<![CDATA[Provinsi Sulawesi Utara memiliki kekayaan sumber daya energi baru terbarukan (EBT) yang sangat besar, mencakup potensi energi surya, angin, panas bumi, biomassa, dan energi air. Pengembangan ekosistem hijau di wilayah ini menekankan pada dekarbonisasi sistem energi, efisiensi sumber daya, dan pemanfaatan sumber energi terbarukan setempat yang ramah lingkungan. Berdasarkan dokumen Rencana Umum Energi Daerah (RUED), total potensi EBT teoretis di Sulawesi Utara mencapai 8.365 MW, dengan potensi spesifik yang telah teridentifikasi dan siap dioptimalkan sebesar 1.546,09 MW. Meskipun potensi tersebut sangat besar, ketergantungan terhadap energi fosil di wilayah kepulauan masih sangat tinggi. Wilayah terpencil seperti Sangihe dan Talaud masih terisolasi dengan durasi operasional listrik yang terbatas, yakni hanya berkisar antara 6 hingga 12 jam per hari dengan beberapa wilayah seperti Miangas hanya 6–8 jam karena tingginya biaya operasional pembangkit diesel. Artikel ini mengkaji implementasi Machine Learning (ML) melalui lima model algoritma untuk peramalan beban, prediksi luaran energi, dan deteksi anomali jaringan. Metodologi penelitian menggunakan dataset multi-source sebanyak 342.400 titik data yang bersumber dari data deret waktu (time-series) BMKG dan PLN periode 2016–2025. Hasil penelitian menunjukkan tingkat akurasi rata-rata sistem mencapai 92,3%, dengan model XGBoost mencatatkan performa tertinggi (97,2%) dalam peramalan beban harian. Integrasi teknologi ini menjadi prasyarat mutlak untuk mencapai target bauran EBT 67% pada tahun 2050 sesuai mandat PERDA No. 8 Tahun 2022.]]>
