Di balik keajaiban kecerdasan buatan (AI) yang mampu menghasilkan teks, gambar, dan video dalam hitungan detik, terdapat realitas fisik yang sangat haus akan sumber daya. Penolakan terhadap pembangunan data center (pusat data) AI yang terjadi di berbagai belahan dunia bermuara pada satu ketakutan nyata: ancaman terhadap ketahanan air lokal yang bisa memicu krisis air.

Gambar Visualisasi Skala dan Eskalasi Jejak Air AI (Google, GPT-3, dan Beban 100 MW) diolah menggunakan Gemini.

Mengapa AI “Meminum” Begitu Banyak Air?

Sistem AI tidak sekadar hidup di “komputasi awan” yang abstrak. Model AI berskala besar beroperasi menggunakan puluhan ribu prosesor grafis (GPU) yang bekerja maksimal tanpa henti. Kinerja tingkat tinggi ini menghasilkan panas yang sangat ekstrem. Jika tidak didinginkan, perangkat keras bernilai miliaran dolar ini akan meleleh atau rusak.

Konsumsi air oleh data center AI dibagi menjadi dua kategori utama:

Jenis Konsumsi	Mekanisme	Keterangan
Langsung (Direct)	Pendinginan Evaporatif: Air disemprotkan ke dalam menara pendingin raksasa. Panas dari peladen (server) dipindahkan ke air, yang kemudian menguap ke udara, membawa panas keluar dari fasilitas.	Air yang menguap ini hilang dari sistem perairan lokal dan tidak bisa langsung digunakan kembali oleh warga sekitar.
Tidak Langsung (Indirect)	Pembangkit Listrik: Data center membutuhkan listrik raksasa untuk beroperasi. Pembangkit listrik konvensional (batu bara, gas, nuklir) sangat bergantung pada air untuk sistem pendingin turbin mereka.	Seringkali, jejak air tidak langsung dari pembangkit listrik jauh lebih besar daripada air yang digunakan langsung di dalam gedung data center.

Skala Konsumsi: Angka di Balik Krisis

Kebutuhan air untuk AI bukanlah angka yang bisa diabaikan. Ketika tren Generative AI meledak, konsumsi sumber daya perusahaan raksasa teknologi ikut meroket tajam:

• Jejak Air Perusahaan: Pada tahun 2025, konsumsi air global Google melonjak tajam hingga 34% (mencapai sekitar 10,9 miliar galon atau 41 miliar liter air). Peningkatan ini diakui secara langsung oleh perusahaan terkait dengan ekspansi infrastruktur AI. Microsoft juga melaporkan konsumsi miliaran liter air dalam laporan tahunan mereka.
• Kebutuhan Latihan (Training): Melatih satu model bahasa besar seperti GPT-3 di data center AS memakan sekitar 5,4 juta liter air (gabungan konsumsi langsung dan tidak langsung).
• Operasional Harian: Pada fasilitas berkapasitas 100 Megawatt yang masih mengandalkan menara pendingin evaporatif terbuka konvensional, konsumsi air rata-rata dapat mencapai sekitar 2 juta liter setiap harinya—setara dengan kebutuhan domestik ribuan rumah tangga. Konsumsi ini jauh melampaui fasilitas generasi baru yang telah mengadopsi sistem pendingin sirkulasi tertutup (closed-loop) atau pendinginan udara kering.

Gelombang Penolakan dan Moratorium Global

Ketakutan akan kekeringan telah mengubah opini publik secara drastis. Sebuah jajak pendapat Gallup pada awal 2026 menunjukkan bahwa 70% warga Amerika Serikat menolak pembangunan data center AI di sekitar lingkungan mereka, dengan “penggunaan air yang berlebihan” menjadi alasan utama penolakan.

Dampak dari penolakan ini sangat masif:

1. Pembatalan Proyek Raksasa: Sepanjang tahun 2025 hingga awal 2026, gelombang penolakan warga lokal dan pengetatan izin zonasi telah menyebabkan penundaan maupun pembatalan sedikitnya 48 proyek pusat data di Amerika Serikat, dengan total nilai investasi terdampak menembus US$156 miliar (sekitar Rp2.000 triliun).
2. Kemenangan Warga Lokal: Di Goodyear dan Buckeye (Arizona) serta Cascade Locks (Oregon), warga berhasil memaksa pengembang untuk membatalkan proposal data center bernilai miliaran dolar karena kekhawatiran akan menipisnya suplai air kota dan polusi suara.
3. Moratorium Resmi: Kota-kota seperti Seattle dan Monterey Park (California), serta yurisdiksi tingkat Negara Bagian New York, bahkan telah memberlakukan moratorium resmi untuk menghentikan sementara izin pembangunan pusat data hyperscale baru guna mengevaluasi dampaknya terhadap pasokan air dan stabilitas jaringan energi.

Gambar Visualisasi Resistensi Publik dan Moratorium Pusat Data AI (Gallup, PESP, Kasus Hukum) diolah menggunakan Gemini.

Paradoks Global vs. Lokal

Masalah terbesar dari jejak air AI bukanlah bahwa air di bumi akan habis secara harfiah (air tetap berada dalam siklus hidrologi). Masalah utamanya adalah lokasi geografi.

Di Amerika Serikat, sekitar dua pertiga data center yang dibangun sejak 2022 berlokasi di daerah yang rentan atau sudah mengalami krisis air. Hal serupa terjadi di India dan negara-negara lain, di mana data center bersaing secara langsung dengan sektor pertanian dan kebutuhan minum warga untuk memperebutkan sumber air tawar yang sama di tengah ancaman kekeringan ekstrem akibat perubahan iklim.

Bagi warga lokal, janji pajak miliaran dolar dan penciptaan lapangan kerja dari perusahaan teknologi tidak lagi sebanding dengan risiko keran rumah tangga mereka berhenti mengalir.

Bagaimana perusahaan teknologi merespons?

Untuk menjawab gelombang protes dan ancaman krisis ekologi, raksasa teknologi (seperti Google, Microsoft, AWS, dan Meta) kini berada dalam tekanan besar untuk mengubah arsitektur infrastruktur mereka. Fokus industri yang selama ini hanya terpaku pada efisiensi listrik atau Power Usage Effectiveness (PUE), kini mulai bergeser kuat pada efisiensi air atau Water Usage Effectiveness (WUE).

Berikut adalah inovasi utama dan langkah strategis yang sedang diterapkan untuk memangkas konsumsi air di data center:

1. Revolusi Sistem Pendingin (Cooling Technologies)

• Liquid Cooling (Direct-to-Chip): Cip AI modern (seperti arsitektur Nvidia Blackwell) menghasilkan panas ekstrem dengan konsumsi daya di atas 1000W. Alih-alih mendinginkan seluruh ruangan dengan udara, produsen memasang pelat pendingin (cold plates) yang menempel dan mengalirkan cairan khusus secara langsung ke atas prosesor. Metode penargetan presisi ini bisa memangkas kebutuhan air hingga 95%.
• Immersion Cooling (Pendinginan Celup): Ini adalah metode yang lebih radikal di mana seluruh peladen (server) direndam sepenuhnya ke dalam tangki berisi cairan dielektrik (cairan yang tidak menghantarkan listrik). Panas diserap langsung oleh cairan tersebut. Karena beroperasi dalam sistem tertutup, teknologi ini tidak melepaskan uap ke udara dan hampir mencapai tingkat konsumsi air nol (zero water consumption) untuk proses pendinginan.
• Teknologi Membran untuk Daerah Tropis: Di area bersuhu panas dan lembap (seperti Asia Tenggara), udara yang sudah jenuh air membuat menara pendingin tradisional tidak efisien. Solusinya adalah sistem pendingin membran yang bekerja seperti bahan Gore-Tex raksasa. Membran ini memisahkan air dari aliran udara; panas dilepaskan melalui uap mikroskopis, tetapi bentuk air cair tetap tertahan di dalam sistem agar tidak menguap dan terbuang. Teknologi ini diklaim mampu memotong penggunaan air hingga 90% dibandingkan sistem konvensional.

2. Desain Sirkulasi dan Sumber Air Alternatif

• Sistem Siklus Tertutup (Closed-Loop): Mayoritas data center berskala raksasa saat ini menggunakan siklus terbuka (open-loop) evaporatif di mana air sengaja diuapkan untuk membuang panas. Fasilitas generasi baru kini dirancang menggunakan sistem siklus tertutup (closed-loop), di mana air yang sama dipompa, didinginkan, dan diedarkan kembali secara terus-menerus tanpa kontak langsung dengan udara luar. Ini meminimalisasi penguapan secara drastis.
• Penggunaan Air Daur Ulang (Graywater): Daripada menyedot air bersih dari fasilitas air minum kota, perusahaan mulai beralih menggunakan air limbah yang telah diolah (graywater) atau air non-layak minum lainnya khusus untuk mendinginkan menara pendingin mereka.

3. Mengubah Pendekatan Operasional

• Menaikkan Suhu Ruangan Peladen: Secara historis, ruangan data center dijaga agar sangat dingin. Saat ini, panduan perangkat keras modern (seperti standar dari ASHRAE) memungkinkan server beroperasi pada suhu yang jauh lebih hangat. Kenaikan suhu operasional ini secara signifikan mengurangi beban kerja sistem pendingin evaporatif dan menghemat air dalam jumlah masif.
• Free Cooling (Pendinginan Alami): Perusahaan membangun fasilitas di wilayah beriklim dingin. Mereka dapat memanfaatkan penukar panas sisi air (water-side economizers) yang menggunakan udara luar ruangan yang sejuk untuk mendinginkan air, meminimalkan atau bahkan menghilangkan kebutuhan pendinginan kompresor yang boros air.
• Optimalisasi Termal Berbasis Sensor dan AI: Fasilitas modern kini memanfaatkan ribuan sensor untuk memetakan suhu (Thermal Map) rak peladen secara real-time. Alih-alih menyemburkan pendingin ke seluruh lorong secara membabi buta, manajer fasilitas atau kecerdasan buatan dapat menyesuaikan pendinginan secara dinamis hanya pada titik panas (hotspots) yang benar-benar membutuhkan pendinginan ekstra.

4. Komitmen Ekologi: Target “Water Positive”

Sebagai bentuk pertanggungjawaban kepada masyarakat lokal, perusahaan seperti Microsoft dan Google telah mengikrarkan komitmen Water Positive (atau Water Replenishment) pada tahun 2030. Artinya, mereka berjanji akan mengembalikan lebih banyak air bersih ke alam dan komunitas daripada yang mereka konsumsi. Langkah yang diambil meliputi:

• Berinvestasi dalam proyek restorasi ekosistem aliran sungai di sekitar fasilitas mereka beroperasi.
• Membangun atau mendanai infrastruktur yang memperbaiki kebocoran perairan publik dan pengolahan sanitasi komunitas.

Singkatnya, rancangan masa depan data center adalah menjadi fasilitas komputasi yang secara lingkungan “tidak terlihat”. Fokusnya bukan lagi mencari sumber air baru untuk diuapkan, melainkan merekayasa perangkat keras yang mampu menangani beban AI tanpa membebani pasokan air minum manusia.

Visualisasi Paradoks Water Positive dan Efisiensi Pendinginan (WUE vs Realitas Lokal) diolah menggunakan Gemini.

Apakah target ‘Water Positive’ ini benar-benar efektif?

Klaim “Water Positive”—janji untuk mengembalikan lebih banyak air ke lingkungan daripada yang dikonsumsi—yang digaungkan oleh raksasa teknologi seperti Microsoft, Google, AWS, dan Meta adalah isu yang sangat kompleks.

Meskipun inisiatif ini membawa perbaikan nyata, para pakar lingkungan, akademisi, dan kelompok advokasi menilai bahwa target ini memiliki elemen greenwashing (pencitraan ramah lingkungan yang menyesatkan) yang sangat kuat.

Janji ini pada dasarnya adalah perpaduan antara inovasi teknologi yang sungguhan dengan “trik akuntansi” sumber daya. Berikut adalah efektivitas dan celah dari klaim tersebut:

Sisi Positif: Kemajuan Nyata yang Telah Dicapai

Kita tidak bisa memungkiri bahwa tekanan publik telah memaksa raksasa teknologi mengeluarkan miliaran dolar untuk inovasi. Beberapa pencapaian nyata hingga pertengahan 2026 meliputi:

• Pencapaian Target Lebih Awal: Pada bulan Juni 2026, Microsoft mengumumkan bahwa mereka telah mencapai target “Water Positive” di seluruh operasional global mereka, 5 tahun lebih cepat dari target 2030.
• Perbaikan Efisiensi (WUE): Tingkat Water Use Effectiveness (WUE) terus menurun drastis. Microsoft mengklaim berhasil menekan WUE rata-rata mereka dari 2,3 liter per kilowatt-jam pada awal 2000-an menjadi hanya 0,27 liter pada 2025 berkat transisi ke pendinginan cair (liquid cooling) siklus tertutup.
• Pendanaan Restorasi: Perusahaan-perusahaan ini benar-benar mendanai proyek yang bermanfaat bagi warga, seperti perbaikan infrastruktur pipa kota yang bocor, instalasi irigasi tetes untuk petani (seperti yang dilakukan AWS di Sungai Maipo, Chile), hingga pemanenan air hujan skala besar.

Mengapa Ini Dianggap Greenwashing? (Celah dan Masalah)

Di balik laporan keberlanjutan yang mengesankan, terdapat beberapa “kebenaran yang dihilangkan” (convenient omissions) yang membuat klaim “Water Positive” sangat problematis:

Mengabaikan “Jejak Air Tidak Langsung” (The Indirect Water Omission)

Ini adalah kritik terbesar dari para ahli. Data center raksasa membutuhkan listrik dalam jumlah masif. Pembangkit listrik (terutama batu bara, gas, dan nuklir) membutuhkan jutaan liter air untuk mendinginkan turbin mereka. Namun, perusahaan teknologi hanya menghitung air yang digunakan langsung di dalam gedung data center mereka. Mereka sama sekali tidak memasukkan konsumsi air dari pembangkit listrik yang menyuplai energi mereka ke dalam perhitungan “Water Positive”. Jika jejak energi ini dihitung, angka konsumsi mereka akan meroket dan target “Water Positive” menjadi hampir mustahil dicapai.

Ketidaksesuaian Geografis (Air Bersifat Lokal)

Emisi karbon bersifat global; jika Anda mengurangi karbon di satu negara, seluruh bumi merasakan dampaknya. Namun, air adalah masalah lokal.

• Trik Akuntansi: Sebuah perusahaan teknologi mungkin menyedot jutaan liter air bersih dari akuifer di daerah yang sedang mengalami kekeringan ekstrem (seperti Arizona, Spanyol, atau Chile). Untuk “menggantinya”, mereka mendanai proyek restorasi sungai atau memperbaiki pipa air di negara bagian atau negara lain.
• Secara spreadsheet korporat, keseimbangan air mereka “positif”. Namun secara realitas, komunitas lokal di sekitar data center tersebut tetap menderita kekeringan, dan air tidak benar-benar tergantikan di tempat ia diambil.

Efisiensi vs. Volume Absolut yang Terus Naik

Raksasa teknologi sering membanggakan bahwa data center mereka 80% lebih hemat air dari standar industri. Masalahnya, meskipun mereka semakin efisien “per megawatt”, pembangunan ratusan data center baru akibat ledakan AI membuat volume absolut air yang mereka sedot terus naik. Sebagai contoh, laporan pada pertengahan 2026 menunjukkan AWS masih mengonsumsi sekitar 2,5 miliar galon air setahun, terlepas dari klaim efisiensinya.

Kurangnya Verifikasi Pihak Ketiga Independen

Audit mengenai seberapa besar air yang berhasil “dikembalikan” (replenished) ke alam sering kali dilakukan secara internal atau oleh mitra yang didanai langsung oleh perusahaan tersebut. Belum ada standar regulasi pemerintah yang ketat atau lembaga independen yang memverifikasi apakah proyek restorasi air tersebut benar-benar menghasilkan surplus air dalam jangka panjang.

Klaim “Water Positive” bukanlah kebohongan total, karena ada modal riil yang dikeluarkan untuk efisiensi dan konservasi. Namun, narasi ini adalah bentuk greenwashing taktis. Istilah ini dirancang oleh departemen humas untuk menenangkan publik dan pemerintah daerah yang marah, sambil menutupi fakta bahwa kehadiran data center AI di suatu wilayah tetap menjadi parasit ekologi yang memberi beban luar biasa pada ketersediaan air lokal.

Ekspansi ke Nusantara: Menguji Ketahanan Air di Batam dan Jatiluhur

Gelombang penolakan lingkungan dan moratorium di sejumlah negara Barat tidak menghentikan laju ekspansi infrastruktur kecerdasan buatan (artificial intelligence/AI) global. Sebaliknya, operator pusat data dan penyedia komputasi kini mengarahkan pandangan ke kawasan Selatan Global (Global South), termasuk Indonesia. Didorong oleh ambisi transformasi digital dan insentif kawasan industri, Indonesia menjadi salah satu tujuan utama ekspansi fasilitas hyperscale data center.

Dua wilayah yang kini berada di garis depan megaproyek ini adalah Batam (Kepulauan Riau) dan koridor Jawa Barat, khususnya kawasan Jatiluhur di Purwakarta. Kendati menawarkan peluang ekonomi digital, kehadiran komputasi intensif ini memicu perhatian serius terhadap keberlanjutan ekologis lokal, terutama ketahanan sumber daya air.

Kerentanan Hidrologi di Batam: Pulau Tanpa Aliran Sungai Alami

Batam, melalui Kawasan Ekonomi Khusus (KEK) Nongsa Digital Park, diposisikan sebagai “digital bridge” yang menangkap limpahan investasi dari Singapura. Berdasarkan data Kemenko Perekonomian RI, komitmen investasi pengembangan pusat data di KEK Nongsa diproyeksikan mencapai US$2,6 miliar hingga US$3 miliar (sekitar Rp40 triliun hingga Rp45 triliun). Arus modal ini terdorong oleh kebijakan ketat Pemerintah Singapura yang membatasi kapasitas daya, kuota emisi karbon, dan efisiensi energi bagi fasilitas komputasi baru di negaranya.

Tantangan mendasar pengembangan pusat data di Batam terletak pada kondisi hidrologinya. Batam tidak memiliki aliran sungai alami berskala besar maupun cekungan air tanah dalam yang melimpah. Kebutuhan air baku pulau ini bergantung sepenuhnya pada tampungan air hujan di bendungan buatan, seperti Waduk Duriangkang, Waduk Muka Kuning, dan Waduk Nongsa. Berdasarkan laporan pemantauan Batam Pos, penyusutan debit waduk saat kemarau kerap memicu gangguan distribusi air bersih bagi konsumsi domestik warga.

Apabila fasilitas pusat data di Batam menerapkan arsitektur pendinginan evaporatif konvensional (cooling tower) yang mengonsumsi air tawar dalam volume besar, risiko persaingan alokasi air dengan masyarakat setempat tidak terhindarkan. Guna mengantisipasi krisis tersebut, pengembang dan otoritas kawasan kini didorong menyiapkan instalasi desalinasi air laut (Seawater Reverse Osmosis/SWRO) mandiri, sebagaimana dirangkum oleh Katadata, agar operasional pendingin server tidak membebani waduk air baku publik.

Jatiluhur: Pembangkit Listrik, Irigasi Lumbung Padi, dan Data Center AI

Di Jawa Barat, lanskap infrastruktur digital terbagi ke dalam dua konsentrasi. Di satu sisi, koridor industri Cikarang (Bekasi) dan Karawang menjadi basis fasilitas cloud hyperscale global, seperti komitmen jangka panjang Amazon Web Services senilai lebih dari Rp71 triliun (CTIS) serta investasi Microsoft senilai US$1,7 miliar (Kementerian Komunikasi dan Digital). Di sisi lain, kawasan Waduk Jatiluhur di Purwakarta menarik investasi fasilitas komputasi AI berskala masif, salah satunya proyek kampus pusat data BDx berkapasitas hingga 640 MW (SUHU).

Daya tarik utama Jatiluhur bagi operator komputasi adalah kedekatannya dengan pasokan energi hijau dari Pembangkit Listrik Tenaga Air (PLTA) dan ketersediaan badan air Waduk Ir. H. Djuanda. Namun, pemanfaatan kawasan ini memicu perdebatan tata ruang dan lingkungan. Waduk Jatiluhur mengemban mandat publik vital: mengairi sekitar 240.000 hektare sawah irigasi teknis di lumbung pangan nasional (Karawang, Subang, Indramayu) serta memasok sekitar 80% air baku minum bagi DKI Jakarta melalui Saluran Tarum Barat (Kalimalang).

Potensi dampak terhadap alokasi air dan tata kelola lingkungan ini telah mendorong Pemerintah Provinsi Jawa Barat melakukan pengawasan ketat dan evaluasi perizinan terhadap proyek terkait (CNBC Indonesia serta Detikcom). Analisis ekologis menunjukkan bahwa skema pemanfaatan air bersama Perum Jasa Tirta II (PJT II) harus dirancang secara cermat agar tidak menimbulkan pelepasan termal yang merusak ekosistem danau atau mengurangi debit air pertanian saat musim kemarau ekstrem (Tirto.id).

Gambar Visualisasi Data diolah menggunakan Gemini

Mitigasi Regulasi: Standar Efisiensi Air (WUE) dan Teknologi Sirkulasi Tertutup

Pertumbuhan pusat data AI di Indonesia menuntut pembaruan kerangka pengawasan lingkungan hidup. Penilaian dampak tidak cukup hanya bertumpu pada dokumen AMDAL administratif, melainkan memerlukan regulasi sektoral yang terukur:

1. Penerapan Batas Maksimal Water Usage Effectiveness (WUE): Otoritas perlu menetapkan batas baku rasio konsumsi air per kilowatt-jam listrik (L/kWh) yang wajib dipatuhi seluruh operator.
2. Kewajiban Sistem Pendingin Sirkulasi Tertutup (Closed-Loop) atau Direct Liquid Cooling: Operator komputasi AI berdensitas tinggi harus didorong meninggalkan sistem pendinginan evaporatif terbuka dan mengadopsi arsitektur sirkulasi tertutup, pendinginan langsung ke cip (direct-to-chip), atau pendinginan imersi (immersion cooling) yang meminimalkan kehilangan air akibat penguapan.
3. Penyediaan Sumber Air Non-Domestik: Di wilayah defisit air baku seperti pulau kecil (Batam), pusat data wajib mengoperasikan fasilitas desalinasi atau daur ulang air limbah secara mandiri guna mencegah disrupsi pasokan air bagi masyarakat.

Tanpa instrumen regulasi dan mitigasi teknis yang tegas, pembangunan infrastruktur digital bernilai triliunan rupiah berisiko memicu ketimpangan ekologis lokal, di mana daya dukung air domestik dan pertanian dikorbankan demi menopang akselerasi komputasi awan global.

Sumber: Seattle, Monterey Park, India Times, Gallup News, SFGATE, Digital Edge, AKCP, Google Data Centers, Interface, Popular Science, Grist, Bebeez International, Katadata, Tirto, Detik, CNBC Indonesia, Kementerian Komunikasi dan Digital, SUHU, CTIS, Batam Pos, Kementerian Perekonomian RI.

Gambar sampul digenerate menggunakan Gemini

Visualisasi data diolah menggunakan Gemini

AI: Gemini