2025 menandai energi terbarukan menyalip batu bara secara global. Bagaimana AI bisa membantu Indonesia mengelola transisi energi agar tetap andal dan efisien?
2025: Saat Energi Terbarukan Mengalahkan Batu Bara – dan Mengapa AI Jadi Wajib di Indonesia
Pada 2025, untuk pertama kalinya dalam sejarah, tenaga surya, angin, dan hidro menghasilkan listrik lebih besar daripada batu bara secara global: 34% vs 31%. Angkanya simbolis, tapi maknanya sangat praktis – terutama untuk negara seperti Indonesia yang masih bergantung pada PLTU batubara.
Di saat yang sama, jaringan listrik di banyak negara mulai kewalahan: integrasi energi terbarukan tumbuh jauh lebih cepat daripada peningkatan jaringan, sistem transmisi dan distribusi (T&D) menua, dan permintaan listrik dari data center dan industri melonjak. Di titik inilah kecerdasan buatan (AI) bukan lagi sekadar inovasi, tapi menjadi “otak” yang menjaga sistem tetap stabil.
Tulisan ini bagian dari seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan”. Kita akan membedah data global 2025 – kapasitas, pembangkitan, investasi, hingga pasar kerja – lalu menerjemahkannya ke konteks Indonesia: bagaimana BUMN dan swasta energi bisa memakai AI untuk mempercepat, bukan mengacaukan, transisi energi.
1. 2025: Energi Terbarukan Menyalip Batu Bara – Apa Artinya untuk Indonesia?
Secara global, 2025 menegaskan satu hal: hierarki energi berubah.
- Energi terbarukan hampir menyentuh 50% kapasitas terpasang dunia.
- Penambahan kapasitas baru didominasi surya dan angin: 64,1% dari surya PV, 16,4% dari angin – total 80% dari penambahan kapasitas setahun.
- Dalam hal pembangkitan listrik, kombinasi surya, angin, dan hidro memberi 34% produksi listrik global, sedikit di atas batu bara 31%.
Di balik lonjakan ini ada tiga faktor utama:
- Biaya surya jatuh 81% sejak 2010 dan masih diprediksi turun lagi 21% dalam lima tahun ke depan.
- Kebijakan kuat dan konsisten di banyak negara (semacam IRA di AS, Green Deal di Eropa).
- Investasi besar di jaringan sehingga surya dan angin bisa masuk ke grid tanpa menimbulkan kekacauan.
Di mana posisi Indonesia?
Indonesia bergerak, tapi pelan:
- Porsi energi terbarukan di bauran listrik masih di kisaran belasan persen.
- PLTU batubara masih menjadi tulang punggung sistem kelistrikan.
- Target transisi energi sudah ada (RUEN, NZE 2060), tapi implementasi di lapangan kerap tersendat: izin, grid belum siap, ketidakpastian offtake, dan risiko finansial proyek.
Pelajarannya dari 2025 global:
Bukan sekadar pasang panel surya dan turbin angin sebanyak mungkin. Kuncinya adalah mengelola kompleksitas sistem – dan di sinilah AI sangat relevan untuk Indonesia.
AI bisa membantu PLN, pengembang IPP, dan regulator untuk:
- Memprediksi intermitensi PLTS/PLTB secara lebih akurat.
- Mengoptimalkan penjadwalan PLTU dan PLTG agar efisiensinya naik sambil emisi turun.
- Mengurangi kebutuhan cadangan putar (spinning reserve) yang mahal lewat prediksi beban yang lebih presisi.
2. Surya & Angin: Pertumbuhan Tinggi Butuh “Otak” Digital
Secara global, surya mencapai hampir 3 TW kapasitas terpasang pada akhir 2025, dan diperkirakan menembus 8 TW dalam sepuluh tahun ke depan. Angin menyusul di sekitar 1,3 TW, didominasi onshore.
Di balik angka tersebut, ada masalah klasik yang sering saya lihat di banyak utilitas: “kita ingin tambah PLTS dan PLTB, tapi takut grid tidak kuat”.
Tantangan teknis yang mulai terasa di banyak negara (dan akan datang ke Indonesia)
- Variabilitas tinggi: output PLTS bisa berubah 30–50% hanya dalam hitungan menit karena awan.
- Keterbatasan sistem transmisi: daerah kaya sumber angin/surya sering jauh dari pusat beban.
- Congestion & curtailment: proyek terbarukan sudah dibangun, tapi produksinya sering harus dipotong karena jaringan penuh.
Di sinilah AI untuk jaringan listrik (AI for smart grid) jadi krusial
Beberapa contoh penggunaan AI yang langsung relevan untuk Indonesia:
1) Prediksi beban dan produksi terbarukan
Model AI bisa mengolah:
- Data historis beban per gardu induk / feeder.
- Data cuaca granular (radiasi surya, kecepatan angin, suhu, kelembapan).
- Pola konsumsi sektoral (industri, rumah tangga, kawasan pariwisata, dll).
Hasilnya adalah forecast beban dan output PLTS/PLTB yang jauh lebih presisi dibanding metode statistik biasa. Ini sangat berguna untuk:
- Menentukan dispatch PLTU dan PLTG harian.
- Mengurangi biaya bahan bakar dengan menghindari over-commit unit thermal.
- Mengurangi risiko pemadaman akibat under-forecast.
2) Optimalisasi operasi sistem (unit commitment & economic dispatch)
AI, khususnya pendekatan optimasi dan reinforcement learning, bisa:
- Menentukan kombinasi pembangkit mana yang sebaiknya menyala/mati per jam.
- Menghitung trade-off biaya bahan bakar, biaya start/stop, dan batas emisi.
- Menggabungkan ketidakpastian cuaca dan beban ke dalam keputusan harian.
Untuk Indonesia yang mulai menghentikan PLTU secara bertahap, penggunaan AI di level pusat pengatur beban (P2B/Load Dispatch Center) akan sangat menentukan seberapa cepat energi terbarukan bisa masuk tanpa mengorbankan keandalan.
3) Smart metering & manajemen permintaan
Transisi energi bukan hanya soal suplai, tapi juga mengelola permintaan.
Dengan smart meter dan AI analytics, utilitas Indonesia bisa:
- Mengidentifikasi profil beban pelanggan secara detail (jam, hari, segmen).
- Menyusun skema tarif dinamis atau insentif shifting beban (misalnya mendorong konsumsi malam untuk industri tertentu).
- Mendeteksi anomali konsumsi yang berpotensi losses atau pencurian.
Ini tidak hanya mengurangi beban puncak yang mahal, tapi juga membuat penambahan PLTS/PLTB jadi lebih mulus karena profil beban lebih “jinak” dan bisa diatur.
3. Gas, Batu Bara, dan Peran “Jembatan” yang Perlu Dikontrol Cerdas
Data 2025 menunjukkan tren menarik: sekalipun kapasitas baru batu bara dan gas hanya menyumbang sekitar 5,5% dan 8% dari penambahan kapasitas global, ketergantungan pada thermal belum hilang.
Bahkan, di beberapa negara, penutupan PLTU justru tergantikan oleh PLTG – bukan oleh energi terbarukan langsung. Alasan utamanya:
- Gas lebih cepat dibangun (1–2 tahun), cocok dengan kebutuhan mendesak seperti data center.
- Gas lebih fleksibel untuk balancing sistem dibanding PLTU.
Relevansi untuk Indonesia
Indonesia punya beberapa realitas yang mirip:
- PLTU masih dominan, dan sulit di-phase out secara cepat tanpa risiko pasokan.
- Permintaan listrik dari kawasan industri, smelter, dan ke depan data center AI akan naik tajam.
- Gas diposisikan sebagai “bahan bakar transisi”.
Masalahnya, tanpa kontrol cerdas, “jembatan” ini bisa jadi ketergantungan baru.
Di sini AI membantu dua hal penting
- Menurunkan intensitas emisi operasi thermal
- Optimasi pembakaran dan kontrol emisi berbasis AI di PLTU/PLTG.
- Prediksi kebutuhan maintenance sehingga efisiensi termal tetap tinggi.
- Penjadwalan operasi yang memaksimalkan pemakaian energi terbarukan dan meminimalkan jam operasi thermal.
- Mengatur peran gas sebagai backup, bukan tulang punggung baru
- Model AI bisa menghitung kapan PLTG benar-benar diperlukan sebagai cadangan.
- Mengintegrasikan storage (baterai) dan demand response sehingga porsi gas di jam puncak bisa ditekan.
Intinya: kalau Indonesia ingin gas benar-benar menjadi “bahan bakar transisi”, maka transisi digital melalui AI harus jalan bersamaan.
4. Investasi, Grid, dan Data Center: Sinyal Keras untuk Transformasi Digital
Secara global, nilai transaksi sektor listrik di 2025 naik 15% walaupun jumlah deal turun 16%. Artinya, proyek makin besar dan makin strategis. Dua sektor yang paling menonjol:
- Surya PV: sekitar 1.412 deal, total nilai US$480,2 miliar.
- Transmisi & Distribusi (T&D): lebih sedikit deal (1.223), tapi menyerap modal lebih besar, US$557,3 miliar.
Pesannya jelas: dunia menyadari bahwa tanpa grid kuat, energi terbarukan akan mentok.
Di mana AI masuk dalam investasi infrastruktur ini?
Banyak utilitas dan pemerintah kini menggunakan AI untuk menjawab tiga pertanyaan kunci:
-
Harus bangun jaringan baru di mana duluan?
AI menganalisis data beban, proyeksi pertumbuhan kota/industri, peta potensi surya dan angin, hingga pola kegagalan jaringan untuk menentukan prioritas investasi. -
Kapabilitas jaringan sekarang sebenarnya sanggup sampai berapa banyak terbarukan?
Simulasi berbasis AI bisa memperkirakan batas hosting capacity suatu feeder/trafo untuk PLTS atap atau PLTB tanpa harus over-invest di hardware. -
Bagaimana dampak penambahan data center dan kawasan industri?
Di AS, lonjakan permintaan listrik dari data center membuat gas kembali naik daun. Indonesia pun mulai mengincar investasi data center dan AI computing. AI analytics membantu:- Memodelkan skenario pertumbuhan data center di beberapa kawasan.
- Mengukur kebutuhan upgrade jaringan.
- Menilai opsi suplai: kombinasi PLTS, PLTB, gas, nuklir (ke depan), dan baterai.
Bagi perusahaan energi Indonesia, ini artinya data & AI harus duduk di meja perencanaan, bukan hanya jadi proyek pilot di sisi operasi.
5. Pasar Kerja Energi 2025: Dari Ledakan Rekrutmen ke Spesialisasi Tinggi
Di 2025, pasar kerja global sektor listrik seperti roller coaster:
- Q1: rekrutmen melonjak tajam, mencapai rekor tertinggi sejak sebelum 2019.
- Q2: anjlok drastis akibat aturan baru, gangguan rantai pasok, dan musim hujan/monsoon yang lebih panjang.
- Q3–Q4: rekrutmen melemah dan stabil di level lebih rendah, bergeser dari ekspansi besar ke pemanfaatan efisiensi dan digitalisasi.
Satu angka yang menarik: lowongan terkait “tariff” naik 657% dibanding tahun sebelumnya. Ini menunjukkan bagaimana regulasi, pajak, dan tarif kini jadi kompetensi inti di sektor energi.
Implikasi untuk talenta energi di Indonesia
Kalau kita jujur, banyak perusahaan energi di Indonesia masih memandang:
- Data scientist dan AI engineer sebagai “tim IT canggih”, bukan bagian dari strategi bisnis.
- Ahli regulasi, tarif, dan pasar listrik sebagai fungsi sekunder.
Data global 2025 menunjukkan tren sebaliknya: perusahaan yang tumbuh justru yang menggabungkan domain knowledge energi + data + regulasi.
Ke depan, profil talenta yang akan semakin dicari di Indonesia antara lain:
- Engineer sistem tenaga yang paham AI/analytics.
- Spesialis grid planning yang bisa membaca output model simulasi berbasis AI.
- Analis regulasi dan tarif yang mengerti dampak kebijakan terhadap model bisnis energi terbarukan.
- Data engineer yang fokus pada data SCADA, AMI, dan IoT energi.
Bagi organisasi yang serius dengan transisi energi, membangun tim lintas disiplin energi+AI seharusnya sudah masuk Rencana Kerja 2026–2028, bukan rencana jangka panjang abstrak.
6. Apa yang Harus Dilakukan Indonesia Sekarang? (Langkah Praktis Berbasis AI)
Melihat pola global 2025, ada tiga langkah konkret yang menurut saya relevan untuk Indonesia jika ingin transisi energi berjalan cepat tapi tetap terkendali.
1) Jadikan AI bagian resmi dari perencanaan sistem tenaga
- Integrasikan model AI untuk forecast beban dan produksi terbarukan dalam perencanaan RUPTL dan studi sistem.
- Wajibkan penggunaan skenario berbasis data (bukan asumsi kasar) untuk penentuan kapasitas PLTS/PLTB yang bisa diserap oleh jaringan.
2) Mulai dari proyek percontohan yang dekat dengan masalah bisnis
Alih-alih langsung “transformasi digital total”, lebih efektif jika:
- PLN dan IPP memilih 1–2 sistem/area sebagai pilot smart grid berbasis AI (misal Jawa–Bali dan satu sistem kepulauan yang banyak PLTS).
- Fokus pada use case dengan ROI cepat:
- optimasi dispatch pembangkit,
- pengurangan losses,
- prediksi gangguan jaringan.
3) Bangun fondasi data dan talenta
AI tidak akan bekerja jika:
- Data SCADA, smart meter, dan sensor tersebar di silo dan tidak standar.
- Tidak ada tim yang bertanggung jawab penuh atas quality & governance data operasional.
Langkah yang realistis untuk 2026–2027:
- Inventarisasi dan konsolidasi data operasional kelistrikan.
- Menyusun data platform sektor energi, minimal di level internal perusahaan.
- Meng-upskill engineer sistem tenaga ke analitik & AI dasar, dan sebaliknya, melatih data scientist memahami logika operasi sistem tenaga.
Penutup: Kalau Energi Terbarukan Sudah Menang, Tantangannya Ada di Manajemen Sistem
Data 2025 memberi sinyal yang sulit diabaikan: energi terbarukan secara ekonomi sudah menang, tapi secara sistem, pekerjaannya baru mulai. Batu bara pelan-pelan terdesak, gas mengambil peran jembatan, investasi bergeser ke grid dan digital, dan pasar kerja menuntut keahlian yang jauh lebih spesifik.
Untuk Indonesia, pertanyaannya bukan lagi “perlu AI atau tidak?” melainkan:
Seberapa cepat kita mau menjadikan AI sebagai otak yang mengatur transisi energi – dari perencanaan, operasi sampai layanan ke pelanggan?
Seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan” akan terus membahas contoh konkret penerapan AI di smart grid, smart metering, prediksi permintaan, hingga integrasi PLTS atap dan data center hijau. Kalau organisasi Anda sedang menyiapkan agenda transisi energi 2026–2030, ini momen yang pas untuk mulai menyusun roadmap AI energi secara serius.
Karena kalau Indonesia terlambat mengadopsi AI di sektor energi, bukan hanya emisi yang sulit turun – biaya energi dan risiko keandalan sistem juga akan ikut naik.