Apa yang Bisa Dipelajari Indonesia dari Energy Scholars MIT

Generasi Baru Ahli Energi MIT dan Relevansinya untuk Indonesia

Sebagian besar perusahaan energi di dunia sudah sepakat pada satu hal: transisi energi bersih tidak cukup hanya dengan memasang lebih banyak panel surya dan turbin angin. Dibutuhkan talenta, riset, dan terutama integrasi AI dalam sektor energi agar semua itu benar-benar efisien dan terjangkau.

MIT baru saja mengumumkan 20 Energy Scholars 2025–2026. Mereka bukan sekadar peneliti kampus; mereka adalah gambaran ke mana arah teknologi energi global bergerak 5–10 tahun ke depan: hidrogen hijau, baterai generasi baru, biomining mineral kritis, efisiensi bangunan, hingga keamanan transportasi berbahan bakar hidrogen.

Untuk Indonesia yang lagi gencar bicara transisi energi berkelanjutan, daftar ini sebenarnya bisa dibaca sebagai peta jalan: area mana yang akan jadi kunci, teknologi apa yang akan dominan, dan di mana AI untuk sektor energi Indonesia bisa memberi dampak paling besar.

Tulisan ini membahas inti riset para Energy Scholars MIT, menerjemahkannya ke konteks Indonesia, dan menunjukkan peluang praktis—mulai dari PLN, pengembang IPP, sampai startup energi dan AI.

---

1. Mengapa Program Energy Scholars MIT Patut Diperhatikan Indonesia

MIT Energy Initiative (MITEI) membentuk Society of Energy Scholars beranggotakan lebih dari 500 mahasiswa dan alumni yang fokus ke solusi energi rendah karbon. Untuk periode 2025–2026, ada 20 peneliti baru yang risetnya tersebar dari kimia, teknik mesin, arsitektur, hingga sistem data.

Kenapa ini relevan untuk Indonesia?

• Tema riset mereka sangat sejalan dengan tantangan Indonesia: dekarbonisasi pembangkit, integrasi energi terbarukan, efisiensi konsumsi energi, dan pengelolaan limbah.
• Banyak proyek mereka beririsan langsung dengan AI, data, dan optimasi sistem energi—tepat dengan fokus seri kita: AI untuk Sektor Energi Indonesia.
• Beberapa sponsor adalah perusahaan energi global seperti Shell, ExxonMobil, Chevron, Eni, PETRONAS—perusahaan yang juga beroperasi atau bermitra di Indonesia.

Kalau Indonesia ingin melompat, bukan merangkak, transisi energi harus belajar dari arah riset global, sambil mengadaptasi ke konteks lokal.

Di bawah ini, kita kelompokkan fokus riset para Energy Scholars menjadi empat klaster utama yang paling relevan untuk Indonesia.

---

2. Hidrogen Hijau & Keamanan Transportasi: Fondasi Ekonomi Hidrogen

Jawaban singkatnya: ya, hidrogen hijau akan jadi salah satu pilar energi bersih global. Energy Scholars MIT memperlakukan hidrogen bukan lagi konsep masa depan, tapi engineering problem yang harus diselesaikan hari ini.

2.1. Produksi Hidrogen Hijau yang Lebih Efisien

Beberapa proyek kunci:

• India Cox – Green hydrogen via intermediate temperature steam electrolysis
• Amber Velez – Pulsed electrolysis for efficient grid-scale green hydrogen production
• Braden Gilleland – Hydrocarbon pyrolysis: decarbonize hydrogen production
• Santosh Singh – h-BN membranes untuk pemisahan dan penyimpanan H₂

Fokus mereka:

• Menurunkan kebutuhan energi proses elektrolisis
• Mengoptimalkan desain reaktor dan membran
• Mengurangi emisi dari hidrogen berbasis hidrokarbon

Peluang untuk Indonesia:

1. Co-location PLTS/PLTB dan pabrik hidrogen
   Kawasan seperti NTB, NTT, atau Sulsel dengan potensi surya dan angin tinggi berpotensi jadi klaster hidrogen hijau. Di sini, AI bisa membantu:

   • Memprediksi output PLTS/PLTB harian dan musiman
   • Mengatur kapan elektroliser beroperasi untuk memaksimalkan listrik murah berlebih
   • Mengoptimasi jadwal pemeliharaan agar faktor kapasitas tetap tinggi

2. AI untuk optimasi proses elektrolisis
   Model AI bisa dipakai untuk:

   • Mengatur parameter operasi (arus, tegangan, suhu) secara real time
   • Memprediksi degradasi sel dan menjadwalkan penggantian
   • Mengurangi konsumsi energi per kg H₂ diproduksi

2.2. Keamanan Transportasi Berbahan Bakar Hidrogen

Julia Tao meneliti Safety analysis of hydrogen-fueled transportation systems. Ini menjawab pertanyaan besar:

Seberapa aman bus, truk, atau kapal berbahan bakar hidrogen, dan apa yang harus direncanakan sejak awal?

Untuk Indonesia yang sedang membangun ekosistem kendaraan listrik dan kemungkinan pilot project bus hidrogen, hasil riset seperti ini krusial:

• AI dapat mensimulasikan berbagai skenario kebocoran, kecelakaan, dan pola aliran gas di terminal, SPBU hidrogen, atau depo bus.
• Sistem monitoring real time berbasis sensor dan AI bisa:
  • Mendeteksi kebocoran lebih awal
  • Menghitung risiko berdasarkan kondisi angin, suhu, kepadatan orang
  • Mengirim peringatan ke operator dan sistem pemadam otomatis

Ini bukan lagi sekadar isu teknis, tapi soal izin regulasi, standar keamanan, dan penerimaan publik.

---

3. Baterai, Material Kritis, dan Daur Ulang: Menjaga Rantai Pasok Energi

Transisi energi Indonesia akan sangat bergantung pada baterai: dari PLTS skala besar, sistem penyimpanan energi di jaringan, sampai kendaraan listrik. Energy Scholars MIT cukup agresif di area ini.

3.1. Baterai Generasi Baru dan Perannya untuk Grid Indonesia

Contoh riset:

• Alex Quinn – Alkaline polysulfide ferri-/ferro-cyanide flow battery
• Trent Weiss – Convection-enhanced lithium-ion batteries

Dua hal yang sedang didorong:

1. Flow battery untuk penyimpanan energi skala grid, cocok untuk:
   • Integrasi PLTS/PLTB di daerah terpencil
   • Sistem microgrid pulau-pulau kecil
2. Penyempurnaan baterai Li-ion agar pengisian lebih cepat, lebih dingin, dan umur pakai lebih panjang.

Di Indonesia, AI untuk optimasi jaringan listrik bisa digabungkan dengan teknologi baterai ini:

• Model AI memprediksi beban dan produksi PLTS/PLTB per 15–30 menit
• Sistem kontrol otomatis memutuskan kapan baterai diisi dan dikosongkan untuk menekan biaya pembelian listrik puncak dan menghindari pemadaman

3.2. Biomining dan Mineral Kritis: Belajar dari Riset, Bukan Ulangi Kesalahan

Hui Sun meneliti Biomining of critical minerals for a clean energy future. Konsepnya: menggunakan mikroorganisme untuk mengekstraksi mineral penting (nikel, kobalt, tembaga, dan lain-lain) dengan dampak lingkungan lebih ringan.

Indonesia adalah salah satu pemain utama nikel dunia. Tantangannya:

• Tekanan global untuk mengurangi dampak lingkungan penambangan
• Kebutuhan menjaga lisensi sosial untuk beroperasi di dekat komunitas lokal

Kombinasi biomining dan AI bisa diarahkan ke:

• Menganalisis data geokimia untuk menentukan lokasi yang paling cocok untuk biomining
• Mengoptimasi kondisi operasi biologis (pH, suhu, nutrisi) agar ekstraksi maksimal
• Memprediksi dampak lingkungan jangka panjang dari metode tambang baru

3.3. Daur Ulang Plastik dan Material Karbon

Dua proyek menarik lainnya:

• Xiao Wang – Full upcycling of PVC waste
• Jimin Kim – Carbon-fixing materials: mengubah CO₂, CH₄, dan nitrat menjadi material polimer

Keduanya bicara soal mengurangi limbah dan mengikat karbon dalam bentuk material bernilai tambah.

Untuk Indonesia:

• Kota-kota besar seperti Jakarta, Surabaya, Medan menghadapi masalah limbah plastik dan emisi industri.
• AI dapat:
  • Memprediksi arus limbah plastik berdasarkan pola konsumsi
  • Mengoptimasi logistik pengumpulan dan pemilahan limbah
  • Mengontrol proses kimia daur ulang agar energi dan bahan kimia yang dipakai minimum

---

4. Efisiensi Bangunan & Kota: Dari Trondheim ke Jakarta

Beberapa Energy Scholars dari bidang arsitektur meneliti climate-actionable information for buildings di Trondheim, Norwegia (Eric Kyle Cheung, Darya Guettler, Wyatt Sluga). Intinya: data cuaca, desain bangunan, dan pola penggunaan ruang diolah menjadi rekomendasi aksi konkret untuk mengurangi emisi.

4.1. Mengapa Bangunan Penting untuk Indonesia

Di Indonesia, sektor bangunan (komersial dan residensial) menyumbang porsi besar dari konsumsi listrik—AC, pencahayaan, dan peralatan elektronik.

Pendekatan seperti di Trondheim bisa diterapkan di sini dengan adaptasi iklim tropis:

• Bangunan kantor grade A di Jakarta, Surabaya, Medan bisa:
  • Menggunakan sensor dan smart meter untuk mengukur konsumsi per zona
  • Memakai AI untuk menyetel AC dan pencahayaan otomatis berdasarkan okupansi, jam kerja, dan cuaca
  • Mengkombinasikan data tarif listrik (TOU) dengan prediksi beban untuk menekan biaya operasional

4.2. Dari Data ke Tindakan: Peran AI di Gedung dan Kota

Kuncinya adalah membuat informasi yang benar-benar “actionable”:

• Bukan cuma dashboard cantik, tapi rekomendasi langsung:
  • “Turunkan set point AC lantai 10 dari 22°C ke 24°C antara 12:00–14:00, hemat 7% energi tanpa ganggu kenyamanan.”
  • “Alihkan operasi chiller utama ke chiller cadangan mulai pukul 21:00 untuk mengurangi puncak beban.”

Platform AI untuk smart building dan smart metering bisa menawarkan:

• Analitik konsumsi per tenant atau per lantai
• Deteksi anomali (kebocoran, peralatan yang boros energi)
• Simulasi sebelum investasi retrofit (misal ganti kaca, tambah shading, ganti lampu)

Indonesia tidak harus menyalin persis Trondheim. Tapi logikanya sama:

Data energi + AI + desain arsitektur yang tepat = pengurangan emisi dan biaya, tanpa mengorbankan kenyamanan.

---

5. Otomasi Sistem Energi Berbasis AI: Dari CPU Hingga Jaringan Listrik

Ada satu benang merah yang sangat dekat dengan topik seri ini: pengelolaan energi berbasis data dan komputasi cerdas.

Beberapa contoh dari para Energy Scholars:

• Albert Chen – mengintegrasikan dinamika temporal, spasial, dan sektoral untuk mengoptimasi transisi energi dan kualitas udara.
• Yifu Ding – proyek RACER: Robust and Adaptive Computing Energy and Resource coordination based on CPU utilization.

Di dunia nyata, ini sangat mirip dengan kebutuhan Indonesia dalam:

• Perencanaan sistem tenaga nasional (RUPTL berbasis data)
• Dispatch pembangkit dan storage yang kompleks (PLTU, PLTG, PLTA, PLTS, PLTB)
• Pengaturan pusat data dan server AI yang semakin banyak dan boros listrik

5.1. AI untuk Optimasi Jaringan Listrik Indonesia

Kalau ditarik ke konteks lokal, kemampuan seperti proyek Albert Chen bisa dimanfaatkan untuk:

• Memodelkan transisi bertahap PLTU ke energi terbarukan per sistem (Jawa-Bali, Sumatra, Kalimantan, Sulawesi, Indonesia Timur)
• Mensimulasikan dampak pengurangan PLTU terhadap kualitas udara di kota-kota besar
• Menentukan kombinasi ideal antara:
  • PLTU yang tetap beroperasi
  • Penambahan PLTS/PLTB
  • Pembangunan storage
  • Manajemen permintaan (demand response)

Hasilnya bisa membantu regulator dan utilitas memutuskan mana proyek yang benar-benar prioritas, bukan sekadar ikut tren.

5.2. Mengelola Konsumsi Energi Pusat Data dan Beban Digital

Proyek RACER milik Yifu Ding fokus ke koordinasi energi dan sumber daya komputasi berdasarkan pemanfaatan CPU.

Untuk Indonesia yang mulai jadi lokasi data center regional dan layanan cloud, tantangannya jelas:

• Konsumsi listrik data center sangat besar dan cenderung naik cepat.
• Kalau tidak dikelola, data center bisa menambah beban puncak dan memaksa pembangunan pembangkit baru yang tidak hijau.

AI bisa mengatur:

• Penjadwalan beban komputasi berat ke jam-jam ketika beban jaringan rendah atau ketika PLTS menghasilkan listrik berlebih.
• Pemilihan lokasi data center dekat dengan pembangkit energi terbarukan.
• Optimasi pendinginan dan distribusi beban server.

Ini area menarik untuk kolaborasi antara startup AI Indonesia, penyedia cloud, dan utilitas.

---

Penutup: Dari MIT ke Jakarta – Saatnya Merancang Lompatan Berikutnya

Daftar Energy Scholars 2025–2026 ini memberi sinyal jelas: masa depan energi bersih ditentukan oleh kombinasi sains material, rekayasa proses, dan kecerdasan buatan.

Bagi Indonesia, pelajarannya cukup tegas:

• Hidrogen hijau, baterai, biomining, efisiensi bangunan, dan optimasi jaringan listrik bukan lagi topik wacana, tapi area konkret untuk pilot project 3–5 tahun ke depan.
• AI untuk sektor energi Indonesia bukan aksesoris, melainkan “otak” yang membuat semua investasi pembangkit, baterai, dan infrastruktur jadi efisien, aman, dan bankable.

Kalau Anda dari perusahaan energi, utilitas, pengembang, atau startup teknologi, sekarang waktu yang pas untuk:

1. Mengidentifikasi proses internal yang paling boros energi dan paling kaya data.
2. Mencari peluang menggabungkan model AI, sensor, dan otomasi seperti yang dikerjakan para Energy Scholars ini.
3. Membangun tim lintas disiplin: teknik, data, operasi lapangan, dan keuangan.

Transisi energi berkelanjutan di Indonesia tidak akan menunggu semua orang siap. Pihak yang mulai lebih cepat dengan kombinasi AI + teknologi energi baru akan memimpin pasar—dan membantu Indonesia mendekati target net-zero dengan cara yang jauh lebih terukur.