Apa Itu Jejak Air AI dan Kenapa Data Center Butuh Air?

Jejak air AI adalah total air yang terpakai untuk menjalankan sistem AI, mulai dari pendinginan server, pembangkitan listrik, sampai produksi chip. Data center butuh air karena server AI menghasilkan panas tinggi, dan air adalah media pendingin yang paling hemat biaya listrik.

Jejak Air AI: Air yang Diambil vs Air yang Menguap

Jejak air AI punya dua ukuran yang sering tertukar: air yang diambil (withdrawal) dan air yang dikonsumsi (consumption). MOST Policy Initiative mendefinisikan withdrawal sebagai total air yang dipakai fasilitas, sedangkan consumption adalah air yang tidak kembali ke sistem. Sebagai gambaran skala, seluruh data center Google mengonsumsi 7,7 miliar galon (sekitar 29 miliar liter) air pada 2024 menurut laporan lingkungan Google yang dirangkum Latitude Media.

Kenapa Chip AI Menghasilkan Panas Lebih Besar dari Server Biasa?

Chip AI menghasilkan panas lebih besar karena kepadatan daya per rak server naik berlipat. Ketua Umum IDPRO Hendra Suryakusuma mencatat rata-rata kapasitas anggota asosiasi hanya sekitar 8 kW per rak pada 2016, naik menjadi 32 kW per rak pada 2023, dan kini sebagian anggota menjalankan server AI hingga 132 kW per rak (Kontan, 2026). Semakin besar listrik yang masuk ke satu rak, semakin besar panas yang harus dibuang dari rak tersebut.

Cara Kerja Cooling Tower: Kenapa Menguapkan Air Jadi Pilihan

Cooling tower mendinginkan data center dengan menguapkan sebagian air, karena proses penguapan menyerap panas dalam jumlah besar. MOST Policy Initiative menjelaskan pendinginan evaporatif menurunkan kebutuhan listrik untuk pendinginan, tetapi uap airnya hilang, sehingga operator harus memilih antara pendingin udara yang boros listrik atau pendingin evaporatif yang boros air. Olakses, agensi digital yang mengintegrasikan AI ke seluruh lini layanannya, memandang pemahaman soal jejak air AI sebagai bagian dari memakai AI secara bertanggung jawab.

3 Jalur AI Menghabiskan Air yang Jarang Dibahas

AI menghabiskan air lewat tiga jalur: pendinginan langsung di data center, air tidak langsung di pembangkit listrik, dan air murni di pabrik chip. Jalur kedua justru paling besar, tetapi paling jarang masuk ke laporan keberlanjutan perusahaan teknologi.

Jalur 1: Pendinginan Langsung di Data Center

Pendinginan langsung adalah jalur jejak air AI yang paling sering diberitakan dan paling mudah diukur operator. Lawrence Berkeley National Laboratory (LBNL) memperkirakan data center AS mengonsumsi 17 miliar galon (64 miliar liter) air secara langsung untuk pendinginan pada 2023. Besar kecilnya konsumsi di tiap fasilitas bergantung pada teknologi pendingin dan iklim lokasinya.

Jalur 2: Air Tidak Langsung dari Pembangkit Listrik

Pembangkit listrik termal memakai air untuk menghasilkan uap dan mendinginkan turbin, sehingga setiap kWh listrik yang dipakai data center membawa jejak air. Laporan LBNL yang sama memperkirakan data center AS mengonsumsi tambahan 211 miliar galon (800 miliar liter) air secara tidak langsung lewat listrik pada 2023. Angka jalur kedua ini lebih dari 12 kali konsumsi air langsung untuk pendinginan.

Jalur 3: Air Murni untuk Produksi Chip AI

Produksi chip AI membutuhkan air ultra murni untuk mencuci wafer semikonduktor di setiap tahap pabrikasi. FTMM Universitas Airlangga mencatat pabrik semikonduktor memakai miliaran liter air murni, dan ekspansi produksi chip AI ikut menaikkan permintaan tersebut. Jalur ini jarang dihitung dalam angka air per prompt karena terjadi jauh sebelum AI dipakai.

Kenapa Konsumsi Air AI Baru Jadi Isu Besar Sekarang?

Konsumsi air AI jadi isu besar sekarang karena tiga hal terjadi bersamaan: pembangunan data center melonjak sejak AI generatif meledak, data konsumsi air resmi tidak transparan, dan konflik soal air mulai sampai ke parlemen dan warga. Kombinasi pertumbuhan cepat dan data yang tertutup membuat publik curiga terhadap klaim industri.

Ledakan AI Generatif Sejak 2022 dan Lonjakan Data Center

Lonjakan data center AI terlihat jelas dari data konsumsi air. Laporan Congressional Research Service (CRS) mengutip estimasi bahwa data center AS memakai sekitar 17 miliar galon air pada 2023, dibanding 5,6 miliar galon pada 2014. The Register melaporkan CRS mengaitkan gelombang pembangunan data center dengan permintaan AI generatif sejak ChatGPT dirilis akhir 2022. Pola serupa terjadi di Indonesia, yang dibahas lebih rinci di bagian studi kasus Batam.

Data Resmi yang Tertutup: Temuan Congressional Research Service

Data konsumsi air data center sulit diverifikasi karena tidak ada sistem pelaporan yang seragam. CRS menyebut pemerintah federal AS tidak menilai penggunaan air industri data center secara sistematis. Bisnis.com melaporkan sebagian perjanjian layanan air antara kota dan operator data center bahkan memuat klausul yang membatasi pengungkapan data konsumsi ke publik. Ketika data resmi tertutup, publik mengisi kekosongan dengan estimasi yang saling bertentangan.

Dari Laporan Riset ke Meja Parlemen

Isu air AI berpindah dari laporan riset ke kebijakan ketika warga mulai ikut menanggung biayanya. Subkomite DPR AS membahas Water Cost Accountability Act, rancangan aturan agar biaya penambahan kapasitas air untuk data center tidak dibebankan ke pelanggan biasa (Washington Times, September 2026). Laporan yang sama mencatat sekitar 97% air data center AS berasal dari jaringan air publik, artinya data center berbagi sumber air yang sama dengan rumah tangga.

Tren AI Viral di Media Sosial dan Efek Akumulasi

Tren AI viral di media sosial membuat publik sadar bahwa setiap gambar AI punya jejak sumber daya. CNBC Indonesia menekankan bahwa satu atau dua gambar AI bukan penyebab utama kerusakan lingkungan, karena tekanan terbesar lahir dari akumulasi pemakaian berskala raksasa. Isu air AI pada akhirnya adalah soal skala, bukan soal satu pengguna.

Timeline singkat isu air AI:

1. Akhir 2022: ChatGPT dirilis dan memicu gelombang pembangunan data center AI.
2. 2023: Konsumsi air langsung data center AS diperkirakan mencapai 17 miliar galon.
3. Agustus 2025: Google merilis klaim median prompt Gemini memakai 0,26 ml air, lalu dikritik peneliti.
4. Juli 2026: CRS merilis laporan tentang data center dan air.
5. September 2026: BP Batam mewajibkan data center membangun instalasi desalinasi air laut.

Kenapa Angka Air per Prompt AI Bisa Berbeda Ratusan Kali?

Angka air per prompt berbeda jauh karena setiap pihak memakai batas pengukuran, model, dan tahun yang berbeda. Estimasi UC Riverside menghitung air pembangkit listrik, sedangkan angka Google yang sering dikutip dikritik tidak memasukkan air tidak langsung tersebut.

Klaim 500 ml dari UC Riverside vs 5 Tetes dari Google

Klaim 500 ml dan klaim 5 tetes sama-sama berasal dari pengukuran nyata, tetapi mengukur hal yang berbeda. Li et al. dari UC Riverside memperkirakan inferensi GPT-3 di data center Microsoft AS memakai 500 ml air untuk sekitar 10 sampai 50 respons. Google melaporkan median prompt teks Gemini Apps memakai 0,26 ml air, setara sekitar lima tetes. Membandingkan kedua angka secara langsung menyesatkan karena model, tahun, dan cakupan airnya tidak sama.

Batas Pengukuran: Air Onsite vs Air Offsite

Batas pengukuran menentukan besar kecilnya angka air AI. Google sendiri menunjukkan efek ini: jika hanya menghitung chip yang sedang aktif, median prompt Gemini memakai 0,12 ml air, sedangkan metodologi lengkap Google menghasilkan 0,26 ml. Shaolei Ren, profesor UC Riverside, menilai angka Google tetap belum lengkap karena tidak memasukkan air dari pembangkit listrik. Meski begitu, Google mencatat energi per prompt Gemini turun 33 kali dalam satu tahun, sehingga efisiensi per prompt memang membaik.

Tabel Perbandingan Klaim Google, OpenAI, dan UC Riverside

Tabel perbandingan klaim air AI membantu Anda menilai klaim berikutnya secara mandiri. Tiga pertanyaan kuncinya: siapa yang mengukur, model apa yang diukur, dan air apa saja yang dihitung.

Kenapa Dampak Air AI Terasa Lokal, Bukan Global?

Dampak air AI terasa lokal karena data center mengambil air dari waduk, sungai, atau jaringan air di sekitarnya, bukan dari pasokan air global. Risiko terbesar ada di lokasi yang pasokan airnya terbatas tetapi menjadi pusat pembangunan data center.

Angka Nasional Kecil, Beban Lokal Besar

Persentase nasional yang kecil tidak menggambarkan beban air di satu kota. CRS memperkirakan konsumsi air langsung data center hanya sekitar 2% dari total konsumsi air AS, tetapi satu data center 100 MW bisa mengonsumsi air langsung setara 2.600 rumah tangga per hari menurut estimasi IEA (Western Water, 2026). Satu fasilitas besar bisa menjadi permintaan air baru yang signifikan bagi komunitas di sekitarnya.

Studi Kasus Batam: Waduk Tadah Hujan dan Belasan Proyek Data Center

Batam menjadi contoh paling relevan di Indonesia karena menjadi pusat investasi data center sekaligus wilayah dengan sumber air terbatas. Katadata melaporkan Batam tidak memiliki sungai besar, sumur air tanah sudah dilarang permanen, dan pasokan air sepenuhnya bergantung pada enam waduk tadah hujan, sementara belasan proyek data center direncanakan di pulau tersebut. Secara nasional, IDPRO mencatat kapasitas data center Indonesia sebesar 637,24 MW dengan pipeline 1,65 GW pada akhir 2026.

Respons BP Batam: Kewajiban SWRO untuk Data Center

BP Batam merespons risiko air dengan mewajibkan data center membangun instalasi desalinasi air laut atau Sea Water Reverse Osmosis (SWRO). Deputi Bidang Pelayanan Umum BP Batam Ariastuty Sirait membenarkan kewajiban tersebut kepada Batam Pos pada 16 September 2026, meski rincian aturannya masih diproses. Pengembang data center DayOne berkomitmen membangun SWRO senilai sekitar Rp180 miliar yang nantinya diserahkan ke BP Batam (ANTARA). Arah kebijakannya jelas: air waduk diprioritaskan untuk rumah tangga, sedangkan kebutuhan industri dipenuhi dari air laut dan daur ulang.

Kesalahan Umum Saat Membahas AI dan Krisis Air

Ada tiga kesalahan umum dalam membahas AI dan krisis air: melebih-lebihkan dampak satu prompt, menganggap isu ini hoaks karena angka Google kecil, dan menyambungkan setiap krisis air lokal langsung ke data center. Ketiga kesalahan muncul karena angka dibaca tanpa konteks batas pengukuran dan lokasi.

Menganggap Satu Prompt Menguras Air Minum Anda

Satu prompt AI memakai air dalam hitungan tetes sampai puluhan mililiter, tergantung cara menghitungnya. Klaim satu botol per chat berasal dari estimasi GPT-3 dan tidak mewakili efisiensi model 2026. Dampak nyata AI terhadap air datang dari akumulasi miliaran prompt, bukan dari pemakaian satu orang.

Menganggap Isu Air AI Hoaks Karena Angka Google Kecil

Angka 0,26 ml per prompt dari Google tidak membuktikan bahwa dampak air AI secara total kecil. Angka Google belum menghitung air tidak langsung dari pembangkit listrik, padahal jalur tersebut di AS diperkirakan lebih dari 12 kali konsumsi air langsung data center. Angka per prompt yang kecil tetap menjadi volume besar ketika dikalikan skala pemakaian global.

Mengaitkan Air Mati di Batam Langsung ke Data Center

Gangguan air Batam pada Agustus 2026 punya penyebab teknis yang terdokumentasi. Batamnews melaporkan gangguan sejak 17 Agustus 2026 bermula dari gangguan aliran listrik PLN di Instalasi Pengolahan Air Minum Duriangkang, lalu berlanjut ke gangguan kelistrikan di dalam instalasi. Gangguan ini menunjukkan sistem air Batam rapuh, tetapi tidak membuktikan data center sebagai penyebabnya.

Cara Memakai AI Lebih Efisien untuk Tim Marketing

Tim marketing bisa memakai AI lebih efisien dengan mengurangi permintaan yang tidak perlu, bukan dengan berhenti memakai AI. Setiap prompt tetap punya jejak sumber daya meski kecil: Google mencatat median prompt teks Gemini memakai 0,24 Wh listrik dan 0,26 ml air.

Prompt yang Lebih Presisi, Lebih Sedikit Regenerasi

Prompt yang presisi mengurangi regenerasi, dan setiap regenerasi adalah permintaan komputasi baru ke data center. Brief yang lengkap sejak awal, berisi konteks, format output, dan contoh, membuat tim marketing mendapat hasil yang bisa dipakai dalam lebih sedikit percobaan. Satu prompt yang disusun matang menggantikan banyak prompt coba-coba.

Memilih Tugas yang Layak Dikerjakan AI

Pengelola brand tidak perlu memanggil model AI untuk setiap pekerjaan kecil. Revisi satu kalimat, pencarian fakta sederhana, atau format ulang teks sering lebih cepat dikerjakan manual. AI memberi nilai terbesar pada tugas yang butuh riset luas, sintesis data, atau draf awal yang panjang.

Workflow AI Olakses untuk Produksi Konten

Olakses menerapkan AI di layanan Performance Marketing, Website Development, KOL & MCN Solutions, hingga Studio Production, dengan prinsip yang disampaikan Founder Olakses Dhesiana Mawardhianti: “AI adalah alat bantu, bukan pengganti.” Tim konten Olakses menerjemahkan prinsip tersebut ke workflow berurutan: riset query, content brief, eksekusi, lalu quality control. Workflow ini membuat AI dipanggil untuk tugas yang jelas, bukan untuk percobaan tanpa arah.

Checklist audit pemakaian AI untuk tim marketing:

• Setiap tugas AI dimulai dari brief tertulis yang berisi tujuan, format, dan contoh output.
• Tim menyimpan prompt yang terbukti berhasil sebagai template bersama.
• Regenerasi dibatasi dengan memperbaiki prompt, bukan mengulang permintaan yang sama.
• Generasi gambar dan video dipakai untuk kebutuhan final, bukan eksplorasi tanpa batas.
• Tugas kecil seperti revisi satu kalimat dikerjakan tanpa AI.

FAQ: Pertanyaan Seputar AI dan Konsumsi Air

Berapa air yang dipakai satu prompt ChatGPT?

Sam Altman menyebut rata-rata prompt ChatGPT memakai sekitar 0,3 ml air, tetapi OpenAI tidak menjelaskan metodologi dan batas pengukurannya. Estimasi independen bisa jauh lebih tinggi jika memasukkan air dari pembangkit listrik.

Kenapa angka 500 ml dan 5 tetes bisa berbeda jauh?

Angka 500 ml dari UC Riverside berlaku untuk 10 sampai 50 respons GPT-3 dan menghitung air pembangkit listrik. Angka 5 tetes dari Google berlaku untuk median prompt Gemini dan dikritik tidak memasukkan air tidak langsung tersebut.

Apakah air yang dipakai data center hilang selamanya?

Air yang menguap di cooling tower keluar dari pasokan air lokal, meski secara global kembali lewat siklus hujan. Karena itu dampak konsumsi air data center paling terasa di wilayah sekitar fasilitasnya.

Apakah AI bisa membuat Indonesia krisis air?

Risiko yang lebih realistis adalah tekanan air lokal di lokasi data center, bukan krisis air nasional. Batam menjadi sorotan karena pasokan airnya bergantung pada waduk tadah hujan, dan BP Batam kini mewajibkan data center membangun SWRO.

Apakah memakai AI setiap hari berarti ikut merusak lingkungan?

Pemakaian AI oleh satu orang bukan penyebab utama masalah lingkungan. Tekanan terbesar datang dari akumulasi pemakaian berskala raksasa dan dari cara industri teknologi mengelola efisiensi data center.

Apa itu target replenish air dari perusahaan teknologi?

Target replenish adalah janji mengembalikan air ke alam lewat proyek konservasi. Google menargetkan mengembalikan 120% konsumsi air tawarnya pada 2030, dan pada 2024 baru mencapai sekitar 64%.

Bagaimana cara memakai AI lebih hemat sumber daya?

Tulis prompt yang lengkap sejak awal, hindari regenerasi berulang, dan pilih tugas yang memang membutuhkan AI. Workflow yang terdokumentasi membantu tim marketing melakukannya secara konsisten.

Bramasto Raharjo

Bram is an SEO Specialist at Olakses with a background in Software Engineering and 10 years of experience in the field. His technical expertise and in-depth understanding of search engine algorithms enable him to develop strategies that drive organic growth and improve website performance