpa kecerdasan hanya akan menciptakan aset mahal yang tidak optimal. Di sinilah AI untuk sektor energi jadi krusial.
Storage + AI memungkinkan hal-hal seperti:
-
Optimasi operasi baterai secara real-time
AI bisa memutuskan:- Kapan baterai harus diisi (saat listrik murah atau surplus energi surya/angin)
- Kapan harus dikosongkan (saat harga tinggi atau beban puncak)
- Bagaimana menjaga umur baterai tetap panjang dengan pola pengisian yang sehat
-
Integrasi EBT yang lebih dalam
Tanpa storage, integrasi PLTS dan PLTB biasanya dibatasi isu intermitensi. Dengan storage dan AI:- Model AI melakukan forecast cuaca & output PLTS/PLTB
- Sistem mempersiapkan baterai untuk menyerap energi saat produksi puncak
- Saat awan tebal atau angin melemah, baterai merilis energi dengan terkendali
-
Manajemen beban dan smart grid
AI bisa membaca pola konsumsi, memprediksi beban puncak, dan mengatur storage untuk:- Mengurangi beban puncak (peak shaving)
- Menghindari overload trafo dan jaringan distribusi
- Mengurangi kebutuhan pembangunan pembangkit dan jaringan baru yang mahal
-
Peningkatan keandalan sistem
Dengan data sensor dari jaringan, AI bisa:- Memprediksi gangguan (predictive maintenance)
- Mengatur storage sebagai “cadangan cepat” ketika ada gangguan jaringan
- Mengurangi risiko pemadaman luas
Tanpa AI, operator akan sulit mengelola ratusan hingga ribuan MWh baterai yang tersebar di berbagai lokasi. Human-in-the-loop tetap penting, tapi mustahil mengandalkan manusia saja untuk semua keputusan operasi detik demi detik.
Pelajaran dari AS: Lonjakan Hari Ini, Penyesuaian Besok
Laporan Wood Mackenzie tidak hanya bicara rekor, tapi juga gelombang naik-turun:
- Forecast lima tahun storage skala utilitas di AS naik 15% setelah OBBBA
- Segmen komunitas, komersial, dan industri naik 23% untuk 2025–2029
- Ada proyeksi kontraksi 10% di 2026, lalu penurunan lagi di 2027
- Setelah itu, pertumbuhan kembali dua digit per tahun di 2028–2029 saat kapasitas manufaktur lokal sudah mapan
Di sektor residential:
- Q4 2025 diprediksi rekor baru karena orang mengejar insentif Section 25D sebelum kadaluarsa
- 2026, pasar residential diproyeksikan menyusut 6% dan beralih ke model kepemilikan pihak ketiga (third-party ownership) yang di Q3 2025 sudah 57% pangsa
Dari sini, ada tiga pelajaran penting untuk Indonesia:
-
Kebijakan fiskal mengubah ritme pasar
Saat insentif akan berkurang, pasar “ngebut” dulu, lalu melambat. Indonesia perlu mendesain skema insentif storage dan EBT yang:- Tidak menciptakan “boom-bust cycle” ekstrem
- Memberi sinyal jangka panjang yang jelas ke investor
-
Manufaktur lokal itu strategi, bukan slogan
AS sempat tersendat gara-gara aturan FEOC dan tarif impor.
Indonesia yang ingin menjadi hub baterai (nikel, katoda, sel, hingga pack) wajib:- Menyelaraskan kebijakan hilirisasi nikel dengan roadmap storage & EV
- Mendorong R&D dan pilot project teknologi baterai alternatif (misalnya sodium-ion)
-
Segmentasi pasar butuh model bisnis berbeda
- Utility-scale storage: mainannya PPA, pasar kapasitas, dan jasa keandalan
- C&I storage: fokus ke efisiensi biaya, demand charge management, dan cadangan daya
- Residential storage: sering kali hanya jalan dengan kombinasi rooftop solar + model bisnis sewa/third-party
AI bisa menambah nilai di semua segmen ini, tapi use case-nya harus spesifik.
Relevansi untuk Indonesia: Dari PLTS + Baterai ke AI Grid
Indonesia sedang bergerak ke arah yang sama, meski titik start-nya berbeda.
- Target bauran EBT meningkat di 2030 dan 2060
- Penambahan PLTS, PLTB, dan PLTA pumped storage mulai masuk pipeline
- Rencana data center dan kawasan industri hijau (misalnya di Kalimantan dan Sulawesi)
- Dorongan elektrifikasi transportasi dan kompor listrik
Semua ini berujung ke satu hal: sistem kelistrikan jadi jauh lebih dinamis.
Di mana AI paling masuk akal hari ini?
-
Perencanaan sistem dengan skenario storage
Model AI & machine learning bisa membantu:- Mensimulasikan penempatan storage optimal: di transmisi, distribusi, atau pelanggan besar?
- Mengukur dampak storage terhadap penundaan investasi jaringan
- Menghitung skenario biaya sistem (LCOE/LCOES) yang lebih realistis
-
Pengoperasian pembangkit EBT dengan storage
Untuk IPP PLTS atau PLTB yang mulai mengintegrasikan baterai:- AI dapat memprediksi output harian/mingguan
- Sistem optimasi menentukan jadwal charge/discharge agar pendapatan maksimal dan penalti deviasi minimal
-
Manajemen beban industri dan kawasan
Kawasan industri atau data center hub di Indonesia bisa menggunakan:- AI demand forecasting + storage onsite untuk mengurangi tagihan puncak
- Skema virtual power plant (VPP) lokal yang menggabungkan beberapa baterai, genset, dan PLTS atap
-
Distribusi dan smart grid di kota besar
Di jaringan distribusi yang padat seperti Jabodetabek:- AI mengawasi beban trafo, tegangan, dan gangguan
- Storage skala komunitas (di gardu/feeder) dapat dioperasikan otomatis untuk menjaga kualitas daya
The reality? Teknologi AI untuk sektor energi ini sudah tersedia. Tantangannya bukan lagi “bisa atau tidak”, tapi “siapa yang berani mulai pilot dengan serius dan punya data yang cukup bersih”.
Strategi Praktis: Mulai Kecil, Fokus pada Nilai Bisnis
Bagi utilitas, IPP, dan pelaku industri energi di Indonesia, pendekatannya sebaiknya tidak langsung lompat ke proyek raksasa. Beberapa langkah realistis:
1. Pilih satu use case bernilai tinggi
Contoh yang sering cepat terlihat hasilnya:
- Optimasi operasi PLTS + baterai di satu lokasi pilot
- Sistem AI untuk prediksi beban di area tertentu (misalnya kawasan industri)
- Manajemen peak shaving menggunakan baterai di satu gardu besar
Fokus pada satu atau dua KPI:
- Penurunan biaya energi (Rp/kWh)
- Penurunan beban puncak (MW)
- Peningkatan jam operasi EBT (jam per tahun)
2. Bangun fondasi data dan integrasi sistem
AI yang baik butuh:
- Data historis beban, output pembangkit, kualitas daya
- Akses ke SCADA, AMI, atau sistem pemantauan lainnya
- Arsitektur IT/OT yang memungkinkan integrasi aman
Banyak proyek AI gagal bukan karena modelnya buruk, tapi karena data berantakan dan integrasi ke operasi lapangan setengah-setengah.
3. Kolaborasi: utilitas, pengembang, dan penyedia teknologi
Pengalaman dari luar negeri menunjukkan:
- Utilitas menyediakan data dan konteks operasi
- Pengembang storage/EBT membawa aset fisik dan model bisnis
- Penyedia solusi AI menyumbang algoritma, platform, dan tim data
Di Indonesia, pola kemitraan seperti ini bisa diujicoba di:
- Sistem kelistrikan pulau kecil (microgrid) dengan PLTS + baterai
- Kawasan industri yang ingin klaim “low carbon”
- Proyek pembangkit EBT yang butuh keandalan tinggi
4. Mulai ukur dan dokumentasikan manfaat
Kalau manfaatnya jelas, manajemen akan lebih mudah menyetujui skala lebih besar. Ukur hal-hal seperti:
- Penurunan biaya bahan bakar di sistem diesel hybrid
- Penurunan outage karena overloading jaringan
- Peningkatan pemanfaatan energi surya/angin (curtailment turun)
Data keberhasilan ini nantinya menjadi bahan dasar business case untuk ekspansi ke proyek yang lebih besar.
Menjadikan Indonesia Bukan Sekadar Pengikut Tren
Laporan Wood Mackenzie tentang lonjakan storage di AS menunjukkan satu hal: begitu ekosistem kebijakan, bisnis, dan teknologi klop, pasar bisa melesat sangat cepat. Storage yang dulu dianggap mahal, sekarang tumbuh puluhan GW hanya dalam beberapa tahun.
Indonesia tidak perlu mengulang semua kesalahan yang sama. Kita bisa:
- Mengantisipasi fluktuasi akibat perubahan insentif
- Merencanakan peran manufaktur lokal dalam rantai pasok baterai
- Mengintegrasikan AI sejak awal dalam desain proyek storage dan smart grid
Buat saya, pertanyaannya bukan lagi “apakah Indonesia akan menuju sistem dengan ribuan MWh storage dan jaringan pintar berbasis AI”. Arah itu sudah jelas. Pertanyaannya:
Apakah kita ingin menjadi pihak yang memimpin desain dan pemanfaatannya, atau sekadar menjadi pasar bagi teknologi impor?
Kalau Anda berada di utilitas, IPP, kawasan industri, atau perusahaan teknologi energi, ini momen yang ideal untuk:
- Mengidentifikasi potensi use case AI + storage di bisnis Anda
- Mendorong pilot project yang terukur dan punya KPI jelas
- Membangun tim internal yang mengerti baik sistem energi maupun data/AI
Lonjakan storage 2025 di AS hanyalah contoh. Transisi energi Indonesia yang berkelanjutan akan sangat bergantung pada seberapa cepat kita memadukan storage, EBT, dan AI ke dalam satu ekosistem cerdas yang saling menguatkan.