Data Center Indonesia 2026: Ledakan Investasi Rp 100 Triliun, Liquid Cooling Jadi Standar Baru untuk Beban Kerja AI

Indonesia sedang menjadi titik tumpu investasi infrastruktur digital di Asia Tenggara. Sepanjang 2026, commitments investasi data center hyperscale telah melampaui Rp 100 triliun — didorong oleh adopsi kecerdasan buatan (AI) yang mempercepat permintaan komputasi berperforma tinggi. Digital Edge menginvestasikan Rp 72 triliun untuk CGK Campus 500 MW di Bekasi, EDGNEX menambahkan Rp 37,5 triliun untuk pusat data AI 144 MW di Jakarta, sementara Equinix memperluas JK1 di Kuningan. Semua fasilitas baru ini mengadopsi direct-to-chip liquid cooling sebagai standar, menandai pergeseran fundamental dari pendingin udara konvensional.

Mengapa Liquid Cooling Jadi Keharusan Bukan Pilihan

Beban kerja AI — khususnya training large language model (LLM) dan inferensi skala besar — mendorong densitas daya rak melebihi 50 kW hingga 100+ kW per rak. Pendingin udara tradisional (CRAC/CRAH) mencapai batas fisika di titik ini: aliran udara tidak lagi mampu mengangkut panas cukup cepat dari GPU/TPU generasi terbaru seperti NVIDIA Blackwell GB200 atau Google TPU v6.

Fakta Kunci: Direct-to-chip liquid cooling mengurangi konsumsi daya pendingin hingga 40% dan memungkinkan densitas rak 3-4x lebih tinggi dibanding pendingin udara. Untuk operator data center di Indonesia yang menghadapi tarif listrik industri dan target keberlanjutan, ini bukan sekadar efisiensi — tapi keharusan ekonomi.

Arsitektur liquid cooling modern memisahkan loop pendingin primer (air/coolant murni yang mengalir ke cold plate di atas chip) dari loop sekunder (cooling tower atau dry cooler). Pendekatan ini menghilangkan risiko kebocoran cairan ke komponen aktif sambil mempertahankan delta-T tinggi untuk efisiensi Carnot yang optimal.

Lanskap Investasi 2026: Siapa yang Membangun Apa

Total komitmen terkonfirmasi: sekitar Rp 110-120 triliun untuk kapasitas gabungan mendekati 700+ MW baru. Angka ini belum termasuk ekspansi internal oleh hyperscaler (AWS, Azure, GCP) yang biasanya tidak mengungkapkan rincian per fasilitas.

Tantangan Operasional: Air, Energi, dan Talenta

Kebangkitan data center AI membawa tiga tantangan sistemik yang harus dihadapi industri dan regulator Indonesia secara bersamaan:

1. Stres Sumber Daya Air: Pendingin evaporatif (cooling tower) mengonsumsi 1-3 liter air per kWh beban TI. Fasilitas 500 MW berpotensi menarik jutaan liter/hari. Solusi: closed-loop dry cooler, pendingin adiabatic hybrid, dan daur ulang air graywater — semua sudah direncanakan di CGK Campus.
2. Ketersediaan Daya Terbarukan: Target PLN net zero 2060 dan kebutuhan 24/7 clean energy untuk ESG pelanggan global mendorong PPA (Power Purchase Agreement) solar+wind+battery. Digital Edge dan EDGNEX keduanya menargetkan integrasi renewable >50% di tahun operasional penuh.
3. Kesenjangan Talenta Teknis: Operasi liquid cooling, manajemen thermal rack-scale, dan automasi DCIM (Data Center Infrastructure Management) butuh skill set yang langka di pasar lokal. Program vokasi colocation dengan vendor (Vertiv, Schneider, Rittal) dan universitas teknik menjadi jalur paling realistis.

Implikasi Bagi Ekosistem Digital Indonesia

Ketersediaan infrastruktur AI-ready di dalam negeri mengubah kalkulasi bagi tiga segmen kunci:

• Enterprise & BUMN: Kepatuhan UU PDP (Perlindungan Data Pribadi) dan regulasi sektor (OJK, Kominfo) soal data sovereignty jadi executable tanpa latency cross-border. TrendAI DC contoh nyata: bank dan pemerintah bisa menjalankan AI security analytics dengan data tidak keluar negara.
• Startup AI Lokal: Akses GPU cloud dengan latency <5 ms ke pengguna akhir Indonesia membuka peluang model bahasa Indonesia (Bahasa Nusantara), computer vision untuk pertanian/perikanan, dan fintech scoring alternatif — tanpa biaya egress cloud global.
• Penyedia Cloud & Managed Service: Carrier-neutral facility seperti CGK Campus memungkinkan interconnection langsung ke 20+ jaringan submarine cable (SEA-ME-WE 6, Bifrost, Apricot, dll) dan cloud on-ramp — menciptakan marketplace konektivitas yang menurunkan biaya transit IP hingga 30-40%.

Kode Konfigurasi: Monitoring Thermal Rack-Scale (Contoh Prometheus + DCIM)

# prometheus.yml scrape config untuk sensor liquid cooling CDU (Coolant Distribution Unit)
scrape_configs:
  - job_name: 'cdu-thermal'
    static_configs:
      - targets: ['cdu-rack-01:9100', 'cdu-rack-02:9100']
    metrics_path: /metrics/thermal
    relabel_configs:
      - source_labels: [__address__]
        regex: 'cdu-(rack-\d+):.*'
        target_label: rack_id
      - source_labels: [coolant_inlet_temp_c, coolant_outlet_temp_c]
        regex: '(.+);(.+)'
        replacement: '${1}-${2}'
        target_label: delta_t_c

# Alert rule: delta-T > 15°C atau outlet > 45°C
- alert: CDU_Thermal_Anomaly
  expr: |
    (cdu_coolant_outlet_temp_celsius - cdu_coolant_inlet_temp_celsius) > 15
    or cdu_coolant_outlet_temp_celsius > 45
  for: 5m
  labels:
    severity: critical
  annotations:
    summary: "Rack {{ $labels.rack_id }} thermal anomaly: ΔT={{ $value | printf \"%.1f\" }}°C"
    runbook_url: "https://wiki.internal/runbooks/cdu-thermal"

Konfigurasi di atas memungkinkan tim NOC mendeteksi degradasi performa cold plate (tersumbat, pompa degradasi, gelembung udara) sebelum terjadi throttling GPU — critical untuk menjaga SLA training job yang berhari-hari.

Kesimpulan: Indonesia Siap Jadi AI Factory Asia Tenggara?

Ledakan investasi data center 2026 bukan sekadar bangunan baru — tata kelola termal, strategi energi, dan ekosistem talenta akan menentukan apakah Indonesia sekadar "colo destination" atau benar-benar menjadi AI Factory yang menarik workload training/inferensi regional. Adopsi liquid cooling skala massa di CGK Campus, EDGNEX, dan JK1 adalah sinyal kuat: operator global percaya Indonesia mampu mengoperasikan infrastruktur paling canggih. Tantangan selanjutnya: mengeksekusi jadwal konstruksi, mengamankan supply chain CDU/cold plate, dan membangun pipeline talenta yang setara dengan kecepatan deployment hardware.