SUARAMALANG.COM – Kecerdasan buatan atau artificial intelligence (AI) sedang berlomba menjadi semakin pintar. Model baru mampu menghasilkan video, memahami gambar, menulis kode, melakukan penalaran, hingga menjalankan tugas secara lebih mandiri.
Namun, ada satu persoalan yang tidak terlihat ketika pengguna hanya mengetik prompt di layar: semua kemampuan tersebut membutuhkan komputasi, dan komputasi membutuhkan listrik.
Ketika penggunaan AI melonjak, kebutuhan pusat data ikut meningkat. Akibatnya, perlombaan teknologi mulai bersinggungan langsung dengan perlombaan mendapatkan pasokan energi yang cukup, stabil, dan semakin rendah emisi.
Di titik inilah konsep green computing dan green data center menjadi semakin penting. Masa depan AI bukan hanya ditentukan oleh seberapa cepat chip bekerja, tetapi juga dari mana listriknya berasal dan seberapa efisien pusat data menggunakannya.
AI Membuat Kebutuhan Listrik Pusat Data Melonjak
International Energy Agency (IEA) memperkirakan konsumsi listrik pusat data global mencapai sekitar 485 terawatt-jam (TWh) pada 2025. Angka tersebut diproyeksikan hampir dua kali lipat menjadi sekitar 950 TWh pada 2030.
Yang menarik, pusat data yang berfokus pada AI tumbuh lebih cepat dibandingkan pusat data secara keseluruhan. IEA memperkirakan konsumsi listrik pusat data AI akan meningkat sekitar tiga kali lipat dalam periode tersebut.
Artinya, pertumbuhan AI bukan hanya cerita mengenai model yang semakin besar. Ada infrastruktur fisik yang harus mengikuti di belakangnya, mulai dari server dan GPU, jaringan, sistem penyimpanan, hingga pendinginan.
Setiap Prompt Tidak Berdiri Sendiri
Bagi pengguna, prosesnya terlihat sederhana. Seseorang mengetik pertanyaan, AI memberikan jawaban, lalu percakapan selesai.
Di belakang layar, permintaan tersebut diproses oleh komputer dalam pusat data. Untuk model yang lebih kompleks, prosesnya dapat melibatkan akselerator AI dengan kebutuhan daya tinggi.
IEA mencatat aplikasi AI baru seperti pembuatan video, reasoning, dan agentic AI dapat membutuhkan energi jauh lebih besar dibandingkan tugas generasi teks sederhana. Beberapa jenis tugas bahkan dapat menggunakan energi ratusan hingga ribuan kali lebih besar per kueri dibandingkan generasi teks sederhana.
Karena itu, persoalannya bukan sekadar berapa banyak orang memakai AI. Jenis pekerjaan yang dilakukan AI juga menentukan kebutuhan energinya.
AI Lebih Efisien, Tetapi Penggunanya Juga Bertambah
Ada kabar baik di tengah peningkatan kebutuhan tersebut. Teknologi AI dan perangkat keras terus menjadi lebih efisien.
IEA mencatat konsumsi energi per tugas AI menurun dengan cepat seiring peningkatan efisiensi perangkat keras dan perangkat lunak. Namun, keuntungan tersebut berhadapan dengan dua faktor lain: jumlah penggunaan AI yang meningkat dan munculnya aplikasi yang membutuhkan komputasi lebih berat.
Ini menciptakan persoalan yang sering disebut sebagai rebound effect. Ketika sebuah teknologi menjadi lebih murah atau efisien untuk digunakan, pemakaiannya dapat meningkat sehingga sebagian penghematan energi per tugas tidak otomatis menghasilkan penurunan konsumsi energi secara keseluruhan.
Dengan kata lain, membuat satu permintaan AI lebih hemat energi belum tentu membuat seluruh ekosistem AI menggunakan lebih sedikit listrik.
Green Computing Bukan Sekadar Memakai Energi Surya
Green computing sering dipahami secara sederhana sebagai penggunaan energi terbarukan. Padahal cakupannya jauh lebih luas.
Konsep ini mencakup bagaimana perangkat keras dirancang, seberapa efisien server menggunakan listrik, bagaimana pusat data mengatur pendinginan, bagaimana perangkat digunakan dan didaur ulang, hingga bagaimana sumber energi dipilih.
Sementara itu, green data center berfokus pada pengoperasian pusat data dengan efisiensi energi dan dampak lingkungan yang lebih rendah.
Jadi, sebuah pusat data tidak otomatis menjadi “hijau” hanya karena membeli listrik dari sumber terbarukan. Efisiensi komputasi, pendinginan, penggunaan air, pemanfaatan ruang, dan pengelolaan perangkat tetap menjadi bagian dari persoalan.
Pendinginan Menjadi Persoalan yang Tidak Bisa Diabaikan
Semakin padat komputasi AI, semakin besar panas yang dihasilkan perangkat keras. Pusat data karena itu membutuhkan sistem pendinginan untuk menjaga server tetap beroperasi pada kondisi aman.
Pusat data tradisional menggunakan berbagai kombinasi teknologi pendinginan, sementara fasilitas AI dengan kepadatan komputasi tinggi semakin mendorong penggunaan teknologi seperti liquid cooling.
Pendinginan kemudian menciptakan persoalan sumber daya lain, terutama air dan listrik. Dampaknya sangat bergantung pada desain fasilitas dan kondisi lingkungan tempat pusat data dibangun.
Karena itu, menilai dampak AI hanya berdasarkan konsumsi listrik belum cukup. Lokasi pusat data, sumber listrik, sistem pendinginan, serta ketersediaan air juga perlu diperhitungkan.
Masalahnya Bisa Sangat Lokal
Secara global, konsumsi listrik pusat data masih merupakan bagian relatif kecil dari total kebutuhan listrik dunia. Namun, dampaknya dapat jauh lebih terasa di wilayah tempat pusat data terkonsentrasi.
IEA menyebut pusat data AI dapat memiliki kebutuhan daya yang sebanding dengan fasilitas industri yang sangat intensif energi. Karena pusat data terkonsentrasi secara geografis, tekanan terhadap jaringan listrik juga dapat muncul pada tingkat lokal.
Contohnya terlihat di Amerika Serikat. Texas pada September 2026 menghentikan sementara penerbitan izin negara bagian untuk pusat data baru sambil melakukan audit terhadap dampaknya terhadap jaringan listrik, setelah lonjakan proyek yang didorong oleh boom AI.
Ini menunjukkan bahwa persoalan AI tidak lagi hanya berada di laboratorium perusahaan teknologi. Ketika kebutuhan komputasi mencapai skala besar, ia menjadi persoalan infrastruktur publik.
Eropa Mulai Mendorong Transparansi Energi dan Air
Tekanan terhadap pusat data juga mulai diterjemahkan menjadi kebijakan.
Komisi Eropa pada September 2026 mengusulkan aturan yang akan mewajibkan pusat data dengan kapasitas tertentu mengungkapkan informasi mengenai efisiensi energi dan air. Fasilitas juga akan diminta melaporkan hubungan operasionalnya dengan kondisi tekanan air lokal dan peluang pemanfaatan panas buangan.
Langkah tersebut menarik karena memperlihatkan perubahan cara melihat pusat data. Infrastruktur digital tidak lagi diperlakukan hanya sebagai fasilitas teknologi, tetapi juga sebagai konsumen sumber daya yang perlu diukur dampaknya.
Transparansi menjadi penting karena tanpa data yang konsisten, publik dan regulator sulit mengetahui seberapa efisien sebuah pusat data sebenarnya.
Energi Bersih Mulai Menjadi Faktor Persaingan AI
Ketika kebutuhan listrik meningkat, perusahaan teknologi membutuhkan sumber energi tambahan. IEA memperkirakan energi terbarukan akan memenuhi hampir setengah pertumbuhan kebutuhan listrik pusat data dalam beberapa tahun mendatang.
Sumber lain seperti gas alam dan nuklir juga diproyeksikan ikut berperan. Artinya, transisi menuju pusat data yang lebih rendah emisi tidak berlangsung melalui satu teknologi saja.
Bagi perusahaan teknologi, akses terhadap energi bersih juga mulai menjadi bagian dari strategi ekspansi. Pembangunan pusat data tidak cukup hanya mencari lokasi dengan koneksi internet dan lahan yang tersedia. Ketersediaan listrik, kapasitas jaringan, air, dan sumber energi rendah karbon menjadi bagian dari perhitungan investasi.
Indonesia Punya Peluang, Tetapi Energinya Harus Siap
Perubahan ini membuka peluang bagi Indonesia.
Pada 23 September 2026, Kementerian Energi dan Sumber Daya Mineral menyatakan kebutuhan energi untuk mendukung industri digital terus meningkat. Pemerintah juga menawarkan potensi energi Indonesia sebagai salah satu daya tarik pembangunan pusat data, termasuk potensi tenaga air yang besar di Papua dan Kalimantan.
Wakil Menteri Pendidikan Tinggi, Sains, dan Teknologi Stella Christie sebelumnya juga menekankan bahwa perkembangan AI tidak dapat dipisahkan dari data center karena AI membutuhkan algoritma, data, dan computing power. Ia melihat energi terbarukan sebagai salah satu faktor penting agar Indonesia dapat mengambil peluang dari pertumbuhan industri tersebut.
Namun, potensi energi tidak otomatis berarti pasokan listrik hijau siap digunakan oleh pusat data.
Studi mengenai kesiapan green data center Indonesia menunjukkan akses terhadap energi terbarukan, infrastruktur jaringan, pembiayaan, serta kerangka regulasi masih menjadi tantangan. Indonesia memiliki potensi energi terbarukan yang besar, tetapi akses aktual terhadap sumber tersebut bagi operator pusat data masih perlu diperkuat.
Green Data Center Bisa Menjadi Keunggulan Kompetitif
Persaingan pusat data di Asia Tenggara tidak hanya terjadi karena permintaan cloud dan AI. Operator juga mempertimbangkan aspek keberlanjutan karena perusahaan teknologi global memiliki target emisi dan kebutuhan pelaporan lingkungan.
Karena itu, kemampuan menyediakan pusat data dengan pasokan energi rendah karbon dapat menjadi keunggulan dalam menarik investasi.
Di Indonesia, contoh konkret sudah mulai muncul. Pada Maret 2026, Digital Edge mendapatkan pembiayaan hijau senilai US$665 juta untuk tahap pertama pengembangan kampus pusat data CGK di Bekasi. Fasilitas tersebut dirancang untuk kebutuhan AI dan beban kerja berbasis data dalam skala besar.
Model pembiayaan seperti ini menunjukkan bahwa aspek lingkungan mulai masuk ke struktur pembiayaan pembangunan infrastruktur AI, bukan hanya menjadi bagian dari laporan keberlanjutan setelah fasilitas selesai dibangun.
Yang Dicari Bukan Sekadar Listrik Hijau
Ada satu hal penting yang perlu diperhatikan: energi terbarukan saja tidak otomatis membuat pusat data efisien.
Pusat data dapat menggunakan energi bersih tetapi tetap boros apabila perangkat keras, pendinginan, penyimpanan, atau utilisasi server tidak dikelola dengan baik.
Karena itu, ukuran keberhasilan green data center perlu melihat hubungan antara energi yang digunakan dan pekerjaan komputasi yang dihasilkan.
Dalam praktik industri, indikator seperti Power Usage Effectiveness (PUE) digunakan untuk melihat efisiensi penggunaan energi fasilitas. Indikator penggunaan air seperti Water Usage Effectiveness (WUE) juga semakin relevan untuk pusat data dengan sistem pendinginan yang membutuhkan air.
Pendekatan tersebut menggeser pertanyaan dari “berapa banyak energi yang dipakai?” menjadi “berapa banyak pekerjaan komputasi yang dihasilkan dari energi tersebut?”
AI yang Lebih Hemat Harus Dimulai dari Modelnya
Efisiensi juga dapat dikejar dari sisi perangkat lunak.
Tidak semua tugas membutuhkan model AI terbesar. Model yang lebih kecil dapat digunakan untuk pekerjaan sederhana, sementara model dengan kemampuan penalaran lebih tinggi digunakan ketika memang dibutuhkan.
Optimasi model, quantization, peningkatan efisiensi chip, pemanfaatan sistem penyimpanan yang tepat, dan pengaturan beban kerja dapat mengurangi energi yang dibutuhkan untuk menghasilkan output tertentu.
Pendekatan ini penting karena pertumbuhan AI tidak mungkin hanya diatasi dengan membangun pembangkit listrik baru. Komputasi itu sendiri juga harus dibuat lebih efisien.
Masalah Energi AI Akan Makin Penting Saat Agentic AI Berkembang
Perkembangan agentic AI membuat persoalan ini semakin relevan.
Chatbot tradisional biasanya memproses permintaan lalu memberikan jawaban. AI agent dapat melakukan beberapa langkah sekaligus, menggunakan tools, melakukan pencarian, memproses data, dan menjalankan tindakan.
Semakin panjang rangkaian tugas, semakin banyak komputasi yang mungkin diperlukan.
IEA secara khusus memasukkan agentic tasks sebagai salah satu jenis penggunaan AI yang berpotensi membutuhkan energi lebih tinggi dibandingkan generasi teks sederhana.
Artinya, ketika AI bergerak dari “menjawab” menuju “mengerjakan”, pembahasan mengenai efisiensi energi akan semakin penting.
Green Computing Bukan Penghambat AI
Pembahasan mengenai konsumsi energi AI sering dibingkai sebagai pertentangan antara inovasi dan lingkungan. Padahal, keduanya tidak harus selalu berada di sisi berlawanan.
Teknologi yang lebih efisien dapat menekan biaya operasi sekaligus mengurangi penggunaan sumber daya. Pusat data yang dirancang dengan sistem pendinginan lebih baik dapat meningkatkan efisiensi sekaligus menjaga keandalan server.
Energi terbarukan juga dapat mengurangi ketergantungan terhadap sumber listrik dengan emisi lebih tinggi, terutama ketika dipadukan dengan penyimpanan energi dan pengelolaan beban yang tepat.
Karena itu, tantangannya bukan menghentikan pertumbuhan AI, melainkan memastikan pertumbuhan tersebut tidak sekadar memindahkan biaya dari perusahaan teknologi ke jaringan listrik, sumber air, dan lingkungan sekitar.
Masa Depan AI Juga Ditentukan oleh Infrastruktur
Selama ini perlombaan AI banyak terlihat dari nama model, jumlah parameter, kemampuan reasoning, atau kecepatan GPU.
Namun, di balik semua itu terdapat persoalan yang jauh lebih fisik: pembangkit listrik, jaringan transmisi, sistem pendinginan, air, lahan, dan pusat data.
IEA memperkirakan konsumsi listrik pusat data akan terus meningkat hingga akhir dekade. Pada saat yang sama, pertumbuhan tersebut menghadapi berbagai hambatan seperti keterbatasan jaringan, pasokan transformator, peralatan energi, chip, serta proses perizinan.
Dengan demikian, masa depan AI tidak hanya menjadi perlombaan algoritma. Ia juga menjadi perlombaan infrastruktur.
Indonesia Jangan Hanya Menjadi Tempat Membangun Server
Bagi Indonesia, pertumbuhan pusat data AI seharusnya tidak hanya dilihat sebagai peluang investasi bangunan dan perangkat keras.
Yang lebih strategis adalah membangun ekosistem yang mampu menyediakan komputasi dengan energi yang kompetitif, stabil, dan semakin rendah karbon.
Potensi energi terbarukan Indonesia memberi modal awal, tetapi dibutuhkan jaringan listrik, regulasi, pembiayaan, teknologi pendinginan, standar efisiensi, dan transparansi data lingkungan agar potensi tersebut benar-benar menjadi keunggulan.
Jika kebutuhan energi AI terus meningkat, pusat data yang mampu membuktikan efisiensi dan penggunaan energi bersih berpotensi memiliki nilai lebih dalam persaingan regional.
Pada akhirnya, pertanyaan terbesar dalam era AI mungkin bukan lagi seberapa pintar sebuah model. Pertanyaannya adalah berapa banyak komputasi yang dibutuhkan untuk menghasilkan kecerdasan tersebut, dari mana energinya berasal, dan seberapa efisien semuanya dijalankan.
FAQ Green Data Center dan AI
Apa itu green data center?
Green data center adalah pusat data yang dirancang dan dioperasikan dengan perhatian lebih besar terhadap efisiensi energi, penggunaan air, emisi, dan dampak lingkungan. Konsepnya tidak hanya berarti menggunakan listrik dari energi terbarukan.
Mengapa AI membutuhkan banyak listrik?
AI membutuhkan server dan akselerator komputasi berperforma tinggi. Selain proses komputasi, pusat data juga membutuhkan listrik untuk jaringan, penyimpanan, sistem daya cadangan, serta pendinginan.
Apakah setiap penggunaan AI berdampak besar terhadap lingkungan?
Tidak selalu. Kebutuhan energi berbeda berdasarkan jenis model, tugas, perangkat keras, durasi komputasi, dan efisiensi pusat data. Tugas seperti generasi video atau proses reasoning kompleks dapat membutuhkan energi jauh lebih besar daripada tugas teks sederhana.
Apakah energi terbarukan otomatis membuat data center menjadi hijau?
Tidak. Sumber listrik merupakan salah satu faktor. Efisiensi server, pendinginan, penggunaan air, pemanfaatan fasilitas, serta pengelolaan perangkat juga menentukan jejak lingkungan pusat data.
Apakah Indonesia punya potensi menjadi pusat green data center?
Indonesia memiliki potensi energi terbarukan yang besar dan pasar digital yang berkembang. Namun, akses terhadap energi terbarukan, jaringan listrik, pembiayaan, regulasi, dan infrastruktur pendukung masih menjadi tantangan yang perlu diselesaikan.
Apakah AI yang lebih canggih selalu lebih boros energi?
Tidak selalu. Efisiensi model dan perangkat keras dapat menurunkan energi per tugas. Namun, model yang lebih kompleks atau penggunaan seperti video generation, reasoning, dan agentic AI dapat meningkatkan kebutuhan komputasi secara signifikan.
