Batubara Indonesia, Transisi Hijau, dan Peran AI

Harga PLTS dan baterai yang terus turun membuat satu hal jadi jelas: dalam 5–10 tahun ke depan, membangun pembangkit tenaga surya plus baterai bisa lebih murah daripada membangun PLTU baru. Untuk negara produsen batubara seperti Indonesia, ini bukan sekadar isu lingkungan. Ini soal masa depan ekonomi nasional dan daerah penghasil batubara.

Artikel ini mengurai dinamika industri batubara Indonesia yang sedang bergerak menuju sistem energi lebih hijau, lalu menghubungkannya dengan satu alat baru yang sering diabaikan: kecerdasan buatan (AI). Di seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan” ini, fokusnya bukan hanya energi terbarukan, tapi juga bagaimana AI membantu Indonesia keluar dari ketergantungan batubara secara lebih terencana, adil, dan menguntungkan.

1. Mengapa Transisi dari Batubara Tak Bisa Ditunda

Intinya: semakin lama Indonesia bertahan di batubara, semakin mahal dan berisiko transisinya, baik dari sisi ekonomi, fiskal, maupun sosial.

Harga teknologi hijau turun, daya saing batubara tergerus

Penurunan biaya energi surya dan baterai membuat model bisnis PLTU makin sulit dipertahankan. Tanpa kebijakan apa pun, tren global sudah jelas:

• PLTS + baterai makin kompetitif dibanding PLTU baru
• Investor global dan perusahaan multinasional mencari pasokan listrik rendah karbon
• Produk yang dihasilkan dengan energi kotor berisiko terkena hambatan dagang berbasis emisi

Deon Arinaldo dari IESR sudah mengingatkan soal infrastructure lock-in: ketika terlalu banyak infrastruktur fosil dibangun, biaya transisi naik tajam karena semuanya harus diganti lebih cepat dari umur teknisnya. Di konteks Indonesia, ini artinya PLTU yang baru beroperasi 5–10 tahun tapi harus dipensiunkan lebih dini.

Pelajaran dari Inggris: harga karbon mengubah peta energi

Ianto Jones dari Kedutaan Besar Inggris menjelaskan bagaimana negaranya mulai mengurangi batubara sejak 2012–2013, saat batubara masih 40% dalam sistem tenaga listrik. Biaya polusi – baik kesehatan maupun ekonomi – diperkirakan mencapai 1,7–4,9 juta dolar per tahun.

Kuncinya ada di satu kebijakan simpel tapi tegas:

“Mulai tahun 2016, UK menerapkan harga karbon sebesar 25 dolar per ton. Tarif ini membuat batubara tidak ekonomis, dan mengurangi penggunaan batubara pada sistem energi.”

Indonesia belum menerapkan harga karbon sekuat itu, tapi arah globalnya sama: emisi akan semakin mahal. Perbedaannya, Indonesia harus memadukan kebijakan dekarbonisasi dengan perlindungan ekonomi daerah tambang dan ketahanan energi.

2. Batubara, PNBP, dan Risiko Fiskal yang Jarang Dibicarakan

Faktanya: batubara masih menyumbang PNBP besar, tapi sifatnya sangat fluktuatif dan berisiko tinggi.

PNBP batubara: tinggi, tapi seperti roller coaster

Totoh Abdul Fatah dari Kementerian ESDM menegaskan kontribusi besar batubara ke Penerimaan Negara Bukan Pajak (PNBP). Masalahnya, penerimaan ini naik-turun mengikuti harga komoditas global. Saat harga tinggi, daerah batubara seolah makmur. Saat harga turun, APBD dan ekonomi lokal langsung terpukul.

Untuk mengurangi ketergantungan pada ekspor bahan mentah, pemerintah mendorong hilirisasi batubara:

• Metanol dan amonia
• Gasifikasi batubara
• DME (Dimethyl Ether)
• Syngas dan produk turunan lain

Target awalnya 2025–2029, tapi pemerintah sendiri mengakui banyak tantangan sehingga realisasinya cenderung mundur.

Masalah utamanya: hilirisasi batubara tetap berbasis karbon, butuh subsidi besar, dan rentan terkunci pada aset yang segera usang saat dunia bergerak ke energi terbarukan.

DMO/DPO: proteksi energi atau jebakan fiskal?

Robert dari Kementerian Keuangan menyoroti Domestic Market Obligation (DMO) dan Domestic Price Obligation (DPO) sebagai instrumen utama menjaga harga listrik dan BBM tetap “terjangkau” bagi masyarakat dan industri.

Namun ada dilema:

• DPO cenderung naik setiap tahun seiring kebutuhan energi dan hilirisasi
• APBN menanggung selisih harga antara batubara domestik (yang dipaksa murah) dan harga ekspor
• Transisi energi butuh anggaran besar untuk EBT, jaringan, dan perlindungan sosial

Di titik ini, kebijakan harga, pajak, dan subsidi harus dirancang bukan hanya untuk hari ini, tetapi untuk 10–20 tahun ke depan. Jika tidak, APBN bisa tersandera oleh komitmen batubara, sementara ruang fiskal untuk energi terbarukan dan transisi justru menyempit.

Di sinilah AI sebenarnya bisa membantu pemerintah:

• Memodelkan proyeksi penerimaan PNBP batubara di berbagai skenario harga global
• Menghitung dampak fiskal dari perubahan DMO/DPO secara dinamis
• Mensimulasikan kombinasi kebijakan pajak, subsidi, dan harga karbon untuk menjaga APBN tetap sehat sekaligus mendorong transisi

3. Risiko Sosial: Ribuan Pekerjaan Hilang Jika Transisi Tanpa Rencana

Ketika produksi batubara turun, yang pertama kali merasakan bukan pejabat, tapi buruh tambang dan pelaku usaha kecil di sekitar tambang.

100 juta ton turun, hingga 10.000 pekerja terdampak

Meliana Lumbantoruan dari PWYP Indonesia mengingatkan bahwa ekonomi daerah tambang sangat bergantung pada batubara. Ketika produksi turun, masalahnya bukan hanya PNBP, tapi juga:

• Hilangnya pekerjaan langsung di tambang
• Anjloknya usaha pendukung: kos-kosan, warung, bengkel, transportasi
• Konflik sosial ketika tambang tutup tiba-tiba tanpa rencana transisi

Data yang ia sampaikan cukup tegas:

Untuk setiap 100 juta ton penurunan produksi batubara, 8.500–10.000 orang berpotensi kehilangan pekerjaan.

Tanpa just transition (transisi yang adil), transisi energi bisa memicu penolakan sosial di akar rumput meskipun secara teknologi dan ekonomi masuk akal.

Reformasi DMO/DPO sebagai alat transisi, bukan sekadar subsidi

Meliana menekankan bahwa reformasi DMO/DPO bukan soal menghapus proteksi, tapi merestrukturisasi instrumen ini agar:

• Aman untuk pasokan energi
• Adil bagi publik
• Mendorong investasi bersih

Beberapa elemen penting:

• Roadmap yang jelas dan terikat waktu
• Penetapan harga yang market-responsive
• Proteksi sosial-fiskal lintas kementerian
• Tata kelola transparan dan akuntabel

Di sini, AI bisa bermain di dua level:

1. Perencanaan tenaga kerja dan sosial

   • Memetakan profil pekerja tambang (usia, skill, pendidikan) per daerah
   • Mengidentifikasi sektor alternatif yang realistis untuk menyerap tenaga kerja
   • Mensimulasikan program reskilling dan biayanya

2. Pemantauan dampak sosial secara real-time

   • Analisis data pengangguran, migrasi, dan indikator kesejahteraan secara spasial
   • Menggunakan pemrosesan bahasa alami (NLP) pada laporan daerah, media lokal, dan pengaduan publik untuk mendeteksi gejala kerentanan sosial lebih awal

4. Ancaman Oversupply dan Batas Waktu Pasar Batubara

Singgih Widagdo dari IMEF menggarisbawahi satu risiko besar yang sering tidak disadari: oversupply batubara ketika energi terbarukan dan baterai makin murah.

Pasar ekspor mengecil, ASEAN mendekati puncak batubara

Beberapa tren yang sudah terlihat:

• Negara pengimpor batubara mulai menerapkan kebijakan pembatasan emisi
• Negara ASEAN sudah mendekati puncak bauran batubara dalam sistem tenaga listrik mereka
• Harga batubara ke depan diperkirakan sulit naik signifikan

Indonesia punya sekitar 963 tambang. Kalau penurunan produksi terjadi akibat pasar yang runtuh, bukan karena perencanaan, dampaknya akan jauh lebih menyakitkan:

• Tambang tutup mendadak
• Daerah penghasil kehilangan basis ekonomi
• PNBP dan PAD turun tajam tanpa persiapan

Indonesia butuh penurunan produksi yang terencana dan berbasis skenario, bukan menunggu “disentil” pasar.

Bagaimana AI membantu merencanakan penurunan batubara?

Di konteks seri AI untuk sektor energi, ini titik di mana teknologi benar-benar bisa mengubah cara pemerintah dan dunia usaha mengambil keputusan:

1. Skenario permintaan batubara jangka panjang
   Model AI dapat menggabungkan data:

   • Proyeksi PLTU yang dipensiunkan di negara pengimpor
   • Kebijakan iklim (misalnya target net-zero, harga karbon)
   • Penetrasi energi terbarukan dan baterai lalu menghasilkan skenario permintaan batubara hingga 2040–2050. Output ini bisa dipakai untuk:
   • Menentukan laju pengurangan produksi nasional
   • Mengurutkan tambang mana yang harus ditutup lebih dulu

2. Prioritas tambang untuk transisi
   Dengan data geospasial dan ekonomi, AI bisa memetakan:

   • Tambang mana yang paling mahal operasionalnya
   • Tambang mana yang berada di daerah dengan alternatif ekonomi kuat (pariwisata, pertanian, industri lain)
   • Tambang mana yang berisiko sosial tinggi jika ditutup mendadak

   Hasilnya adalah urutan penutupan tambang yang meminimalkan kerugian ekonomi dan sosial.

3. Perencanaan bauran energi sistem kelistrikan
   AI dan machine learning sangat efektif untuk:

   • Mengoptimasi operasi sistem listrik dengan penetrasi PLTS, PLTB, dan baterai yang tinggi
   • Memprediksi permintaan listrik harian dan musiman
   • Menentukan kapan PLTU tertentu bisa dikurangi jam operasinya tanpa mengganggu keandalan

   Ini langsung terkait dengan kebijakan pengurangan batubara di sektor kelistrikan.

5. Menata Ulang Strategi: Dari Hilirisasi Batubara ke Ekosistem Energi Bersih Berbasis Data

Kalau hanya menambah hilirisasi batubara, Indonesia berisiko mengganti satu bentuk ketergantungan batubara dengan bentuk lain. Ada pendekatan yang menurut saya jauh lebih sehat: menggunakan periode transisi ini untuk membangun ekosistem energi bersih yang pintar, berbasis data, dan siap menyerap tenaga kerja dari sektor batubara.

Dari PLTU ke sistem energi pintar berbasis AI

Ada beberapa langkah konkret yang bisa diambil pemerintah dan BUMN/IPP energi:

1. Modernisasi jaringan listrik dengan AI

   • Grid optimization: AI menganalisis arus daya, beban, dan gangguan untuk mengurangi losses dan meningkatkan keandalan.
   • Integrasi PLTS atap dan PLTS skala besar dengan prediksi cuaca berbasis AI.
   • Demand forecasting harian dan jangka panjang untuk memutuskan kebutuhan pembangkit baru (EBT, bukan PLTU).

2. Smart metering dan manajemen permintaan

   • Pemasangan smart meter di kawasan industri dan kota besar, dianalisis dengan AI untuk mengidentifikasi pola konsumsi, potensi hemat energi, dan demand response.
   • Program tarif dinamis yang menggeser konsumsi dari jam beban puncak, mengurangi kebutuhan PLTU beban puncak.

3. Pusat data dan inovasi di daerah bekas tambang

   • Konversi lahan bekas tambang menjadi lokasi PLTS skala besar.
   • Pendirian pusat data (data center) hemat energi yang memanfaatkan listrik EBT.
   • Inkubator teknologi lokal untuk aplikasi AI di sektor energi, pertanian, dan maritim.

Langkah-langkah ini tidak hanya membantu transisi energi, tetapi juga membuka peluang kerja baru di bidang teknisi listrik, analis data energi, developer AI, dan operator sistem.

Rekomendasi praktis untuk pembuat kebijakan dan pelaku usaha energi

Beberapa langkah yang realistis untuk 3–5 tahun ke depan:

• Kementerian ESDM & Kementerian Keuangan

  • Mengembangkan model AI bersama perguruan tinggi/riset untuk skenario bauran energi, PNBP, dan APBN.
  • Menggunakan hasil model sebagai dasar roadmap pengurangan batubara yang diumumkan publik.

• PLN dan produsen listrik swasta

  • Memprioritaskan investasi di sistem manajemen energi berbasis AI, bukan hanya penambahan kapasitas PLTU.
  • Menyiapkan rencana penurunan jam operasi PLTU berdasarkan simulasi AI tentang keandalan sistem.

• Daerah penghasil batubara

  • Mengumpulkan data detail tenaga kerja tambang untuk dianalisis: skill, usia, minat pelatihan.
  • Bekerja sama dengan startup dan kampus untuk merancang program pelatihan energi terbarukan dan digital.

Penutup: Transisi Batubara Harus Cerdas, Cepat, dan Adil

Industri batubara Indonesia sedang berdiri di persimpangan. Di satu sisi, ada kontribusi besar terhadap PNBP dan ketenagakerjaan. Di sisi lain, pasar global menyempit, energi terbarukan dan baterai makin murah, dan dunia bergerak ke ekonomi rendah karbon.

Kalau transisi dibiarkan berjalan liar, risiko oversupply, keruntuhan harga, dan guncangan sosial di daerah tambang sangat besar. Tapi kalau direncanakan dengan baik – memanfaatkan AI untuk optimasi sistem energi, perencanaan fiskal, dan perlindungan sosial – Indonesia bisa memanfaatkan jendela waktu sempit ini untuk membangun ekonomi energi bersih yang jauh lebih tahan banting.

Seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan” pada dasarnya mengajak pelaku energi, pembuat kebijakan, dan investor untuk melihat AI bukan sebagai slogan teknologi, tapi sebagai alat kerja sehari-hari: dari dashboard prediksi permintaan listrik, sampai model skenario pengurangan batubara per provinsi.

Pertanyaannya sekarang: mau menunggu pasar global memaksa perubahan dengan cara yang menyakitkan, atau mulai merancang transisi yang cerdas, cepat, dan adil dengan bantuan data dan AI?