Harga gas asli global semakin volatil. Inilah masa untuk pemain minyak & gas dan utiliti guna AI bagi ramal permintaan, harga dan optimakan strategi tenaga.
AI, Gas Asli dan Tahun 2026: Siapa Sedia Hadapi Kejutan?
Dalam masa kurang seminggu, kontrak hadapan gas asli di NYMEX jatuh hampir 20% hanya kerana satu perkara: ramalan cuaca bertukar panas. Dari paras sekitar $5.49 per MMBtu (intraday high Jumaat sebelumnya), harga Januari merosot ke sekitar $4.23 per MMBtu pada 12/12/2025.
Kejatuhan ini bukan disebabkan letupan di loji LNG, bukan gangguan geopolitik, tetapi model cuaca yang “tarik balik” permintaan pemanasan untuk lewat Disember. Bila 100+ bilion kaki padu (Bcf) permintaan hilang hanya pada skrin komputer, pasaran panik – dan harga runtuh.
Untuk pemain minyak & gas, utiliti, dan syarikat seperti Petronas, mesejnya jelas: ketidakpastian permintaan dan harga bukan lagi isu teknikal – ia isu strategi perniagaan. Dan di sinilah AI serta analitik ramalan mula membezakan siapa yang hanya “mengikut pasaran” dan siapa yang mengawal risiko.
Artikel ini kupas apa yang sebenarnya berlaku pada harga gas asli berdasarkan analisis EBW Analytics, dan bagaimana AI dalam sektor minyak & gas / tenaga boleh digunakan untuk:
- meramal turun naik harga dengan lebih awal,
- mengoptimumkan operasi tenaga (dari huluan hingga utiliti), dan
- membantu pengurus risiko membuat keputusan yang lebih pantas dan yakin.
Apa Sebenarnya Berlaku pada Harga Gas Asli di AS?
Harga gas asli NYMEX jatuh kerana permintaan pemanasan yang dijangka untuk lewat Disember ‘hilang’ daripada model cuaca.
Penganalisis EBW, Eli Rubin, ringkaskan situasi macam ini:
“Permintaan pemanasan lewat Disember terus ‘disintegrate’ walaupun pengeluaran gas dari storan mingguan agak besar.”
Beberapa poin utama dari siri laporan EBW:
- Pengeluaran storan minggu berakhir 05/12/2025: 177 Bcf dikeluarkan.
- Harga kontrak Januari:
- 10/12: tutup pada $4.574 per MMBtu (turun 6.9% dari hari sebelumnya).
- 11/12: sedikit naik ke $4.595 per MMBtu.
- 12/12: jatuh ke $4.231 per MMBtu, paras terendah tujuh minggu, turun 7.9% dalam sehari.
- Dalam beberapa hari sahaja, model cuaca mengurangkan lebih 100 Bcf permintaan berasaskan heating degree days (gHDDs) dan ramalan suhu “blowtorch” (sangat panas berbanding normal) di “Lower 48” AS.
Walaupun:
- Harga spot Henry Hub masih sekitar $4.76 per MMBtu.
- Permintaan LNG mingguan pada paras tertinggi rekod.
- Pengeluaran menunjukkan tanda-tanda menurun.
- Lebihan storan berbanding purata lima tahun mungkin hilang awal 2026.
… pasaran tetap menjual kerana momentum teknikal dan cuaca. Harga jatuh di bawah purata bergerak 20, 50, 100 dan 200 hari – isyarat klasik teknikal bahawa sentimen sedang bearish.
Pengajaran utama: fundamental jangka sederhana sebenarnya tidak seteruk pergerakan harga harian. Tetapi pasaran niaga hadapan bertindak balas terlebih dahulu kepada perubahan jangka pendek dalam jangkaan permintaan, terutamanya yang didorong oleh cuaca.
Kenapa Turun Naik Gas Asli Penting untuk Operator di Malaysia?
Volatiliti gas asli global memberi kesan terus kepada kos bahan api, kontrak LNG, dan strategi pembelian tenaga utiliti di Malaysia.
Walaupun contoh di atas berlaku di AS, rantaian impaknya boleh sampai ke pemain seperti Petronas dan syarikat utiliti besar rantau ini:
-
Kontrak LNG jangka sederhana & panjang
- Banyak kontrak dirujuk kepada indeks seperti Henry Hub / TTF + formula premium.
- Volatiliti harian mungkin tak mengubah kontrak lama serta-merta, tapi ia mempengaruhi struktur harga untuk kontrak baharu, hedging dan opsyen.
-
Perancangan bekalan & permintaan tenaga
- Loji janakuasa gas, kompleks petrokimia, dan pengguna industri besar perlu tahu: bilakah gas patut dibeli lebih awal, bila patut serah kepada pasaran spot?
- Silap timing beli boleh “terbakar” berjuta ringgit, terutama bila harga bergerak 5–10% dalam beberapa hari.
-
Pengimbangan portfolio minyak, gas & tenaga boleh baharu
- Syarikat tenaga yang sedang peralihan kepada RE (solar, angin, hidro) masih bergantung kepada gas sebagai sumber “balancing”.
- Tanpa ramalan harga dan permintaan yang baik, strategi pengimbangan ini menjadi reaktif, bukan proaktif.
Inilah ruang di mana AI untuk minyak & gas / tenaga bukan hanya menarik atas kertas, tapi betul-betul mempengaruhi P&L.
Di Mana AI Boleh Masuk? Tiga Lapisan Utama
AI membantu pengendali tenaga “membaca” pasaran gas melalui tiga lapisan: ramalan permintaan, ramalan harga dan pengoptimuman operasi.
1. Ramalan Permintaan Tenaga Berasaskan Data Cuaca & Beban
EBW banyak bercakap tentang gHDD, model cuaca dan lonjakan / kejatuhan Bcf per hari. Di Malaysia dan rantau ASEAN, kita mungkin tak ada musim salji, tetapi cuaca tetap mengawal permintaan elektrik dan gas:
- Gelombang haba → penggunaan penghawa dingin melambung.
- Hujan berpanjangan → perubahan output hidro, profil beban berubah.
Model AI (contohnya LSTM, temporal fusion transformer, atau model hibrid statistik + ML) boleh:
- gabungkan data cuaca (suhu, kelembapan, hujan), kalendar (hari bekerja/cuti, musim perayaan), dan data beban sejarah;
- meramal permintaan tenaga setiap 15 minit / jam / hari;
- menghasilkan senario “apa jadi kalau” (El Niño kuat, banjir besar, gelombang panas luar biasa).
Operator seperti Petronas, TNB atau utiliti wilayah boleh guna ramalan ini untuk:
- merancang nominasi gas lebih tepat,
- sesuaikan jadual penjanaan loji gas vs hidro / solar,
- elak beli gas berlebihan pada harga tinggi atau kekurangan bekalan ketika puncak.
2. Ramalan Harga Gas & LNG Berasaskan Multi-Data
Turun naik harga yang digambarkan oleh EBW sebenarnya sangat sesuai untuk model AI berasaskan siri masa dan pembelajaran mendalam.
Model AI boleh disuapkan dengan:
- Harga hadapan & spot gas (Henry Hub, TTF, JKM).
- Data storan (contoh: 3,746 Bcf storan AS pada 05/12/2025, 103 Bcf atas purata lima tahun).
- Data eksport-import LNG, kapasiti terminal, gangguan pengeluaran.
- Indikator teknikal (moving average, RSI, volatiliti tersirat opsyen).
- Pemboleh ubah makro (kadar faedah, indeks dolar, permintaan industri).
Daripada situ, model boleh menghasilkan:
- ramalan harga harian / mingguan, bukan untuk teka tepat pada satu angka, tetapi untuk beri “zon harga berkemungkinan”;
- isyarat risiko: contoh, kebarangkalian 30% harga jatuh lebih 10% minggu hadapan bila sesetengah faktor berlaku;
- early warning untuk desk perdagangan dan pasukan perancangan korporat.
Ini lebih berguna daripada bergantung 100% kepada satu model asas Excel atau satu pandangan penganalisis.
3. Pengoptimuman Operasi & Portfolio Tenaga
Bahagian paling menarik untuk operator ialah bila data ramalan tadi terus dihubungkan dengan operasi harian.
Beberapa aplikasi praktikal:
-
Penjadualan loji janakuasa gas
- Guna AI untuk cadangkan kombinasi unit mana patut beroperasi pada setiap jam berdasarkan: kos bahan api, kecekapan, had emisi, dan harga tenaga masa nyata.
-
Pengurusan storan gas (onshore / floating storage)
- Bila patut simpan gas, bila patut jual? AI boleh mengoptimumkan strategi “inject / withdraw” macam pemain gas di AS mengurus storan 3,746 Bcf mereka.
-
Perancangan penghantaran LNG
- Model AI boleh kira laluan kapal, jadual pemuatan, dan slot regasifikasi untuk kurangkan kos, sambil respon kepada jangkaan harga spot dan permintaan destinasi.
Gabungan ketiga-tiga lapisan ini jadikan AI bukan lagi projek PoC kecil, tetapi tulang belakang strategi tenaga bersepadu.
Dari Analisis EBW ke Realiti Petronas & Utiliti Besar
Apa yang EBW buat secara manual / separa automasi hari ini, boleh dijadikan “otak AI” dalaman untuk syarikat tenaga.
Dalam laporan EBW, kita nampak beberapa corak kerja penganalisis:
- Pantau perubahan gHDD harian dan mingguan.
- Pantau permintaan harian (Bcf per hari) dan perubahan minggu ke minggu.
- Nilai data storan berbanding purata lima tahun.
- Rujuk indikator teknikal harga (purata bergerak 20, 50, 100, 200 hari).
- Tulis naratif: adakah momentum bullish atau bearish, apa risiko jangka pendek.
Bayangkan jika proses ini:
- Diotomasikan sepenuhnya dengan data pipeline masa hampir nyata.
- Dijadikan “cockpit” tunggal untuk pasukan komersial, perancangan dan operasi.
- Disokong oleh AI yang:
- menanda pola luar biasa (contoh, kejatuhan 133 Bcf permintaan cuaca dalam seminggu),
- memberi skor risiko pasaran,
- mencadangkan tindakan: beli, jual, hedge, tangguh projek, atau percepat penyelenggaraan.
Untuk pemain seperti Petronas, yang sudah pun pelabur tegar dalam AI untuk reservoir modelling, predictive maintenance dan pemantauan keselamatan, langkah seterusnya yang logik ialah:
- bawa keupayaan AI itu naik ke peringkat komersial & pasaran tenaga,
- satukan subsurface intelligence dengan market intelligence.
Hasilnya bukan saja operasi lebih cekap, tapi margin perdagangan yang lebih stabil dan keupayaan mengelak kerugian besar ketika pasaran “panik cuaca” seperti contoh EBW.
Bagaimana Nak Mula: Pendekatan Praktikal 6–12 Bulan
Untuk syarikat tenaga yang serius mahu guna AI bagi mengurus turun naik harga gas, pendekatan realistik biasanya begini:
-
Audit data & kes penggunaan (1–2 bulan)
- Kenal pasti: data cuaca, beban, harga, storan, operasi yang sudah ada.
- Pilih 2–3 kes penggunaan bernilai tinggi: contohnya ramalan harga LNG JKM 30 hari, atau ramalan permintaan gas untuk loji terpilih.
-
Bangun model ramalan fokus (3–4 bulan)
- Guna model AI/ML yang sesuai siri masa.
- Uji semula ke belakang (backtest) terhadap 2–3 tahun data, termasuk tempoh ekstrem seperti 2022 (krisis Eropah) dan 2025 (cuaca AS berubah mendadak).
-
Integrasi dengan proses perniagaan sebenar (3–4 bulan)
- Masukkan output model ke dalam dashboard, SOP keputusan pembelian gas, hedging, dan perancangan operasi.
- Wajib ada feedback loop: banding ramalan vs realiti setiap minggu, perbaiki model.
-
Skala ke portfolio lebih luas
- Bila pasukan sudah percaya pada model, barulah diperluas ke produk lain: minyak mentah, kondensat, kuasa, atau kombinasi portfolio.
Pendekatan ini jauh lebih berkesan daripada cuba “AI untuk semua benda” sekaligus. Fokus, cepat dapat hasil, kemudian skala.
Penutup: Dari Cuaca Disember ke Strategi Tenaga Serantau
Keputusan pedagang gas di AS minggu lepas banyak dipacu oleh satu perkara: model cuaca yang berubah. 133 Bcf permintaan hilang daripada jangkaan, dan berpuluh bilion dolar nilai pasaran menyesuaikan diri dalam beberapa hari.
Untuk penggiat minyak & gas dan utiliti di Malaysia dan rantau ini, situasi itu adalah amaran awal: ketidakpastian permintaan dan harga akan semakin kerap, sama ada sebab cuaca ekstrem, peralihan tenaga, atau faktor geopolitik.
AI dalam sektor minyak & gas / tenaga bukan lagi sekadar untuk reservoir modelling atau predictive maintenance. Langkah seterusnya ialah AI yang memahami pasaran – gas, LNG, dan tenaga elektrik – dan membantu pasukan anda bertindak lebih awal berbanding pesaing.
Soalannya sekarang bukan sama ada harga gas akan jatuh 10% lagi atau tidak, tetapi:
Adakah organisasi anda sudah ada
AI early warning systemsendiri sebelum pasaran seterusnya bertukar arah?
Jika belum, 2026 ialah masa yang sesuai untuk membina asasnya.