SBTi, Net-Zero Listrik & Peran AI di Transisi Energi RI

Sering kali yang menghambat transisi energi bukan teknologi panel surya atau turbin anginnya, tapi standar dan arah yang kabur. Tanpa rambu yang jelas, utilitas listrik dan perusahaan energi gampang tersesat dalam jargon “net-zero” tanpa tahu jalur konkret untuk mencapainya.

Di akhir 2025, Science Based Targets initiative (SBTi) meluncurkan pilot Power Sector Net-Zero Standard – kerangka khusus sektor ketenagalistrikan untuk menetapkan target iklim jangka pendek dan jangka panjang yang benar-benar selaras dengan sains iklim. Ini bukan cuma kabar penting untuk Eropa atau Amerika. Untuk Indonesia yang sedang mendorong transisi energi, pengembangan standar seperti ini adalah cermin: begini seharusnya sektor kelistrikan bergerak menuju net-zero.

Dan kalau Indonesia mau bergerak cepat, kita butuh dua hal sekaligus: standar kuat seperti SBTi dan pemanfaatan AI di sektor energi untuk membuat target-target itu realistis, efisien, dan bankable.

Artikel ini membahas apa yang dilakukan SBTi di sektor listrik, kenapa relevan untuk Indonesia, dan bagaimana AI bisa menjadi enabler utama agar perusahaan listrik dan pelaku energi di Indonesia benar-benar siap menuju net-zero.

---

Apa itu Power Sector Net-Zero Standard versi SBTi?

Jawabannya singkat: ini adalah kerangka ilmiah khusus sektor listrik agar perusahaan bisa menetapkan target emisi yang kredibel, terukur, dan konsisten dengan Persetujuan Paris.

Pada Desember 2025, SBTi membuka pilot untuk menguji draf Power Sector Net-Zero Standard. Mereka mengundang perusahaan di seluruh rantai nilai ketenagalistrikan:

• Pembangkit listrik
• Transmisi dan distribusi
• Penyimpanan energi
• Perdagangan listrik (trading)
• Ritel listrik

Tujuannya jelas: memastikan standar ini praktis dipakai pelaku industri, bukan hanya bagus di atas kertas.

Beberapa poin kunci dari draf standar ini:

• Mengganti dan memperluas panduan lama SBTi tahun 2020 (Quick Start Guide for Electric Utilities) dengan cakupan emisi yang lebih luas.
• Dirancang interoperable dengan Corporate Net-Zero Standard v2 SBTi, supaya target di tingkat perusahaan dan di tingkat sektor listrik saling nyambung.
• Fokus bukan hanya pada pengurangan emisi jangka pendek, tapi juga jalur jangka panjang menuju net-zero yang kredibel.

Kriteria awal siapa yang disasar cukup jelas. Standar ini dirancang untuk perusahaan yang:

• Minimal 5% pendapatan tahunannya berasal dari pembangkitan listrik, atau
• Emisi gas rumah kaca (GRK) dari aktivitas kelistrikan ≥ 5% dari total inventaris GRK perusahaan, atau
• Emisi sektor kelistrikan > 10.000 ton CO₂e per tahun.

Dengan kata lain: kalau bisnis Anda punya jejak emisi signifikan dari listrik, Anda termasuk target pengguna standar ini.

---

Kenapa Standar Net-Zero Sektor Listrik Penting untuk Indonesia?

Untuk Indonesia, sektor listrik adalah “urat nadi” transisi energi. Mayoritas emisi dari sektor energi datang dari pembangkit berbasis batu bara dan gas. Tanpa perubahan di sini, target Net Zero Emission 2060 hanya akan jadi slogan.

Standar seperti SBTi Power Sector Net-Zero Standard penting karena:

1. Memberi peta jalan yang konkret
   Perusahaan listrik BUMN maupun swasta sering bingung: berapa cepat harus menurunkan emisi? Seberapa agresif ekspansi energi terbarukan? Standar SBTi mengubah ini menjadi angka dan jalur yang bisa dimodelkan.

2. Meningkatkan kredibilitas di mata investor
   Investor global mulai mensyaratkan science-based targets. Perusahaan Indonesia yang mengikuti standar setara SBTi akan lebih mudah mengakses pembiayaan hijau, green bonds, dan blended finance.

3. Mendorong konsistensi kebijakan
   Ketika utilitas dan IPP memakai kerangka yang sama, dialog dengan regulator (Kementerian ESDM, PLN, OJK, dsb.) lebih berbasis data: bukan debat opini, tapi diskusi tentang jalur emisi yang terukur.

4. Selaras dengan target bauran energi terbarukan
   Target pemerintah soal bauran energi terbarukan tidak akan tercapai kalau tidak ada standar teknis dan iklim yang mendorong utilitas mengurangi ketergantungan batu bara secara bertahap dan terencana.

Satu hal yang sering dilupakan: standar saja tidak cukup. Untuk mengeksekusi peta jalan net-zero, kita butuh infrastruktur data dan analitik yang kuat. Di sinilah AI untuk sektor energi mulai terasa perannya.

---

AI sebagai Enabler Standar Net-Zero di Sektor Listrik

Kalau SBTi memberi “aturan main”, AI memberi kemampuan bermain dengan lebih cerdas. Net-zero di sektor listrik butuh ribuan keputusan operasional dan investasi yang saling terhubung. Hampir semua bisa dipercepat dengan AI.

1. Perencanaan Sistem Tenaga Berbasis Data

Untuk selaras dengan standar SBTi, utilitas harus bisa menjawab pertanyaan seperti:

• Kapan pembangkit batu bara tertentu sebaiknya dipensiunkan?
• Berapa kapasitas PLTS/PLTB dan storage yang dibutuhkan di 2030/2040?
• Bagaimana dampak skenario EV dan elektrifikasi industri ke beban puncak?

Model AI dan machine learning bisa digunakan untuk:

• Optimasi rencana kapasitas (capacity expansion planning) yang mempertimbangkan emisi, biaya, keandalan, dan kebijakan sekaligus.
• Menjalankan ribuan skenario transisi (misalnya variasi harga bahan bakar, CAPEX renewables, permintaan listrik) dan memilih jalur dengan emisi sesuai standar SBTi.

2. Prediksi Permintaan Listrik (Demand Forecasting) yang Lebih Akurat

Standar net-zero butuh target jangka panjang, tapi implementasinya terjadi harian: bagaimana operasi sistem hari ini mempengaruhi emisi tahun ini.

AI dapat:

• Memprediksi beban listrik per 15 menit hingga beberapa tahun ke depan dengan akurasi tinggi, berbasis data historis, cuaca, aktivitas ekonomi, pola konsumsi.
• Mengidentifikasi pergeseran pola beban akibat AC, EV, data center, dan elektrifikasi industri.

Dengan prediksi yang lebih akurat, operator sistem bisa:

• Menjalankan lebih banyak pembangkit energi terbarukan tanpa over-reliance pada pembangkit fosil sebagai cadangan.
• Mengurangi kebutuhan peaker plant berbasis diesel/gas yang emisinya tinggi dan mahal.

3. Integrasi Energi Terbarukan & Penyimpanan

Salah satu poin penting dalam standar sektor listrik: akselerasi pemanfaatan energi terbarukan sambil menjaga keandalan sistem.

AI sangat relevan untuk:

• Forecasting produksi PLTS/PLTB berbasis data cuaca satelit dan lokal.
• Optimasi dispatch pembangkit variabel (PLTS/PLTB) dan storage (baterai, pumped hydro) agar emisi minimal tetapi sistem tetap stabil.
• Mengelola virtual power plant (VPP) yang menggabungkan banyak sumber terdistribusi: rooftop solar, baterai rumah tangga, beban industri yang fleksibel.

Semakin baik prediksi dan optimasi ini, semakin besar porsi energi terbarukan yang bisa masuk ke sistem tanpa meningkatkan risiko pemadaman.

4. Smart Metering & Manajemen Permintaan (Demand Response)

Net-zero tidak akan tercapai hanya dengan mengatur sisi suplai. Standar seperti SBTi juga menuntut perusahaan:

• Mengurangi losses,
• Mengelola beban puncak,
• Mengajak pelanggan menjadi bagian dari solusi.

Smart meter dan sistem manajemen permintaan berbasis AI memungkinkan:

• Analisis granular konsumsi energi per segmen pelanggan.
• Program demand response: misalnya insentif bagi industri untuk menggeser konsumsi ke jam non-puncak.
• Deteksi anomali yang mengindikasikan pemborosan energi atau potensi kebocoran.

Efeknya langsung ke target SBTi:

• Emisi per kWh turun karena sistem lebih efisien.
• Kebutuhan kapasitas cadangan dari pembangkit fosil berkurang.

5. Pengukuran, Pelaporan, dan Verifikasi (MRV) Emisi

SBTi mewajibkan target yang terukur dan terlapor dengan transparan. Banyak perusahaan kesulitan di tahap ini karena:

• Data emisi tersebar, format tidak seragam.
• Perhitungan intensitas emisi per unit listrik rumit ketika ada mix pembangkit.

Dengan platform analitik berbasis AI, perusahaan bisa:

• Mengintegrasikan data dari SCADA, sistem pembangkitan, data bahan bakar, dan data pelanggan.
• Menghitung emisi Scope 1, 2, dan sebagian Scope 3 secara otomatis dan berkala.
• Mensimulasikan dampak keputusan operasional terhadap target SBTi (misalnya apa dampak peningkatan faktor kapasitas PLTS terhadap intensitas emisi perusahaan?).

Ini bukan hanya tentang kepatuhan. MRV yang kuat membuat manajemen dan investor percaya bahwa target net-zero bukan sekadar klaim.

---

Peluang Konkret untuk Indonesia: Dari PLN sampai IPP & Startup

Bagi Indonesia, kombinasi standar seperti SBTi dan AI membuka beberapa peluang nyata.

PLN dan Utilitas Besar

• Menggunakan kerangka SBTi sebagai basis penyusunan transisi batu bara: urutan pembangkit yang dipensiunkan, diretrofit CCS, atau diganti energi terbarukan.
• Mengembangkan pusat data energi dan platform AI internal untuk perencanaan sistem tenaga, optimasi operasi, dan pelaporan emisi.

IPP & Developer Energi Terbarukan

• Menyusun science-based targets yang selaras dengan SBTi untuk meningkatkan daya tarik ke investor internasional.
• Mengintegrasikan AI dalam perencanaan lokasi dan sizing proyek PLTS/PLTB, termasuk analisis curah hujan, radiasi matahari, dan pola beban lokal.

Startup & Penyedia Teknologi AI Energi

• Membangun solusi demand forecasting, renewable forecasting, VPP, dan smart metering analytics khusus untuk pasar Indonesia.
• Menawarkan platform MRV emisi dan dashboard net-zero bagi perusahaan energi yang mulai mengadopsi standar seperti SBTi.

Pemerintah & Regulator

• Menggunakan standar internasional seperti SBTi sebagai referensi dalam menyusun peta jalan dekarbonisasi sektor listrik nasional.
• Mendorong program percontohan (pilot) integrasi AI di sistem tenaga untuk mengurangi biaya dan mempercepat bauran energi terbarukan.

---

Langkah Praktis: Dari “Net-Zero Talk” ke Eksekusi Berbasis AI

Kalau Anda berada di perusahaan energi Indonesia, berikut langkah realistis yang bisa diambil 12–24 bulan ke depan:

1. Petakan emisi dan aktivitas yang relevan dengan standar sektor listrik

   • Hitung kontribusi aktivitas kelistrikan terhadap total emisi perusahaan.
   • Identifikasi pembangkit, jaringan, dan layanan ritel yang paling besar menyumbang emisi.

2. Selaraskan target internal dengan kerangka seperti SBTi

   • Tetapkan target jangka menengah (2030) dan panjang (2050/2060) berbasis sains, bukan hanya “% pengurangan” tanpa dasar.

3. Bangun fondasi data & digital

   • Konsolidasikan data operasi pembangkit, jaringan, dan konsumsi pelanggan.
   • Pastikan ada infrastruktur cloud/on-prem yang siap untuk analitik AI.

4. Mulai dari satu atau dua use case AI yang paling berdampak
   Misalnya:

   • Prediksi beban + renewable forecasting untuk satu sistem atau wilayah.
   • Analitik smart meter untuk program efisiensi energi pelanggan industri.
   • Dashboard emisi real-time per pembangkit.

5. Bangun kapabilitas internal dan kemitraan

   • Bentuk tim kecil lintas fungsi: energi, data, IT, keberlanjutan.
   • Gandeng universitas, konsultan, atau startup lokal sebagai mitra awal.

Dengan langkah-langkah ini, standar seperti SBTi tidak lagi terasa abstrak. Ia berubah menjadi rangka kerja operasional yang didukung oleh AI dan data.

---

Menjadikan AI Bagian Inti Strategi Net-Zero Listrik Indonesia

Power Sector Net-Zero Standard dari SBTi menunjukkan satu hal penting: dunia sedang bergerak menuju standar yang lebih ketat dan lebih spesifik untuk sektor listrik. Indonesia tidak bisa menunggu terlalu lama kalau ingin tetap kompetitif dan menarik investasi.

Ada dua pilihan:

• Menjalankan transisi energi dengan cara lama—berdasar asumsi kasar dan perencanaan manual, atau
• Menggunakan AI untuk sektor energi sebagai mesin analitik yang terus-menerus mengarahkan sistem listrik ke jalur net-zero yang sejalan dengan standar global.

Saya pribadi berpihak pada pilihan kedua. Bukan karena AI itu tren, tapi karena tanpa analitik yang kuat, standar net-zero akan berakhir menjadi dokumen PDF yang tidak mengubah operasi lapangan.

Kalau organisasi Anda sedang menyusun atau memperbarui strategi transisi energi, ini momen yang tepat untuk:

• Mengadopsi prinsip-prinsip standar seperti SBTi sektor listrik sebagai kerangka target, dan
• Menyusun peta jalan AI di sektor energi: dari data, use case prioritas, sampai model operasional.

Indonesia punya bonus demografi, pasar listrik yang tumbuh, dan potensi energi terbarukan yang besar. Tantangannya sekarang: mampu menggabungkan standar iklim berbasis sains dengan kecerdasan buatan sehingga transisi energi bukan hanya lebih hijau, tapi juga lebih cerdas dan menguntungkan.