Batubara Indonesia menghadapi penurunan permintaan. Artikel ini mengulas risiko, kebijakan DMO/DPO, dampak sosial, dan peran AI dalam transisi energi yang adil.
Transisi energi di Indonesia bukan lagi soal idealisme hijau. Dalam 5–10 tahun ke depan, biaya Pembangkit Listrik Tenaga Surya (PLTS) dan baterai diperkirakan akan lebih murah daripada membangun PLTU baru. Artinya, model bisnis yang terlalu nyaman dengan batubara akan makin tertekan — bukan hanya karena regulasi, tapi karena logika ekonomi.
Di sinilah banyak daerah dan perusahaan energi di Indonesia menghadapi dilema: bertahan di zona nyaman batubara, atau bergerak cepat ke sistem energi yang lebih hijau sambil menjaga stabilitas ekonomi dan sosial. Dan semakin cepat teknologi seperti energi terbarukan, baterai, dan kecerdasan buatan (AI) berkembang, semakin mahal jika kita terlambat beradaptasi.
Tulisan ini membahas dinamika industri batubara Indonesia di tengah transisi energi, risiko yang mengintai jika salah strategi, dan bagaimana AI bisa jadi alat bantu praktis untuk membuat transisi ini lebih terencana, adil, dan menguntungkan.
Dari “tulang punggung” batubara ke sistem energi rendah karbon
Inti persoalan industri batubara Indonesia saat ini sederhana: pendapatan besar, tapi rapuh. Batubara menyumbang PNBP yang signifikan, namun sangat bergantung pada harga komoditas global. Ketika harga tinggi, daerah penghasil batubara tampak makmur. Saat harga turun, APBD goyah, proyek tertunda, dan PHK merebak.
Sementara itu, tren global jelas bergerak menjauh dari batubara:
- Negara importir mulai menerapkan kebijakan pembatasan emisi.
- ASEAN diperkirakan sudah mendekati puncak bauran batubara mereka.
- Teknologi energi terbarukan dan baterai terus turun harga.
Risiko terbesar Indonesia bukan sekadar batubara turun, tapi turun secara mendadak tanpa rencana. Dengan sekitar 963 tambang beroperasi, penurunan produksi yang tidak terkelola bisa memukul ekonomi daerah, menggerus PNBP, dan menciptakan ketegangan sosial.
IESR mengingatkan risiko infrastructure lock-in: ketika terlalu banyak modal sudah tertanam di infrastruktur fosil, biaya untuk beralih ke energi bersih melonjak karena harus mengganti atau mempensiunkan aset yang masih muda secara teknis. Itu bukan hanya masalah teknis, tapi juga fiskal dan politik.
“Jika Indonesia tidak segera merumuskan rencana transisi dan diversifikasi, daya saing ekonomi akan melemah karena perusahaan multinasional mencari sumber energi yang bersih dan rendah karbon.”
Di titik ini, transisi energi bukan cuma agenda lingkungan. Ini agenda daya saing nasional.
Pelajaran dari Inggris: kebijakan harga karbon dan keberanian mengurangi batubara
Pengalaman Inggris menarik untuk dibaca sebagai cermin, bukan sebagai resep copy-paste.
Awal 2010-an, batubara masih menyumbang sekitar 40% listrik Inggris. Biaya polusi CO₂ terhadap ekonomi dan kesehatan diperkirakan mencapai 1,7–4,9 juta dolar per tahun. Respon kebijakannya cukup tegas: mulai 2016, pemerintah menerapkan harga karbon sekitar 25 dolar per ton.
Dampaknya jelas:
- Batubara menjadi tidak ekonomis dibanding gas dan energi terbarukan.
- Dalam beberapa tahun, porsi batubara di sistem tenaga listrik turun drastis.
Pelajarannya untuk Indonesia:
- Sinyal harga yang jelas mengubah perilaku pasar. Jika emisi dikenai harga yang konsisten dan cukup tinggi, investasi akan bergeser dengan sendirinya ke opsi yang lebih rendah karbon.
- Kebijakan energi dan fiskal harus saling mengunci. Bukan hanya soal RUPTL atau bauran energi, tapi juga desain pajak, subsidi, DMO/DPO dan insentif investasi.
- Transisi butuh puluhan tahun. Inggris memulai pergeseran struktur energinya lebih dari satu dekade lalu. Menunggu sampai 2030 baru bergerak serius hanya akan membuat transisi lebih mahal dan lebih keras.
Untuk Indonesia, pendekatan harga karbon, reformasi subsidi, dan penurunan porsi batubara dalam bauran energi sudah mulai di atas kertas. Tantangannya sekarang: konsistensi dan eksekusi, termasuk ketika teknologi baru seperti AI masuk dan mengubah cara kita merencanakan dan mengoperasikan sistem energi.
DMO, DPO, dan hilirisasi batubara: penyangga atau jebakan baru?
Kebijakan Domestic Market Obligation (DMO) dan Domestic Price Obligation (DPO) selama ini menjadi bantalan penting untuk menjaga tarif listrik tetap terjangkau dan APBN tidak jebol. Batubara untuk listrik domestik dipatok dengan harga tertentu agar tidak mengikuti sepenuhnya pasar global.
Kementerian Keuangan memandang DPO sebagai salah satu instrumen untuk menjaga keberlanjutan fiskal di tengah kebutuhan energi yang terus naik. Namun di sisi lain, DMO/DPO juga menciptakan ketergantungan struktural:
- PLN dan industri dapat batubara murah, insentif untuk efisiensi dan energi terbarukan jadi kurang kuat.
- Daerah penghasil batubara makin nyaman dengan satu sumber ekonomi utama.
Pemerintah mendorong hilirisasi: metanol, amonia, gasifikasi batubara, DME, dan produk lain. Secara teori, ini menambah nilai tambah dan menyerap tenaga kerja. Tapi di era penurunan permintaan batubara global, hilirisasi yang salah arah bisa jadi jebakan aset terdampar (stranded assets) baru.
Meliana Lumbantoruan dari PWYP menggarisbawahi bahwa reformasi DMO/DPO seharusnya bukan soal menghapus proteksi, tapi mengubahnya menjadi instrumen transisi:
- Aman untuk pasokan energi.
- Adil bagi publik.
- Mendorong investasi bersih, bukan mengunci batubara.
Itu artinya kita butuh:
- Roadmap yang terikat waktu untuk reformasi DMO/DPO.
- Mekanisme harga yang lebih responsif terhadap pasar.
- Jaring pengaman sosial dan fiskal lintas kementerian.
- Tata kelola yang transparan dan berbasis data.
Di titik inilah AI bisa punya peran konkret: membantu mensimulasikan berbagai skenario kebijakan DMO/DPO, menghitung dampak fiskal, tarif listrik, emisi, dan lapangan kerja—sebelum keputusan diambil.
Risiko sosial: puluhan ribu pekerja dan kota-kota yang bergantung pada batubara
Transisi energi yang tidak direncanakan adalah transisi yang paling mahal. Bukan hanya dari sisi aset, tapi dari sisi manusia.
PWYP memperkirakan, setiap penurunan 100 juta ton produksi batubara bisa menghilangkan 8.500–10.000 pekerjaan. Itu bukan angka di atas kertas. Itu sopir truk di Kalimantan, pekerja tambang di Sumatra, pedagang warung di sekitar site tambang, hingga kontraktor lokal.
Ketergantungan sosial-ekonomi daerah terhadap batubara terlihat dari:
- APBD yang sangat bergantung pada royalti dan PNBP.
- Rantai ekonomi lokal yang tersambung ke aktivitas tambang.
- Minimnya diversifikasi sektor produktif lain (manufaktur, pariwisata, agroindustri, jasa digital, dan lain-lain).
Kalau produksi batubara turun tiba-tiba karena harga global jatuh atau tekanan regulasi internasional, daerah bisa mengalami:
- Lonjakan pengangguran.
- Penurunan konsumsi lokal.
- Tekanan fiskal pada pemerintah daerah.
- Potensi ketegangan sosial.
Just transition di sini bukan jargon, tapi kebutuhan nyata. Dan ini memerlukan data sangat detail: siapa yang bekerja di mana, di sektor apa, keterampilannya apa, seberapa rentan mereka, dan skenario apa yang paling manusiawi.
Ini lagi-lagi area di mana AI bisa membantu, bukan sebagai slogan, tapi sebagai alat analisis:
- Mengolah data tenaga kerja lintas instansi dan perusahaan.
- Memetakan klaster kerentanan sosial per kabupaten/kota.
- Mensimulasikan dampak penurunan produksi batubara terhadap pengangguran dan PDRB.
- Mengidentifikasi sektor alternatif paling realistis untuk dikembangkan di tiap daerah.
Transisi energi Indonesia baru bisa disebut berkelanjutan kalau transisi sosialnya sama seriusnya dengan transisi teknologinya.
Di mana posisi AI dalam transisi batubara ke energi hijau?
Dalam seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan”, benang merahnya selalu sama: AI bukan tujuan, tapi alat. Untuk konteks batubara dan energi hijau, ada beberapa peran yang menurut saya paling relevan dan praktis.
1. Perencanaan sistem energi berbasis skenario
Transisi dari batubara ke energi terbarukan butuh perencanaan sistem tenaga listrik yang jauh lebih dinamis. PLTS dan PLTB bersifat intermiten, sedangkan PLTU memberikan suplai baseload yang relatif stabil.
AI bisa dipakai untuk:
- Memodelkan bauran energi optimal di berbagai skenario penurunan batubara.
- Mengoptimalkan penempatan PLTS, PLTB, dan baterai berdasarkan data cuaca, beban, dan jaringan.
- Memprediksi risiko oversupply batubara ketika energi terbarukan kian murah.
Di level praktis, utilitas dan pengembang bisa memakai model AI untuk menjawab pertanyaan seperti:
- “Kalau 20% PLTU dipensiunkan bertahap mulai 2030, berapa kapasitas PLTS dan baterai yang harus masuk, dan di mana?”
- “Skenario mana yang paling aman untuk sistem, tapi juga paling hemat biaya?”
2. Optimasi operasi jaringan listrik dan integrasi EBT
Begitu porsi energi surya dan angin meningkat, operator sistem harus bekerja lebih cerdas, bukan hanya lebih keras. AI sudah banyak dipakai secara global untuk:
- Prediksi beban listrik harian hingga jam-jaman.
- Prediksi produksi PLTS dan PLTB berbasis data cuaca real-time.
- Penjadwalan unit (unit commitment) dan economic dispatch yang lebih efisien.
Untuk Indonesia, ini krusial ketika PLN mulai mengurangi operasi PLTU dan masuk ke skenario co-firing, fleksibilitas PLTU, atau pensiun dini. Tanpa prediksi yang tajam dan otomatisasi keputusan operasi, integrasi EBT skala besar akan penuh gesekan.
3. Analisis kebijakan dan risiko fiskal
Kebijakan DMO, DPO, pajak karbon, dan insentif EBT punya dampak berlapis ke:
- Tarif listrik.
- PNBP dan APBN.
- Daya saing industri.
- Emisi dan komitmen NDC.
Model AI bisa dilatih untuk mensimulasikan ribuan kombinasi kebijakan:
- Bagaimana jika DMO direformasi secara bertahap mulai 2026?
- Apa dampak penerapan pajak karbon Rp X per ton COâ‚‚ pada PLTU tertentu?
- Skema subsidi seperti apa yang menjaga rumah tangga rentan, sekaligus mendorong efisiensi energi?
Bukan menggantikan analis kebijakan, tapi memberi mereka dashboard skenario yang jauh lebih kaya dan responsif.
4. Pemetaan transisi adil (just transition mapping)
Untuk daerah penghasil batubara, AI bisa membantu menjawab pertanyaan-pertanyaan yang sangat taktis:
- Di kabupaten A, berapa banyak pekerja yang usia >45 tahun yang akan sulit pindah sektor?
- Di kota B, sektor apa yang pertumbuhannya paling menjanjikan untuk menyerap eks-pekerja tambang?
- Kombinasi program pelatihan apa yang paling efisien dari sisi biaya dan penyerapan kerja?
Dengan data yang tepat, pemerintah daerah, BUMN, dan perusahaan tambang bisa merancang rencana transisi lokal yang konkret, bukan sekadar narasi.
Langkah praktis untuk pemerintah dan pelaku usaha energi
Supaya dinamika batubara dan transisi energi ini tidak hanya jadi diskusi seminar, ada beberapa langkah praktis yang realistis untuk mulai dikerjakan dari sekarang.
1. Susun peta jalan penurunan batubara yang berbasis data
- Tetapkan skenario penurunan produksi batubara nasional dan per daerah.
- Tandai PLTU dan tambang mana yang paling logis untuk dipensiunkan lebih dulu (tua, mahal, intensif emisi).
- Gunakan model AI dan analisis sistem energi untuk menguji keamanan pasokan dan dampak biaya.
2. Reformasi DMO/DPO dengan kacamata transisi
- Rancang time-bound roadmap reformasi DMO/DPO: periode, tahapan, dan indikator.
- Simulasikan dampak fiskal, tarif, dan sosial dengan bantuan AI sebelum kebijakan diterapkan.
- Sisihkan sebagian manfaat fiskal dari reformasi untuk dana transisi daerah penghasil batubara (retraining, diversifikasi ekonomi, perlindungan sosial).
3. Bangun kapasitas AI di sektor energi, bukan hanya beli sistem
Banyak institusi tergoda beli sistem canggih lalu tidak punya orang yang benar-benar paham cara memakainya. Lebih sehat jika:
- PLN, BUMN energi, dan kementerian mulai membentuk tim kecil analis data dan AI internal.
- Kerja sama dengan kampus dan startup AI lokal difokuskan pada use case nyata: prediksi beban, integrasi PLTS, perencanaan pensiun PLTU, dan analisis kebijakan batubara.
- Data energi dan batubara dibuat lebih terbuka dan terstandardisasi, setidaknya di lingkup antar-lembaga pemerintah.
4. Prioritaskan transisi adil dalam setiap keputusan
Setiap kebijakan pengurangan batubara sebaiknya wajib dijawab dengan tiga pertanyaan:
- Apa dampaknya pada pekerja, keluarga mereka, dan ekonomi lokal?
- Program apa yang disiapkan untuk mereka, dengan sumber dana yang mana?
- Apakah ada mekanisme pemantauan dan partisipasi publik yang jelas?
Data dan model AI bisa membantu menjawab, tapi keberpihakan politik dan keberanian mengambil keputusan tetap ada di tangan manusia.
Menjadikan AI sekutu dalam transisi energi Indonesia
Transisi dari batubara ke sistem energi yang lebih hijau di Indonesia sedang berjalan, suka atau tidak. Harga PLTS dan baterai yang kian murah, tekanan global terhadap emisi, dan kebutuhan menjaga daya saing ekonomi membuat arah perubahan ini tidak terelakkan.
Yang masih bisa kita kendalikan adalah cara kita menjalankannya: terencana atau tergesa-gesa, adil atau meninggalkan banyak korban, menyelamatkan fiskal atau menciptakan beban baru.
AI untuk sektor energi Indonesia punya posisi strategis di sini. Bukan sebagai jawaban tunggal, tapi sebagai alat untuk:
- Merencanakan penurunan batubara secara bertahap dan aman.
- Mengintegrasikan energi terbarukan ke jaringan dengan risiko teknis yang terkendali.
- Merancang kebijakan harga, pajak, dan subsidi yang lebih presisi.
- Memetakan dan mengelola dampak sosial dari transisi ini.
Kalau Anda pelaku di sektor energi — baik di perusahaan listrik, tambang, pemerintah, atau konsultan — ini saatnya mulai menyiapkan kapasitas data dan AI dalam organisasi Anda. Transisi energi yang cerdas akan dimenangkan oleh mereka yang mampu menggabungkan kebijakan yang jelas, teknologi yang tepat, dan analisis data yang kuat.
Pertanyaannya sekarang: apakah organisasi Anda sudah punya peta jalan sendiri untuk menggunakan AI dalam transisi dari batubara menuju sistem energi yang lebih hijau?