Para ahli mengatakan bahwa kawasan ini harus memperkuat jaringan listrik dan kapasitas energi bersih guna mengintegrasikan akal imitasi (AI) demi meningkatkan efisiensi. Namun, di Tiongkok, teknologi ini bukanlah solusi ajaib untuk mendekarbonisasi sistem energi
oleh: Robin Hicks
Sebuah drone otonom melesat melintasi ladang panel surya yang luas di Thailand, beberapa hari setelah sebuah topan melanda tempat itu. Seperti sinar-X, drone tersebut mengambil gambar elektroluminesensi dari panel-panel tersebut. Mesin analitik berbasis kecerdasan buatan (AI) kemudian mendeteksi retakan dan cacat lainnya.
Teknologi ini mampu memeriksa 5.000 modul per jam, demikian klaim pengembangnya, perusahaan rintisan asal Singapura bernama Quantified Energy. Teknologi ini membantu melindungi hasil panen dan kelayakan pembiayaan pembangkit listrik tersebut dengan menyaring panel-panel yang kinerjanya kurang optimal, kata CEO sekaligus salah satu pendiri, Yan Wang.
Sementara itu, di Pulau Sumba yang terpencil di Indonesia, AI telah diterapkan untuk menyeimbangkan kebutuhan energi terbarukan dan penyimpanan daya pada jaringan mikro dengan memprediksi dan menyesuaikan diri terhadap pola musim hujan, sehingga mengurangi ketergantungan pada generator diesel cadangan.
Di Vietnam, perusahaan listrik nasionalnya menggunakan sensor berbasis AI sebagai pengganti tenaga manusia untuk memantau peralatan di Son La, pembangkit listrik tenaga air terbesar di Asia Tenggara, sehingga mengurangi paparan pekerja terhadap tangki bertekanan tinggi dan peralatan bertegangan tinggi.
Dalam beberapa bulan terakhir, AI menjadi sorotan berita yang suram di kawasan ini, seiring dengan aksi protes terhadap dampak lingkungan yang ditimbulkan oleh pusat data di Johor. Negara bagian di selatan Malaysia ini menjadi pusat ledakan pertumbuhan perusahaan hyperscaler di Asia Tenggara, atau perusahaan-perusahaan besar yang dengan cepat memperluas fasilitas semacam itu. Namun, teknologi ini juga menjadi inti dari kisah yang berbeda: bagaimana cara memasukkan lebih banyak energi terbarukan ke dalam sistem kelistrikan yang semakin tertekan akibat lonjakan permintaan, cuaca ekstrem, dan fluktuasi harga minyak yang dipicu oleh konflik di Asia Barat.
Asia Tenggara merupakan salah satu kawasan di dunia yang paling bergantung pada bahan bakar fosil. Namun, pangsa energi terbarukan variabel di kawasan ini, yakni tenaga surya dan angin, dapat mencapai 42–47% pada tahun 2045, naik dari sekitar 5% pada tahun 2025, menurut laporan masing-masing dari ASEAN Centre for Energy dan lembaga pemikir Ember. Di seluruh kawasan ini, AI telah diterapkan pada berbagai tingkatan pada sistem tenaga listrik: mulai dari pemeliharaan peralatan prediktif sederhana dan peramalan penggunaan hingga upaya ambisius untuk mengoptimalkan seluruh jaringan listrik.
Namun, para pakar yang diwawancarai Dialogue Earth mengingatkan agar tidak terlalu bergantung pada AI sebagai solusi ajaib, dan mencatat bahwa efisiensi yang dihasilkannya belum tentu berarti jaringan listrik yang lebih bersih. Mereka juga mempertimbangkan kehadiran Tiongkok yang semakin kuat dalam ekosistem energi bersih Asia Tenggara serta implikasinya terhadap penerapan AI dalam jaringan listrik.
Meningkatkan efisiensi
AI juga telah digunakan jauh sebelum proyek-proyek energi terbarukan mulai beroperasi. Gurin Energy, sebuah perusahaan penyimpanan energi yang berspesialisasi dalam proyek-proyek tenaga surya dan angin di Asia Tenggara, memanfaatkannya untuk mempercepat proses pemodelan teknis dan keuangan yang kompleks guna menentukan kelayakan dan kelayakan pendanaan proyek-proyek tersebut sebelum modal dialokasikan.
Bagi perusahaan yang berkantor pusat di Singapura ini, AI telah mempersingkat waktu pengerjaan pemodelan. Yang sebelumnya mungkin memakan waktu bertahun-tahun, menjadi hanya beberapa bulan, sekaligus meningkatkan akurasi perkiraan hasil produksi dan pendapatan, kata Manajer Teknik Elektro perusahaan tersebut, Luqman Kamal. Ia menambahkan, selisih sebesar 0,1% dalam sebuah perkiraan saja dapat berdampak pada pendapatan senilai jutaan dolar.
Gurin sedang mengembangkan alat analisis sensitivitas berbasis AI untuk merencanakan lokasi terbaik untuk membangun pembangkit listrik tenaga surya dan angin secara cepat, sekaligus menghindari lokasi yang mahal, padat, atau rentan secara lingkungan. Semakin cepat proyek-proyek yang layak dapat melewati tahap pengembangan, semakin cepat pula mereka dapat menarik modal, jelas Kamal, yang sedang mengembangkan alat tersebut.
Beacon Venture Capital adalah dana ventura korporat yang berbasis di Thailand yang telah berinvestasi di Quantified Energy, yang teknologinya saat ini diterapkan di Thailand oleh perusahaan pemasang panel surya Onnex. Thanapong Na Ranong, salah satu mitra pengelola di Beacon, mencatat bahwa semakin banyak perusahaan rintisan yang memanfaatkan AI untuk meningkatkan efisiensi sistem fotovoltaik surya. Perkembangan ini, ditambah dengan biaya pembangkitan listrik yang terus menurun, menandakan bahwa Asia Tenggara dapat mengharapkan peningkatan adopsi energi surya, ujarnya.
“Kami membandingkan biaya yang harus dikeluarkan oleh operator pembangkit listrik tenaga surya untuk menyewa jasa perusahaan [Quantified Energy] guna mendeteksi kerusakan dengan kerugian yang akan ditimbulkan oleh kerusakan tersebut jika tidak ditangani. Dan kami menemukan bahwa biaya yang terakhir itu lebih tinggi,” kata Thanapong kepada Dialogue Earth.
Namun, Krongkamol Deleon, kepala investasi Beacon, mencatat kelangkaan perusahaan rintisan deep-tech di kawasan ini, yaitu perusahaan yang mengembangkan produk dan layanan berdasarkan penelitian yang substansial atau kompleks. Ia menjelaskan bahwa selain Singapura, negara-negara di Asia Tenggara pada umumnya tidak memiliki ekosistem yang memungkinkan penelitian deep-tech yang dilakukan di universitas dikomersialkan.
Lapisan terakhir, bukan pertama
Meski demikian, potensi AI untuk membawa sistem kelistrikan di Asia Tenggara yang bersifat heterogen melalui transisi energi sangatlah besar. Ember memperkirakan bahwa pada tahun 2035, penerapan AI secara luas dapat menghemat hingga 67 miliar dolar AS dari tagihan energi kawasan tersebut dan mengurangi emisi CO₂ hampir 400 juta metrik ton.
Namun, para ahli memperingatkan bahwa kemampuan AI untuk meningkatkan efisiensi sistem kelistrikan tidak secara otomatis berarti jaringan listrik menjadi lebih ramah lingkungan.
Teknologi ini sendiri sangat boros sumber daya. Pusat data bermunculan di Singapura, Johor, dan Pulau Batam di Indonesia, sementara infrastruktur komputasi yang dibutuhkan untuk menjalankan model AI yang semakin canggih membebani jaringan listrik. Di Johor, pusat-pusat data dengan pertumbuhan tercepat di Asia Tenggara, fasilitas-fasilitas tersebut mengonsumsi hampir seperempat dari total listrik yang digunakan pengguna akhir – proporsi yang diperkirakan akan meningkat menjadi 40% pada tahun 2035, menurut analisis dari konsultan Wood Mackenzie. Pada bulan Juli, Thailand memperketat aturan untuk pusat data AI di tengah kekhawatiran akan tekanan terhadap sistem kelistrikan dan sumber daya air negara tersebut.
Terlepas dari segala potensi efisiensinya, AI tidak dapat membangun jaringan transmisi, pembangkit listrik terbarukan, atau baterai yang diperlukan untuk mentransformasi sistem kelistrikan Asia Tenggara yang sudah usang.
Di Indonesia, pasar energi terbesar di kawasan ini, AI berpotensi meningkatkan ketahanan jaringan listrik dan memprediksi produksi tenaga surya guna membantu mengintegrasikan pembangkit tenaga surya atap. Namun, menurut Ember, saat ini tenaga surya hanya menyumbang porsi kecil dari total pembangkitan listrik di negara tersebut.
Sistem kelistrikan Indonesia yang terfragmentasi masih sangat bergantung pada bahan bakar fosil, demikian disampaikan Fabby Tumiwa, CEO Institute for Essential Services Reform, sebuah lembaga think-tank yang berbasis di Jakarta. Indonesia memiliki delapan jaringan transmisi utama dan lebih dari 600 jaringan yang lebih kecil.
Fabby mengatakan bahwa peningkatan efisiensi yang didorong oleh AI, seperti pengurangan penggunaan listrik atau penggabungan beban kerja komputasi, hampir tidak berpengaruh terhadap dampak iklim dari sistem kelistrikan yang masih sangat bergantung pada batu bara.
“AI adalah lapisan terakhir, bukan yang pertama,” kata Fabby. “Menjadikannya prioritas sebelum pembangunan jaringan listrik adalah titik di mana banyak retorika yang menyatakan ‘AI akan membantu Indonesia melompati tahap-tahap perkembangan’ menjadi keliru.”
Salah satu kontribusi potensial terbesar AI bagi transisi energi di Asia Tenggara mungkin berasal dari pusat-pusat data yang sama yang saat ini menjadi pendorong utama permintaan listrik.
Fabby mengutip hasil penelitian yang menunjukkan bahwa pusat data berbasis AI dapat dikendalikan untuk menyesuaikan konsumsi listriknya secara real-time sesuai dengan kondisi jaringan listrik. Hal ini dapat memudahkan sistem kelistrikan untuk menyerap energi terbarukan yang fluktuatif, menunda pembaruan jaringan yang mahal, serta mengurangi pemotongan pasokan, yaitu saat pembangkit tenaga angin dan surya harus dimatikan akibat permintaan yang tidak mencukupi atau kapasitas transmisi yang terbatas.
“Pada jaringan listrik yang terfragmentasi, rawan kemacetan, dan sangat bergantung pada batu bara, hal ini lebih berharga bagi Indonesia daripada bagi hampir semua jaringan listrik di negara maju,” katanya.
Oleh karena itu, para pembuat kebijakan di Indonesia sebaiknya memberikan insentif kepada operator pusat data agar dapat membuat permintaan listrik mereka menjadi fleksibel, ujarnya. Insentif tersebut sebaiknya dikaitkan dengan manfaat yang dapat diukur bagi jaringan listrik, bukan sekadar mewajibkan perusahaan untuk “menggunakan AI” demi berbagai macam optimasi.
Ketegangan serupa juga terjadi di Malaysia. Peramalan yang lebih baik dan optimalisasi jaringan listrik dapat membantu negara tersebut memanfaatkan listrik terbarukan yang fluktuatif secara lebih efisien, kata Christina Ng, salah satu pendiri lembaga nirlaba Energy Shift Institute. Namun, pada akhirnya, ia mencatat, AI sendiri tidak dapat menciptakan infrastruktur yang diperlukan untuk memperluas kapasitas energi terbarukan. “AI mungkin dapat membuat sistem kelistrikan yang ada menjadi lebih efisien tanpa mengubah secara mendasar ketergantungannya pada bahan bakar fosil.”
Asia Tenggara bisa belajar apa dari Tiongkok?
Tiongkok memberikan gambaran kepada Asia Tenggara tentang seperti apa transisi energi yang didukung AI itu, meskipun pendekatan yang diterapkannya tidak akan mudah ditiru.
Inisiatif “AI Plus” negara tersebut memposisikan AI sebagai alat untuk mentransformasi perekonomian, termasuk sistem energi. Rencana Lima Tahun terbarunya, untuk periode 2026–2030, menandakan potensi AI dalam mengatasi masalah seperti fluktuasi jaringan listrik dan pembatasan pasokan energi terbarukan.
Namun, Elizabeth Frost, seorang analis Tiongkok di Centre for Research on Energy and Clean Air, memperingatkan bahwa peningkatan produktivitas yang didorong oleh AI dalam produksi bahan bakar fosil berpotensi mengimbangi sebagian keuntungan yang diperoleh dari energi bersih. Sebagai contoh, penggunaan AI oleh perusahaan milik negara China Energy Investment Corp telah memangkas waktu pemeliharaan turbin angin sebesar 60%, namun juga meningkatkan efisiensi penambangan batu bara hingga lima kali lipat di atas rata-rata nasional, dengan memanfaatkan visi komputer dan pembelajaran mesin untuk mengoperasikan alat berat secara jarak jauh.
Tiongkok semakin mengintegrasikan strategi digital dan energi bersihnya. Sebuah kebijakan tahun 2025 mewajibkan pusat data AI baru di wilayah-wilayah yang dianggap memiliki infrastruktur komputasi signifikan untuk menggunakan setidaknya 80% energi terbarukan. Kebijakan ini mendorong operator untuk menempatkan fasilitas mereka di dekat sumber energi bersih. Sementara itu, strategi “data di timur, komputasi di barat” mengarahkan pengembangan pusat data serta tugas-tugas komputasi yang tidak mendesak namun membutuhkan banyak data, seperti pelatihan model AI, analisis data latar belakang, dan penyimpanan jangka panjang, dari wilayah timur yang mengalami keterbatasan pasokan listrik ke pusat-pusat data baru berskala besar di wilayah barat negara tersebut yang kaya akan sumber daya angin dan matahari.
Meskipun beberapa pemerintah di Asia Tenggara telah mulai mengambil langkah-langkah menuju penerapan kewajiban penggunaan energi bersih bagi pusat data, kawasan ini masih sangat bergantung pada insentif, pengadaan energi hijau, dan standar efisiensi energi.
Sistem energi di Asia Tenggara juga semakin bergantung pada teknologi Tiongkok. Tiongkok merupakan penyandang dana publik terbesar untuk proyek-proyek energi bersih di kawasan ini, dengan investasi lebih dari 2,7 miliar dolar AS di sektor energi terbarukan antara tahun 2013 hingga 2023, menurut Zero Carbon Analytics.
Kehadiran Tiongkok yang semakin meningkat di Asia Tenggara dapat membantu memperkenalkan teknologi energi berbasis AI yang berpotensi menurunkan biaya dan membantu perusahaan listrik mengintegrasikan lebih banyak tenaga listrik terbarukan.
Negara-negara anggota ASEAN telah secara aktif mendorong pertukaran teknologi melalui platform seperti Pertemuan Menteri Digital ASEAN, yang pada awal tahun ini menjalin kerja sama dengan Tiongkok untuk mendirikan Pusat Inovasi Industri Kecerdasan Buatan (AI) dan Akademi Digital bersama. Tiongkok juga telah menjalin hubungan bilateral di bidang kecerdasan buatan dengan Malaysia dan Kamboja. Menghadapi penolakan geopolitik di Barat, perusahaan teknologi Tiongkok kemungkinan besar akan memandang ASEAN sebagai pasar yang ramah.
Namun, agar Asia Tenggara dapat memanfaatkan AI secara produktif, kawasan ini memerlukan infrastruktur yang membuat teknologi tersebut bermanfaat. Infrastruktur pemantauan dan pengukuran cuaca yang andal di pembangkit listrik tenaga surya dan angin harus menjadi prioritas, kata analis Ember, Pham Lam. Hal ini akan meningkatkan kepercayaan pemberi pinjaman terhadap hasil proyek dan membantu menjamin arus kas pembangkit listrik di masa depan, ujarnya.
Keamanan siber dan tata kelola data juga akan menjadi hal yang sangat penting, terutama seiring dengan semakin terintegrasinya sistem kelistrikan dan mulai terwujudnya jaringan listrik ASEAN yang menghubungkan semua negara anggota—yang semula hanya sekadar mitos. Meskipun pusat-pusat AI seperti Singapura dan Malaysia memiliki sistem perlindungan yang relatif kuat, negara-negara ASEAN berpenghasilan rendah memiliki kemampuan digital yang lebih lemah, yang berpotensi membuat perdagangan listrik regional terpapar risiko yang tidak diinginkan, demikian peringatan Lam.
Selain itu, terdapat risiko semakin melebarnya kesenjangan digital. Beberapa negara ASEAN, termasuk Singapura, Malaysia, dan Vietnam, menempati peringkat tinggi dalam kesiapan AI dan memiliki sektor listrik yang mampu mengadopsi alat-alat AI buatan Tiongkok. Namun, sistem listrik yang lebih kecil dan kurang berkembang di negara-negara seperti Kamboja, Laos, Myanmar, dan Timor-Leste tidak memiliki data, infrastruktur komputasi, dan kemampuan teknis yang diperlukan untuk menerapkan AI dengan cepat.
Investasi dan teknologi Tiongkok berpotensi mempersempit kesenjangan tersebut. Tantangan yang lebih besar, kata Lam, adalah meningkatkan skala penerapan aplikasi-aplikasi ini dari kasus penggunaan individual menjadi penerapan di seluruh sistem.
Sebuah perusahaan utilitas dapat menerapkan alat AI dengan relatif mudah. Namun, penerapan AI untuk optimalisasi pengaturan jaringan listrik secara menyeluruh atau koordinasi lintas batas memerlukan tingkat kematangan kelembagaan, regulasi, dan digital yang jauh lebih tinggi, yang sebagian besar wilayah ini masih dalam tahap pengembangan, katanya.
Setiap peningkatan peran teknologi Tiongkok dalam jaringan listrik Asia Tenggara tak terelakkan menimbulkan pertanyaan mengenai apakah kawasan ini bisa menjadi terlalu bergantung pada AI negara tetangganya di utara seiring dengan proses digitalisasinya, demikian peringatan Lam. Menurutnya, prioritasnya seharusnya adalah akses terhadap teknologi yang dipadukan dengan interoperabilitas, pengembangan kapasitas lokal, serta kemampuan untuk mengoperasikan sistem secara mandiri.
Foto banner: Sebuah drone tanpa awak yang dikerahkan untuk memeriksa saluran transmisi di Nanjing, Tiongkok timur. Teknologi semacam ini juga semakin banyak digunakan di Asia Tenggara (Gambar: State Grid Jiangsu Electric Power Co., Ltd. / Xinhua / Alamy)
*Robin Hicks adalah seorang jurnalis lepas yang berdomisili di Singapura dan meliput isu-isu terkait iklim, alam, dan bisnis.
Artikel ini diterbitkan di Dialogue Earth dalam bahasa Inggris dengan judul: “China is using AI to improve renewable efficiency. What can Southeast Asia learn?”
