Post on 11-Mar-2019
PEDOMAN QA/QC UNTUK INVENTARISASI GRK
PEDOMAN PENJAMINAN DAN PENGENDALIAN MUTU (QA/QC) INVENTARISASI GAS
RUMAH KACA INDONESIA
Pengarah
Direktur Jenderal Pengendalian Perubahan Iklim, Kementerian Lingkungan Hidup dan
Kehutanan
Penanggung Jawab
Direktur Inventarisasi Gas Rumah Kaca dan Monitoring, Pelaporan dan Verifikasi
Penulis Utama
Joko Prihatno, Rizaldi Boer, Windra Yusman, Anria, Gito Sugih Immanuel
Penulis
Ratnasari Wargahadibrata, Budiharto, Akma Yeni Masri, Allan Rosehan, Franky Zamzani, Heri
Purnomo
Ucapan Terima Kasih
Kementerian Lingkungan Hidup dan Kehutanan mengucapkan terima kasih kepada
Kementerian Energi dan Sumber Daya Mineral, Kementerian Perindustrian, Kementerian
Pertanian, Kementerian Pekerjaan Umum dan Perumahan Rakyat, Kementerian Perhubungan,
Kementerian PPPN/Bappenas, Badan Pusat Statistik, Netherlands National Institute for Public
Health and the Environment (RIVM), Netherlands Organisation for Applied Scientific Research
(TNO), CCROM-SEAP IPB, CREP ITB, Central Bureau Statistic (CBS) of Netherlands.
Layout dan Cover
Franky Zamzani, Windra Yusman, Anria
ISBN: 978-602-51356-5-1
Hak Cipta dilindungi Undang-Undang
Dilarang menggunakan isi maupun memperbanyak pedoman ini sebagian atau seluruhnya, baik
dalam bentuk fotocopy, cetak, micro lm, elektronik maupun bentuk lainnya, kecuali untuk
keperluan pendidikan atau non-komersial lainnya dengan mencantumkan sumbernya sebagai
berikut:
Direktorat Jenderal Pengendalian Perubahan Iklim Kementerian Lingkungan Hidup dan
Kehutanan (2018). Pedoman Penjaminan dan Pengendalian Mutu (QA/QC) Inventarisasi GRK
Indonesia.
Diterbitkan oleh:
Direktorat Jenderal Pengendalian Perubahan Iklim, Kementerian Lingkungan Hidup dan
Kehutanan Jl. Jend. Gatot Subroto, Gd. Manggala Wanabakti Blok VII Lt. 12, Jakarta 10270,
Indonesia
Telp/Fax : 021 57903073 ; E-mail : tu.igrkppi@gmail.com
Pedoman QA/QC Inventarisasi GRK Indonesia iii
KATA SAMBUTAN
KATA SAMBUTAN
Perubahan iklim merupakan salah satu isu global yang menjadi
perbincangan hangat di komunitas internasional dalam
beberapa dekade terakhir. Peningkatan suhu permukaan bumi
hingga melebihi 2oC akan berdampak terhadap dinamika iklim
dan cuaca di masing-masing negara dan berpengaruh
langsung kepada perekonomian, dan ketahanan pangan.
Sebagai bagian komitmen global dalam mengurangi dampak
perubahan iklim, Indonesia telah menyepakati Persetujuan
Paris (Paris Agreement) pada pertemuan Conference of Party
(COP) - United Nation Framework Convention on Climate
Change (UNFCCC) yang ke-21 di Paris Perancis. Indonesia
berkomitmen untuk menurunkan emisi Gas Rumah Kaca
(GRK) sebesar 29% dengan upaya sendiri dan 41% dengan dukungan internasional di tahun
2030 dari asumsi Business as Usual (BaU). Salah satu upaya untuk pelaksanaan komitmen
tersebut, Pemerintah Indonesia diharapkan dapat melaporkan emisi Gas Rumah Kaca (GRK)
aktual atau lebih dikenal dengan inventarisasi GRK ke UNFCCC dengan mengikuti standar
yang telah diatur dalam Pedoman IPCC, di antaranya terkait dengan pelaksanaan Penjaminan
dan Pengendalian Mutu (QA/QC) yang dilanjutkan oleh pelaksana inventarisasi GRK.
Dalam rangka memberikan panduan bagi pelaksanaan inventarisasi GRK di Indonesia untuk
K/L terkait, maka diterbitkan Pedoman QA/QC inventarisasi GRK. Pedoman ini dibuat oleh
Direktorat Jenderal PPI dengan bantuan dari tenaga ahli dari Pemerintah Belanda dan IPB dan
diharapkan dapat menjadi basis bagi semua pemangku kepentingan terkait dalam
melaksanakan inventarisasi GRK dengan kualitas yang dapat dipertanggungjawabkan.
Jakarta, Oktober 2018
Dr. Ir. Ruandha Agung Sugardiman, M. Sc
Direktur Jenderal Pengendalian Perubahan Iklim
Pedoman QA/QC Inventarisasi GRK Indonesia v
KATA PENGANTAR
KATA PENGANTAR
Sistem inventarisasi GRK Indonesia harus dibangun
berdasarkan prinsip transparan, akurat, lengkap, dapat
dibandingkan serta konsisten. Dalam mewujudkan sistem
inventarisasi GRK dengan kualitas yang dapat
dipertanggungjawabkan maka diperlukan suatu pedoman yang
dapat menjadi acuan bagi semua pemangku kepentingan
terkait dalam menjalankan kegiatan tersebut. Salah satu
pedoman yang sangat diperlukan saat ini adalah pedoman
penjaminan dan pengendalian mutu atau QA/QC. Penyusunan
pedoman ini juga merupakan penjabaran lebih detail atas
Peraturan Menteri LHK Nomor
P.73/MENLHK/SETJEN/KUM.1/12/2017 tentang Pedoman
Penyelenggaraan dan Pelaporan Inventarisasi Gas Rumah Kaca Nasional. Pedoman ini
membahas detail mengenai langkah-langkah apa saja yang harus dilakukan oleh pemangku
kepentingan terkait dari tingkat sektor, sub-sektor dan unit pelaksana inventarisasi GRK
nasional dan sub-Nasional dalam melaksanakan proses QA/QC. Pedoman ini juga membahas
detail mengenai tools dan metode yang digunakan dalam proses QA/QC seperti metode
pengisian kesenjangan data emisi, metode untuk analisis ketidakpastian, metode untuk analisis
kategori sumber emisi utama dan metode pemeriksaan perbedaan emisi dari satu tahun
inventarisasi ke tahun berikutnya (IPCC difference emission method).
Kami sangat berharap bahwa pedoman QA/QC ini bermanfaat untuk pemangku kepentingan
terkait yang terlibat langsung dalam sistem inventarisasi GRK Nasional, Provinsi dan
Kabupaten/Kota.
Jakarta, Oktober 2018
Dr. Ir. Joko Prihatno, M.M
Direktur Inventarisasi GRK dan MPV
Pedoman QA/QC Inventarisasi GRK Indonesia vii
DAFTAR ISI
DAFTAR ISI
KATA SAMBUTAN ........................................................................................................ iii
KATA PENGANTAR ...................................................................................................................... v
DAFTAR ISI .................................................................................................................................. vii
DAFTAR TABEL .......................................................................................................................... viii
DAFTAR GAMBAR ....................................................................................................................... ix
1. PENDAHULUAN ........................................................................................................................ 1
1.1 Latar Belakang ...............................................................................................................................1
1.2 Maksud dan Tujuan .......................................................................................................................1
1.3 Landasan Hukum ...........................................................................................................................2
1.4 Ruang Lingkup ...............................................................................................................................2
2. DEFINISI ..................................................................................................................................... 2
3. TAHAPAN UMUM PEDOMAN QA/QC ..................................................................................... 5
4. METODE PENUNJANG DALAM PELAKSANAAN QA/QC .................................................... 8
4.1 Metode pengisian data hilang (data gap filling method) ...........................................................8
4.2 Metode analisis tingkat ketidakpastian (uncertainty analysis) .................................................9
4.3 Metode analisis sumber kategori kunci (key category analysis) .............................................9
4.4 Metode checking tools untuk aktifitas penjaminan mutu (QA) .............................................. 10
5. ELEMEN DARI SISTEM QA/QC ............................................................................................. 10
6. PEDOMAN DAN LANGKAH MENJALANKAN QA/QC IGRK ............................................... 10
6.1 Perencanaan QA/QC ................................................................................................................. 10
6.2 Personel QA/QC ......................................................................................................................... 11
6.3 Sosialisasi Rencana QA/QC ..................................................................................................... 11
6.4 Pedoman umum QC (Tier 1) untuk kategori sumber emisi/serapan .................................. 12
6.5 Prosedur QC (Tier 2) untuk kategori spesifik ......................................................................... 16
6.6 Prosedur QA ................................................................................................................................ 18
6.7 Inisiasi pengembangan perencanaan QA/QC ........................................................................ 19
6.8 Tambahan QA/QC Checklist ..................................................................................................... 19
DAFTAR PUSTAKA ..................................................................................................................... 23
LAMPIRAN 1. MENGATASI KESENJANGAN DATA ......................................................... 24
LAMPIRAN 2. ANALISIS KETIDAKPASTIAN ................................................................... 31
LAMPIRAN 3. ANALISIS KATEGORI KUNCI .................................................................... 60
LAMPIRAN 4. CHECKING TOOL UNTUK AKTIFITAS PENJAMINAN MUTU ...................... 85
viii Pedoman QA/QC Inventarisasi GRK Indonesia
DAFTAR TABEL
DAFTAR TABEL
Tabel 3-1. Tahapan umum pedoman QA/QC ............................................................................ 6
Tabel 6-1. Tanggung jawab pelaksana aktifitas QA/QC ............................................................11
Tabel 6-2. Aktifitas QC (Tier 1) .................................................................................................12
Tabel 6-3. Aktifitas QC (Tier 2) .................................................................................................16
Tabel 6-4. Review eksternal terkait QA .....................................................................................19
Tabel 6-5. Peningkatan perencanaan QA/QC ...........................................................................19
Tabel L.1 2-1. Pendekatan/teknik untuk pengisian data hilang……………………………………25
Tabel L.2 2-1. Ketidapastian gabungan untuk sektor LULUCF……………………………………36
Tabel L.2 2-2. Analisis tren ketidakpastian untuk sektor LULUCF ............................................38
Tabel L.2 3-1. Sumber ketidakpastian dari Data Aktivitas .........................................................45
Tabel L.2 3-2. Sumber ketidakpastian dari Faktor Emisi ...........................................................47
Tabel L.2 3-3. Ketidakpastian dari Data Aktivitas dan Faktor Emisi pada aktivitas REDD .........48
Tabel L.2 3-4. Kisaran ketidakpastian untuk biomassa non-hutan ............................................50
Tabel L.2 3-5. Kisaran ketidakpastian untuk biomassa hutan dan kayu mati ............................50
Tabel L.2 3-6. Rentang ketidakpastian untuk pembakaran liar .................................................51
Tabel L.2 3-7. Kisaran ketidakpastian untuk stok karbon tanah dan rasio C-N untuk tanah
mineral ...............................................................................................................51
Tabel L.2 3-8. Kisaran ketidak pastian untuk fluks karbon tanah dari tanah organik .................53
Tabel L.2 3-9. Confusion matrix untuk peta penggunaan lahan ................................................53
Tabel L.2 3-10. Rentang ketidakpastian per-kategori untuk 2014 .............................................54
Tabel L.2 3-11. Evolusi temporal dari berbagai ketidak pastian berdasarkan kategori ..............56
Tabel L.2 3-12. Ketidakpastian parsial per-kategori sebagai persentase dari ketidakpastian
total ..................................................................................................................59 Tabel L.3 3-1. Spreadsheet untuk analisis pendekatan I – Metode penilaian tingkat 63
Tabel L.3 3-2. Spreadsheet untuk analisis pendekatan I – Metode analisis tren .......................66
Tabel L.3 3-3. Penjelasan langkah 1 - langkah 4 untuk analisis tren (Pendekatan I) ................67
Tabel L.3 3-4. Contoh penggunaan analisis tren (Pendekatan I) untuk penentuan kategori
kunci ..................................................................................................................67
Tabel L.3 4-1. Penjelasan langkah 1 - langkah 4 untuk analisis tren (Pendekatan II) ...............71
Tabel L.3 4-2. Contoh penggunaan analisis tren (Pendekatan II) untuk penentuan kategori
kunci ..................................................................................................................72
Tabel L.3 6-1. Rangkuman hasil analisis kategori utama ..........................................................73
Tabel L.3 7-1. Informasi inventarisasi GRK sektor Energi tahun 2014 ......................................74
Tabel L.3 7-2. Informasi inventarisasi GRK sektor Energi tahun 2010 dan 2014 ......................76
Tabel L.3 7-3. Contoh penerapan metode penilaian tingkat (pendekatan I) untuk Third National
Communication (TNC) Indonesia – dengan memasukkan kategori LULUCF .....78
Tabel L.3 7-4. Contoh penerapan metode penilaian tingkat (pendekatan I) untuk Third National
Communication (TNC) Indonesia – tidak memasukkan kategori LULUCF .........81
Tabel L.3 7-5. Rangkuman KCA untuk laporan Third National Communication (2007) .............83
Tabel L.4 2-1. Penjelasan terkait perubahan data aktifitas dan faktor emisi……………………..93
Pedoman QA/QC Inventarisasi GRK Indonesia ix
DAFTAR GAMBAR
DAFTAR GAMBAR
Gambar 3-1. Skema pengembangan sistem inventarisasi GRK Nasional .................................. 6
Gambar 3-2. Alur proses tahapan QC umum untuk sub-sektor/unit pelaksana .......................... 7
Gambar 3-3. Alur proses tahapan QA/QC umum untuk koordinator sektor ................................ 8
Gambar 3-4. Alur proses tahapan QA/QC umum untuk penanggung jawab IGRK Nasional ...... 8
Gambar 6-1. Proses QA/QC sub-sektor ketenagalistrikan (sumber: Pedoman IGRK
Pembangkit, 2018).............................................................................................. 22
Gambar L.1 2-1. Tumpang tindih yang konsisten antar dua metode……………………………..27
Gambar L.1 2-2. Tumpang tindih yang tidak konsisten antar dua metode ............................... 27
Gambar L.1 2-3. Interpolasi linear ........................................................................................... 29
Gambar L.1 2-4. Ekstrapolasi linear ......................................................................................... 30
Gambar L.2 2-1. Ilustrasi tingkat ketidakpastian dari suatu set data (α = 95%)…………………33
Gambar L.2 2-2. Ilustrasi proses perhitungan ketidakpastian dengan Pendekatan 2 ............... 41
Gambar L.2 2-3. Proses penentuan tren ketidakpastian dengan Pendekatan 2 ....................... 43
Gambar L.3 2-1. Decision tree untuk identifikasi kategori kunci…………………………………..62
Gambar L.4 2-1. Alur IPCC emission difference tools di sistem inventarisasi GRK Belanda.....88
Gambar L.4 2-2. Alur IPCC emission difference tools untuk tingkat sektor/daerah .................. 89
Gambar L.4 2-3. Alur IPCC emission difference tools untuk tingkat nasional ........................... 90
Gambar L.4 2-4. Matriks kriteria terkait dengan nilai perubahan emisi dari tahun (t-1) ke
tahun t ........................................................................................................... 91
Pedoman QA/QC Inventarisasi GRK Indonesia 1
1. PENDAHULUAN
1.1 Latar Belakang
Indonesia sebagai bagian dari komunitas internasional telah secara aktif terlibat dalam kegiatan
perubahan iklim. Saat ini Pemerintah Indonesia telah meratifikasi Paris Agreement melalui
Undang-Undang Nomor 16 tahun 2016. Sebagai bentuk komitmen, Pemerintah Indonesia telah
melaporkan Intended Nationally Determined Contribution (INDC) ke secretariat UNFCCC pada
September 2014. Dokumen INDC kemudian diformulasikan menjadi First Nationally Determined
Contribution (NDC) pada Oktober 2016. Di dalam NDC, Pemerintah Indonesia memiliki
komitmen untuk berkontribusi dalam kegiatan mitigasi serta adaptasi perubahan iklim.
Indonesia berkomitmen untuk menurunkan emisi gas rumah kaca sebesar 29% dari Business
as Usual (BaU) di tahun 2030 sampai sebesar 38% dengan dukungan pendanaan internasional
yang tersedia.
Sebagai implementasi dari komitmen tersebut, Indonesia memiliki kewajiban untuk
mengembangkan sistem inventarisasi GRK yang dapat diandalkan untuk merekam emisi GRK
dari sektor-sektor terkait. Inventarisasi GRK ini dapat menjadi indikator dalam pencapaian
Indonesia untuk menurukan tingkat emisi GRK sesuai dengan target yang ditentukan
sebelumnya. Di sisi lain, sistem monitoring, reporting and verification (MRV) harus
dimanfaatkan secara maksimal untuk mendapat informasi terkait dalam penerapan aksi mitigasi
terhadap penurunan emisi GRK. Integrasi dari kedua komponen ini sangat krusial dalam
mendukung sistem inventarisasi GRK yang transparan, akurat, lengkap, bisa dibandingkan dan
konsisten serta pemahaman terhadap implementasi kebijakan dan aksi mitigasi dapat tercermin
dan sistem inventarisasi GRK Indonesia.
Pemerintah Indonesia telah berupaya keras dalam meningkatkan pengelolaan data
pembangunan untuk sistem inventarisasi GRK yang handal, salah satunya adalah penerapan
Kebijakan Satu Data GRK atau one GHG data policy. Dalam rangka termewujudkan kebijakan
satu data GRK yang handal, diperlukan impementasi penjaminan dan pengendalian mutu yang
terstandar dan sesuai kaidah yang telah ditetapkan.
Oleh karena itu, dokumen ini disusun sebagai pedoman dalam pelaksanaan Quality Assurance
dan Quality Control (QA/QC) pada sistem inventarisasi GRK di Indonesia. Pedoman ini secara
rinci menjelaskan pelaksanaan QA/QC, dimulai dari perencanaan, metode-metode yang
digunakan, penanggung jawab, jadwal waktu, serta tahapan lain yang dilakukan sebagai bagian
dari QA/QC seperti pengisian kesenjangan data, penghitungan angka ketidakpastian,
identifikasi sumber emisi utama, dan pemeriksaan kesalahan. Semua informasi dalam
dokumen ini mengacu kepada IPCC Good Practice Guidance and Guidelines for National
Systems dan IPCC Guidelines 2006 serta informasi-informasi terkait dengan inventarisasi GRK
Indonesia.
1.2 Maksud dan Tujuan
Maksud penyusunan pedoman ini adalah untuk memberikan panduan kepada seluruh pihak
yang terlibat dalam pelaksanaan inventarisasi GRK di Indonesia dalam melaksanakan kegiatan
penjaminan dan pengendalian mutu di dalam sistem Inventarisasi Gas Rumah Kaca (IGRK)
Nasional.
Adapun tujuan pembuatan pedoman pelaksanaan QA/QC adalah sebagai acuan bagi
penyelenggara Inventarisasi GRK untuk:
i. Memeriksa kualitas data GRK di setiap tahapan inventarisasi GRK
ii. Perbaikan kesenjangan data GRK
iii. Penghitungan tingkat ketidakpastian dari hasil estimasi ketidapastian emisi GRK
2 Pedoman QA/QC Inventarisasi GRK Indonesia
iv. Identifikasi sumber dan kategori utama emisi GRK
v. Melaksanakan pemeriksaan terhadap kesalahan (error) dan/atau penjelasan terkait
perubahan emisi
vi. Pembuatan laporan kegiatan QA/QC yang dilakukan penyelenggara inventarisasi GRK
(dilampirkan bersama data GRK dan dokumentasi kegiatan).
1.3 Landasan Hukum
Landasan hukum dalam penyusunan Pedoman QA/QC untuk Inventarisasi GRK Nasional
adalah:
i. Undang-Undang Nomor 6 tahun 1994 tentanng Pengesahan United Nations
Framework Covention on Climate Change
ii. Undang-Undang Nomor 16 Tahun 2016 tentang pengesahan Paris Agreement to the
United Nations Framework Convention on Climate Change (Persetujuan Paris atas
Konvensi Kerangka Kerja Perserikatan Bangsa-Bangsa Mengenai Perubahan Iklim)
iii. Undang-Undang Nomor 32 Tahun 2009 tentang Perlindungan dan Pengelolaan
Lingkungan Hidup
iv. Peraturan Presiden Nomor 61 tahun 2011 tentang Rencana Aksi Nasional Penurunan
Emisi Gas Rumah Kaca
v. Peraturan Presiden Nomor 71 Tahun 2011 tentang Penyelenggaraan Inventarisasi
GRK Nasional
vi. Peraturan Menteri LHK Nomor P.73/MenLHK/Setjen/Kum.1/12/2017 tentang Pedoman
Penyelenggaraan dan Pelaporan Inventarisasi Gas Rumah Kaca.
1.4 Ruang Lingkup
Pedoman ini mengatur proses QA/QC yang diterapkan pada sistem inventarisasi GRK nasional
dan dapat digunakan oleh pihak-pihak yang terlibat di dalamnya. Pedoman ini memuat
informasi:
i. Tahapan perencanaan QA/QC;
ii. Pelaksanaan pengisian kesenjangan data GRK;
iii. Penghitungan tingkat ketidakpastian (uncertainty) hasil penghitungan tingkat emisi
GRK;
iv. Identifikasi sumber emisi utama (key category) emisi GRK;
v. Panduan pemeriksaan terhadap kesalahan (error) dan/atau penjelasan terkait
perubahan emisi sebagai bagian dari prosedur QA/QC.
2. DEFINISI
Merujuk pada IPCC Good Practice Guidance and Guidelines for National Systems dan IPCC
Guidelines 2006 dan Peraturan Menteri LHK Nomor P.73/MenLHK/Setjen/Kum.1/12/2017
tentang Pedoman Penyelenggaraan dan Pelaporan Inventarisasi Gas Rumah Kaca, beberapa
definisi yang perlu dipahami terkait dengan Quality Assurance/Quality Control (QA/QC)
diuraikan di bawah ini.
Audit: merupakan kegiatan yang dilakukan untuk mengevaluasi kinerja dari lembaga
inventarisasi GRK dalam mengikuti standar QC yang sudah direncanakan sebelumnya. Audit
dapat dilakukan selama persiapan inventarisasi GRK ataupun pada tahapan sebelumnya.
Kegiatan audit dapat dilakukan oleh seorang auditor independen dan harus memberikan
penilaian obyektif terhadap proses serta data yang dievaluasi. Kegiatan ini merupakan bagian
dari proses penjaminan mutu (QA).
Pedoman QA/QC Inventarisasi GRK Indonesia 3
Akurasi: adalah ukuran relatif dari ketepatan estimasi emisi/serapan. Perkiraan yang
digunakan harus akurat dalam artian secara sistematis tidak terlalu di atas atau di bawah nilai
emisi/serapan yang sebenarnya.
Gas rumah kaca: yang selanjutnya disebut GRK adalah gas yang terkandung dalam atmosfer,
baik alami maupun antropogenik, yang menyerap dan memancarkan kembali radiasi
inframerah.
Good practice: adalah serangkaian prosedur yang digunakan untuk memastikan bahwa hasil
inventarisasi GRK memiliki akurasi yang tinggi, secara sistematis sudah sesuai, dan memiliki
ketidakpastian yang rendah dan dapat dipertanggungjawabkan. Good practice dapat mencakup
pemilihan metode estimasi yang sesuai dengan kondisi suatu negara, QA/QC pada level
nasional, provinsi dan kabupaten/kota, penggunaan metode ketidakpastian yang tepat serta
sistem pelaporan dan pemantuan yang transparan.
Inventarisasi GRK: adalah kegiatan untuk memperoleh data dan informasi mengenai tingkat,
status, dan kecenderungan perubahan emisi GRK secara berkala dari berbagai sumber emisi
dan penyerapnya.
Kategori Sumber Utama: adalah sumber-sumber emisi yang diprioritaskan dalam sistem
inventarisasi GRK nasional. Hal ini dikarenakan sumber-sumber emisi utama tersebut memiliki
pengaruh yang besar terhadap total emisi GRK langsung di suatu negara (terkait dengan
tingkat emisi absolut, tren emisi, dll).
Koordinator QA/QC: adalah personil Dit IGRK dan MPV yang ditunjuk untuk
mengkordinasikan pelaksanaan QA/QC.
Kegiatan pengendalian mutu/QC activities: terdiri dari kegiatan pemeriksaan kualitas pada
tahap pengumpulan data, penggunaan prosedur standar yang disepakati untuk perhitungan
emisi, pengukuran, analisis ketidapastian, dokumentasi, pengarsipan informasi dan pelaporan.
Pada Tier yang lebih tinggi, kegiatan QC termasuk didalamnya technical review dari kategori
sumber emisi utama, data aktifitas, faktor emisi serta metode estimasi.
Kelengkapan: IGRK harus mencakup semua sumber emisi dan serapan, serta semua gas
yang termasuk dalam Pedoman IPCC.
Ketidakpastian (uncertainty): adalah ukuran nilai kesalahan hasil dugaan emisi/serapan.
Munculnya ketidakpastian dimulai dari: (i) konseptualisasi asumsi, (ii) pemilihan model dan (iii)
input data serta asumsi-asumsinya.
Ketepatan waktu: adalah penyerahan dokumen IGRK yang lengkap dengan tenggat waktu
yang sudah ditentukan sebelumnya.
Konsistensi: IGRK yang telah dilaporkan harus bersifat konsisten pada periode waktu tertentu.
IGRK akan menjadi konsisten jika metodologi yang digunakan sama untuk tahun dasar dan
tahun berikutnya dalam memperkirakan emisi/serapan dari tiap sumber emisi tersebut. IGRK
menggunakan metodologi yang berbeda di tiap tahunnya akan dianggap konsisten jika
dilakukan rekalkulasi (perhitungan ulang) secara transparan dengan metode baru sesuai
dengan kaidah yang diatur dalam pedoman IPCC.
Komparabilitas: adalah estimasi nilai emisi dan serapan yang dilaporkan oleh setiap
pemangku kepentingan IGRK harus dapat diperbandingkan (comparable). Agar tujuan ini
tercapai, pihak-pihak terkait harus menggunakan metodologi dan format yang disepakati untuk
memperkirakan dan melaporkan IGRK.
4 Pedoman QA/QC Inventarisasi GRK Indonesia
Penjaminan Mutu (Quality Assurance): adalah proses/rangkaian kegiatan untuk memeriksa
bahwa penyelenggaraan inventarisasi GRK sudah mengikuti prosedur dan standar yang
berlaku dan menggunakan metode terbaik sesuai dengan perkembangan pengetahuan terkini,
ketersediaan data, dan didukung oleh program pengendalian mutu yang efektif. Kegiatan
penjaminan mutu dilaksanakan oleh pihak yang tidak terlibat dalam penyelenggaraan
inventarisasi GRK, dalam hal ini oleh Tim Audit Hasil IGRK.
Penyelenggara inventarisasi GRK: meliputi Pemerintah Daerah Kabupaten/Kota, Pemerintah
Daerah Provinsi, Kementerian dan/atau Lembaga Pemerintah Non Kementerian terkait, dan
Kementerian yang menyelenggarakan urusan pemerintahan di bidang lingkungan hidup dan
kehutanan selaku National Focal Point untuk Perubahan Iklim. Penyelenggara Inventarisasi
GRK pada Kementerian dan/atau Lembaga Pemerintah Non Kementerian terkait meliputi
Penanggung Jawab Sub Sektor dan Koordinator Sektor.
Pengendalian (Quality control) merupakan sistem yang dibangun untuk memeriksaa secara
rutin kegiatan teknis terkait dengan pengukuran dan pengontrolan kualitas inventori selama
proses penyusunannya oleh penyelenggara inventarisasi GRK. Sistem QC dirancang untuk:
i. menyediakan pemeriksaan rutin yang konsisten untuk memastikan integritas data,
kebenaran, dan kelengkapan,
ii. mengidentifikasi dan mengatasi kesalahan dan kekeliruan dan
iii. mendokumentasikan dan mengarsipkan materi inventaris dan mencatat semua
kegiatan QC.
Prosedur QC Tier 1: Prosedur QC Tier 1 untuk inventarisasi GRK adalah pemeriksaan umum
yang dilakukan secara rutin oleh lembaga penangungjawab inventori selama penyiapan
inventori GRK, yaitu prosedur pemrosesan, penanganan, pendokumentasian, pengarsipan dan
pelaporan untuk semua kategori sumber emisi.
Prosedur QC Tier 2: Prosedur QC untuk kategori sumber emisi utama (Tier 2) adalah
pemeriksaan yang diarahkan pada sumber emisi kunci tertentu karena adanya perubahan
metodologi perhitungan dan data aktivitas. Kegiatan QC Tier 2 merupakan tambahan dari QC
yang umum (Tier 1). Dalam menjalankan prosedur ini, lembaga penanggungjawab IGRK harus
memiliki pemahaman dan pengetahuan terkait terhadap kategori sumber emisi utama (key
category), jenis data yang tersedia dan parameter-parameter apa saja yang terkait dengan
emisi tersebut dan tingkat ketidakpastian data dan parameter. Terdapat dua persyaratan utama
dalam menjalankan prosedur QC Tier 2, yaitu:
i. Sumber emisi tersebut dapat dikategorikan sebagai sumber emisi utama
ii. Terjadi revisi metodologi perhitungan serta perubahan data yang signifikan terhadap
sumber emisi tersebut.
Rencana Penjaminan dan Pengendalian Mutu (QA/QC plan): adalah dokumen internal yang
berfungsi untuk mengatur, merencanakan serta mengimplementasikan kegiatan QA/QC.
Dokumen QA/QC tersebut harus, secara umum, menjelaskan kegiatan QA/QC yang akan
dilaksanakan, kerangka waktu pelaksanaan QA/QC yang dijadwalkan dari tahap persiapan,
pengembangan hingga pelaporan untuk setiap tahun inventorisasi GRK.
Sektor: adalah bidang kegiatan dimana emisi GRK terjadi, tidak merujuk pada pengertian
administrasi/instansi yang secara umum membina/mengatur kegiatan.
Sistem Inventarisasi Gas Rumah Kaca Nasional (SIGN): adalah sistem penyediaan data dan
informasi terkait tingkat, status, kecenderungan, dan proyeksi GRK.
Status emisi GRK: adalah kondisi emisi GRK dalam satu kurun waktu tertentu yang dapat
diperbandingkan berdasarkan hasil penghitungan GRK dengan menggunakan metode dan
Pedoman QA/QC Inventarisasi GRK Indonesia 5
faktor emisi/serapan yang konsisten sehingga dapat menunjukkan tren perubahan tingkat emisi
dari tahun ke tahun.
Sub sektor: adalah sub bidang kegiatan dimana emisi GRK terjadi, tidak merujuk pada
pengertian administrasi/instansi yang secara umum membina/mengatur kegiatan.
Tim Audit IGRK: adalah tim yang dibentuk oleh Dirjen PPI yang terdiri dari tim di Direktorak
IGRK dan MPV yang tidak terlibat dalam proses inventarisasi IGRK ditambah expert bidang-
bidang terkait untuk melakukan proses verifikasi (audit) atas hasil IGRK.
Tim Audit Independen: adalah tim independen yang terdiri dari expert yang terdaftar di dalam
roaster of expert SRN dan memiliki kompetensi sebagai verifikator.
Tujuan dari kegiatan QA/QC: adalah untuk meningkatkan transparansi, konsistensi,
komparabilitas, kelengkapan, akurasi, keyakinan dan ketepatan waktu dalam inventarisasi
nasional.
Transparansi: asumsi dan metodologi yang digunakan untuk IGRK harus dijelaskan secara
jelas. Hal ini bertujuan untuk memfasilitasi replikasi dan penilaian oleh pihak yang menilai dan
menggunakan dokumen IGRK tersebut. Transparansi dalam IGRK merupakan hal yang sangat
penting bagi keberhasilan proses untuk komunikasi dan pertimbangan informasi.
Verifikasi: merupakan proses untuk mengevaluasi kinerja dari lembaga inventarisasi GRK
dalam mengikuti standar QC yang sudah direncanakan sebelumnya. Audit dapat dilakukan
selama persiapan inventarisasi GRK ataupun pada tahapan sebelumnya oleh auditor
independen sehingga dapat memberikan penilaian obyektif terhadap proses serta data yang
dievaluasi. Kegiatan verifikasi dimaksudkan untuk memperoleh IGRK yang berkualitas. Hasil
proses verifikasi juga berfungsi untuk:
i. Memberikan masukan untuk meningkatkan kualitas IGRK;
ii. Meningkatkan tingkat kepercayaan terhadap hasil estimasi dan tren emisi;
iii. Membantu meningkatkan pemahaman ilmiah yang berkaitan dengan inventarisasi GRK.
3. TAHAPAN UMUM PEDOMAN QA/QC
Berdasarkan Perpres 71/2011, penyelenggara inventarisasi GRK berkewajiban untuk
melaporkan penyelenggaraan inventarisasi GRK minimal satu kali dalam setahun kepada
lembaga penanggung jawab inventarisasi GRK nasional, yang dalam hal ini adalah KLHK.
Pada tahap awal penyelenggaraan inventarisasi GRK Nasional, sistem yang diterapkan adalah
sebagaimana Model 1. Untuk meningkatkan sistem inventarisasi GRK, KLHK mendorong peran
sektor lebih jauh terlibat dalam melaksanakan perhitungan emisi GRK sekaligus didalamnya
kegiatan QA/QC, dokumentasi dan pengarsipan (Model 2). Pada Model 2 (Gambar 3-1),
koordinator sektor beserta penanggung jawab subsektor terkait berperan untuk melaksanakan
menghitung emisi GRK, melaksanakan QA/QC, analisis ketidakpastian, analisis kategori utama,
dokumentasi dan pengarsipan.
6 Pedoman QA/QC Inventarisasi GRK Indonesia
Gambar 3-1. Skema pengembangan sistem inventarisasi GRK Nasional
Secara umum, Pedoman QA/QC di dalam sistem inventarisasi GRK ini dapat membantu
penyelenggara inventarisasi GRK untuk memastikan jaminan dan pengaturan kualitas data
IGRK serta telah disesuaikan pada pendekatan Model 2. Tahapan kegiatan secara umum untuk
QA/QC dijelaskan pada tabel berikut:
Tabel 3-1. Tahapan umum pedoman QA/QC
Tahapan Kegiatan Penanggung
jawab Tools /format yang
digunakan Output
Tahap I Setiap penanggung jawab sub-sektor akan melakukan pengendalian mutu (QC) terhadap data aktifitas dan faktor emisi yang dibutuhkan untuk perhitungan emisi. Kemudian output dari kegiatan ini akan dilaporkan ke koordinator sektor terkait (detail pada
Gambar 3-2)
Penanggung jawab sub-sektor
Pengisian kesenjangan data (gap filling tools)
Analisis tingkat ketidakpastian (uncertainty analysis tools)
Analisis kategori kunci (key category analysis tools)
Data inventarisasi GRK yang sudah lengkap
Surat keterangan bahwa semua data telah melalui proses QC di unit masing-masing
Laporan hasil analisis QC (checklist QC subsektor/unit pelaksana, metode yang digunakan, dll)
Tahap II Koordinator sektor akan melakukan validasi dokumen terkait dari sub-sektor/unit pelaksana kemudian akan dilakukan QA/QC kembali terhadap data-data tersebut (detail pada Gambar 3-3)
Koordinator sektor
Pengisian kesenjangan data (gap filling tools)
Analisis tingkat ketidakpastian (uncertainty analysis tools)
Analisis sumber emisi utama (key category analysis tools)
Pemeriksaan dan/atau penjelasan
Data-data inventarisasi GRK yang sudah dilakukan QA/QC untuk sektor terkait
Laporan hasil analisis QA/QC koordinator sektor (checklist koordinator QA/QC sektor,
Pedoman QA/QC Inventarisasi GRK Indonesia 7
perbedaan nilai emisi antar tahun dari sumber emisi/rosot oleh koordinator sektor ke sub-sektor/unit pelaksana (IPCC emission difference tools)
metode yang digunakan, dll)
Tahap III Koordinator sektor akan melaporkan data tingkat emisi beserta dokumen terkait QA/QC kepada lembaga penanggung jawab IGRK nasional (detail pada Gambar 3-3)
Koordinator sektor
Melalui sistem SIGN-SMART ataupun pelaporan secara langsung
Laporan IGRK sektor melalui SIGN-SMART
Tahap IV Lembaga penanggung jawab IGRK nasional akan melakukan QA/QC melalui cross check data tingkat emisi, format laporan, dll. Sebelum melaporkan data inventarisasi GRK nasional kepada UNFCCC (detail pada Gambar 3-4)
Lembaga penanggung jawab IGRK nasional
Kompilasi IGRK seluruh sektor
Pemeriksaan error dan/atau penjelasan perbedaan nilai emisi dari lembaga IGRK nasional ke koordinator tiap sektor (IPCC emission difference tools)
Melakukan KCA
Verifikasi oleh Team Audit IGRK dan Tim Audit independen
Laporan inventarisasi GRK yang telah tervalidasi dan terverivikasi
Laporan aktifitas QA/QC untuk tiap tahapnya (checklist penanggung jawab IGRK nasional, metode yang digunakan, dll)
Gambar 3-2. Alur proses tahapan QC umum untuk sub-sektor/unit pelaksana
8 Pedoman QA/QC Inventarisasi GRK Indonesia
Gambar 3-3. Alur proses tahapan QA/QC umum untuk koordinator sektor
Gambar 3-4. Alur proses tahapan QA/QC umum untuk penanggung jawab IGRK Nasional
4. METODE PENUNJANG DALAM PELAKSANAAN QA/QC
Dalam pelaksanaan tahapan IGRK seperti dijelaskan pada
Gambar 3-2 dan Gambar 3-3 terdapat beberapa metode yang digunakan untuk memastikan
bahwa kualitas inventarisasi GRK dapat dipertanggungjawabkan. Metode-metode tersebut
diurutkan berdasarkan pada tahapan inventarisasi GRK, yaitu:
4.1 Metode pengisian data hilang (data gap filling method)
Pada pengumpulan data GRK seperti data aktifitas dan faktor emisi, diperlukan
kelengkapan data dalam periode waktu tertentu. Namun, masalah akan mun cul ketika data
Pedoman QA/QC Inventarisasi GRK Indonesia 9
yang diperlukan untuk perhitungan emisi tidak lengkap atau tidak terserdia. Dalam kasus
seperti itu beberapa cara mengisi data kosong/hilang diperlukan sehingga diperoleh seri
data yang lengkap untuk semua seri waktu. Beberapa pendekatan/teknik untuk mengatasi
kesenjangan data (mengisi data hilang; IPCC Guideline 2006):
Tumpang tindih (overlap)
Penggantian data (surrogate data)
Interpolasi
Ekstrapolasi
Dalam kegiatan pengendalian mutu (QC), personel yang bertanggung jawab harus
memastikan bahwa metode-metode pendekatan pengisian kesenjangan data telah
digunakan secara benar dan sesuai dengan pedoman IPCC. Penjelasan rinci terkait metode
ini disajikan pada Lampiran 1. Pedoman ini juga dilengkapi dengan tools dan prosedur
untuk melakukan pengisian kesenjangan data dengan berbagai pendekatan yang telah
dijelaskan sebelumnya.
4.2 Metode analisis tingkat ketidakpastian (uncertainty analysis)
Setelah melakukan perhitungan emisi GRK untuk tiap kategori, maka tahap selanjutlah
adalah analisis ketidakpastian. Tahapan ini dilakukan karena pada tahap perhitungan emisi
GRK terdapat banyak sumber ketidakpastian. Hasil perhitungan emisi GRK tidak akan
bernilai absolut dikarenakan parameter data aktifitas dan faktor emisi bukan merupakan
besaran yang memiliki nilai pasti. Sehingga pertimbangan terhadap angka ketidakpastian
dalam perhitungan emisi GRK perlu dilakukan untuk menghasilkan inventarisasi GRK yang
tepat dan dapat diandalkan.
Ketidakpastian ini umumnya disebabkan oleh beberapa hal. Misalnya, ketidakpastian dalam
pengukuran, statistik, asumsi model perhitungan, dll. Dalam melakukan analisis
ketidakpastian, nilai input kuantitatif data aktifitas maupun faktor emisi merupakan
komponen penting yang harus didapatkan. Berdasarkan pedoman IPCC 2006, terdapat
beberapa pendekatan yang dapat digunakan dalam analisis ketidakpastian yaitu
propagation error dan metode Monte Carlo. Kedua metode ini dapat digunakan untuk
menghitung ketidakpastian emisi GRK tahunan dan kecenderungan ketidakpastian emisi
GRK. Detail penjelasan terkait analisis ketidakpastian serta panduan pelaksanaannya
Lampiran 2. Dalam pedoman tersebut, tools untuk melakukan perhitungan analisis
ketidakpastian dilampirkan yang dapat digunakan oleh personel yang melakukan
pengendalian mutu (QC) untuk memahami bagaimana penyusun inventarisasi GRK
melakukan identifikasi ketidakpastian pada suatu sumber emisi.
4.3 Metode analisis sumber kategori kunci (key category analysis)
Sub-sektor/unit pelaksana akan melaporkan hasil perhitungan emisi GRK, laporan QC serta
hasil analisis ketidakpastian kepada koordinator sektor. Kemudian, koordinator sektor akan
melaksanakan analisis kategori utama untuk menentukan sumber emisi/rosot utama pada
sektor tersebut. Kategori-kategori utama tersebut kemudian akan menjadi basis dalam
kegiatan peningkatan kualitas di inventarisasi GRK dikarenakan kontribusinya signifikan
terhadap total emisi sektor. Terdapat dua pendekatan untuk analisis sumber emisi
kunci/utama yaitu kuantitatif dan kualitatif. Analisis kuantitatif sumber emisi kunci dibagi
menjadi dua pendekatan. Pertama ialah penetapan sumber emisi kunci berdasarkan tingkat
emisi pada tahun inventori dan tren emisi. Kedua penetapan sumber emisi kunci
berdasarkan tingkat emisi pada tahun inventori dan tren emisi dengan memperhatikan
tingkat ketidakpastian data emisi (uncertainty). Selanjutnya, analisis kualitatif dilakukan
apabila data inventarisasi GRK sangat terbatas (tidak lengkap), yaitu dengan menggunakan
metode kriteria kualitatif. Penjelasan rinci panduan pelaksanaan analisis sumber emisi
10 Pedoman QA/QC Inventarisasi GRK Indonesia
utama atau kategori kunci disajikan pada Lampiran 3. Dalam panduan tersebut, tools untuk
melaksanakan analisis kategori kunci juga disediakan agar dapat meningkatkan
pemahaman personel yang melaksanakan pengendalian mutu (QC).
4.4 Metode checking tools untuk aktifitas penjaminan mutu (QA)
Metode ini merupakan adaptasi dari best practice yang dilakukan oleh sistem inventarisasi
GRK Belanda dan dapat diimplementasikan di Indonesia. Pada dasarnya metode ini
digunakan untuk memeriksa apakah terdapat error ataupun perubahan emisi yang signifikan
jika dibandingkan emisi tahun sebelumnya. Tools ini dapat digunakan sebagai penjaminan
mutu oleh koordinator sektor terhadap sub-sektor/unit pelaksana inventarisasi GRK.
Kategori emisi yang mengalami perubahan secara signifikan harus diverifikasi ke sub-sektor
terkait mengenai perubahan tersebut. Tools ini juga dapat digunakan oleh penanggung
jawab IGRK nasional untuk memeriksa perubahan emisi yang signifikan terhadap total emisi
nasional dan sektor beserta penjelasannya. Penjelasn rinci tool atau alat pemeriksaan
kesalahan emisi disajikan pada Lampiran 4.
5. ELEMEN DARI SISTEM QA/QC
Sistem QA/QC dibangun berdasarkan aturan UNFCCC terkait dengan persiapan inventarisasi
gas rumah kaca (IGRK). Dokumen QA/QC harus memuat informasi berikut:
1. Lembaga yang bertanggung jawab terhadap koordinasi aktifitas QA/QC
2. Tujuan program QA/QC
3. Perencanaan QA/QC
4. Prosedur QC
5. Prosedur QA
6. Prosedur pelaporan, dokumentasi serta pengarsipan
6. PEDOMAN DAN LANGKAH MENJALANKAN QA/QC IGRK
Instruksi:
Implementasi prosedur QA/QC merupakan bagian penting dari pengembangan sistem
IGRK di Indonesia. Seperti dijelaskan dalam pedoman IPCC Guidelines 2006),
pelaksanaan program QA/QC yang sesuai dapat meningkatkan transparansi, akurasi,
konsistensi, komparabilitas, serta kelengkapan sistem IGRK Indonesia.
Setiap koordinator sektor dapat menggunakan pedoman ini untuk merencanakan dan
melaksanakan Aktifitas QA/QC di lembaganya masing-masing
Petunjuk QA/QC tersedia di box di atas. Detail langkah-langkah aktifitas QA/QC IGRK
dijelaskan pada sub-bagian berikut.
6.1 Perencanaan QA/QC
Langkah 1: Isi semua sub-bab dalam dokumen ini atau kembangkanlah variasi elemen dari
perencanaan QA/QC IGRK Indonesia. Ketika sudah dikembangkan, gunakan
perencanaan QA/QC ini dalam kegiatan persiapan IGRK di periode berikutnya.
Perencanaan QA/QC dapat dimodifikasi untuk mencerminkan proses yang lebih
baik.
Pedoman QA/QC Inventarisasi GRK Indonesia 11
Dokumen perencanaan QA/QC merupakan elemen dasar dari sistem QA/QC. Dokumen ini
terdiri dari kegiatan QA/QC yang dilakukan, personel yang bertanggung jawab langsung pada
proses QA/QC dan kerangka waktu untuk menyelesaian kegiatan QA/QC.
6.2 Personel QA/QC
Langkah 2: Buatlah daftar tugas dan tanggung jawab koordinator QA/QC. Isi Tabel 6-1
dibawah dengan nama dan kontak dari staf-staf yang bertanggung jawab
langsung untuk setiap aktifitas yang ada
Baris yang ada di Tabel 6-1 dapat ditambah sesuai kebutuhan untuk
memastikan semua detail informasi untuk setiap aktifitas tercatat
Koordinator QA/QC merupakan orang yang paling bertanggung jawab dalam pelaksanaan
rencana QA/QC. Tugas dan tanggung jawab koordinator QA/QC melingkupi:
Klarifikasi dan komunikasi tanggung jawab QA/QC ke
semua K/L yang terkait dengan IGRK
Mengembangkan dan memastikan checklists QA/QC
sesuai dengan peran K/L dalam sistem IGRK
(sebagai contoh liat Tabel 6-2 dan
Tabel 6-3)
Memastikan penyelesaian checklist QA/QC dan
kegiatan terkait yang tepat waktu dan akurat (buatlah
keseluruhan kronologi QA / QC dan waktu eksternal
review akan dilakukan)
Mengelola dan membuat dokumentasi kegiatan QA/QC dari sub-sektor ke koordinator
sektor hingga penanggung jawab IGRK nasional
Koordinasi review eksternal (oleh tenaga ahli) terhadap dokumen IGRK dan memastikan
semua komentar/masukan terkait peningkatan kualitas telah terakomodasi dalam
laporan IGRK.
Tabel 6-1. Tanggung jawab pelaksana aktifitas QA/QC
Jabatan pelaksana Deskripsi Nama K/L Kontak
Penanggung jawab
IGRK
Semua aspek terkait dengan
program inventarisasi GRK,
cross cutting QA/QC
Koordinator QA/QC Pelaksanaan rencana QA/QC
Koordinator sektor Pelaksanaan prosedur
QA/QC (prosedur Tier 1 and
Tier 2 ada di Tabel 6-2 and
Tabel 6-3)
Subsektor/unit
pelaksana
Pelaksanaan prosedur QC
(prosedur Tier 1 and Tier 2
ada di Tabel 6-2 dan
Tabel 6-3)
Tenaga ahli Review tenaga ahli terhadap
dokumen inventarisasi GRK
6.3 Sosialisasi Rencana QA/QC
Proses komunikasi rencana QA/QC kepada semua pihak yang terlibat merupakan hal yang
penting agar perencanaan tersebut dapat secara efektif dilaksanakan, dievaluasi dan
Koordinator QA/QC akan
berkomunikasi dengan
beberapa K/L terkait
inventarisasi GRK. Tabel 6-1
merupakan rangkuman key
personnel yang bertanggung
jawab terhadap aktifitas
QA/QC
12 Pedoman QA/QC Inventarisasi GRK Indonesia
ditingkatkan kualitasnya. Koordinator QA/QC untuk Indonesia harus melaksanakan prosedur
berikut untuk perencanaan QA/QC:
1. Mengadakan pertemuan dengan semua koordinator sektor dan K/L terkait untuk
mengembangkan rencana QA/QC
2. Menuliskan dan melaksanakan sosialisasi rencana QA/QC ke semua koordinator sektor dan
K/L terkait agar aktifitas tersebut dapat segera dilakukan
3. Melaksanakan kick-off meeting dengan semua pihak yang terlibat langsung dalam
pelaksanaan inventarisasi GRK (termasuk konsultan, universitas, dll). Agenda pertemuan ini
adalah sosialisasi rencana QA/QC dan distribusi checklist QC (pertemuan ini dapat
digabungkan dengan agenda “inventory kick-off meeting”)
4. Mengirimkan memo (melalui surat resmi atau elektronik) untuk mengingatkan koordinator
sektor dan K/L terkait mengenai tugas dan tanggung jawab mereka dalam QA/QC serta
jadwal yang telah ditetapkan sebelumnya
5. [Silahkan masukan langkah lainnya dalam mengkomunikasikan rencana QA/QC]
6.4 Pedoman umum QC (Tier 1) untuk kategori sumber emisi/serapan
Langkah 3: Setelah semua informasi yang dibutuhkan pada Tabel 6-2 telah lengkap,
masukkan nama atau inisial personel yang melengkapi isian tersebut serta
tanggal saat informasi tersebut dilengkapi
Baris yang ada di Tabel 6-2 dapat ditambah sesuai kebutuhan untuk
memastikan semua detail informasi tercatat
Standar minimum penilaian QC dapat diterapkan secara konsisten di semua kategori sumber
emisi secara berkala. Hal ini bertujuan agar standar mutu IGRK dapat selalu terpenuhi. Standar
ini secara umum fokus pada prosedur pengolahan, pengelolaan, pendokumentasian,
pengarsipan dan pelaporan yang sama untuk semua kategori. Tabel 6-2 menjelaskan secara
spesifik QC Tier 1 yang harus dilaksanakan dan checklist dimana semua aktifitas QC telah
selesai dilakukan.
Tabel 6-2. Aktifitas QC (Tier 1)
Aktifitas QC Prosedur
Informasi telah lengkap
Ukuran korektif yang diambil
Nama/ inisial
Tanggal Dokumen
pendukung (sebutkan)
Tanggal
Checklist Pengumpulan data, input dan pengelolaan
Memeriksa asumsi dan kriteria yang digunakan untuk pemilihan data aktifitas dan faktor emisi telah didokumentasikan
Periksa kembali data aktifitas dan faktor emisi di setiap kategori serta pastikan bahwa proses ini telah didokumentasikan dan diarsipkan
Memeriksa kesalahan transkrip dalam proses input data dan referensi.
Pastikan bahwa referensi data bibliografi telah dikutip dengan benar dalam dokumentasi internal
Cek contoh data input (baik pengukuran atau parameter yang digunakan dalam perhitungan) kemungkinan salah ketik.
Pedoman QA/QC Inventarisasi GRK Indonesia 13
Manfaatkan data format elektronik untuk meminimalkan kesalahan transkripsi
Periksa apakah fitur spreadsheet telah digunakan untuk meminimalkan kesalahan pengguna: o Hindari faktor-faktor
kesalahan penulisan rumus spreadsheet
o Buat tabel pencarian otomatis untuk nilai-nilai umum yang digunakan sepanjang perhitungan.
o Gunakan fitur locked cell di spreadsheet sehingga data yang sudah dimasukkan tidak mudah berubah akibat kesalahan pengguna
o Gunakan metode komputasi (penggunaan program atau perangkat lunak) untuk mempermudah proses pemeriksaan hasil perhitungan
Memeriksa hasil perhitungan emisi/serapan
Lakukan perhitungan ulang secara manual dari beberapa contoh perhitungan emisi/serapan
Penghitungan ulang harus dilakukan mulai dari langkah awal sampai akhir
Jika perlu, meniru kalkulasi model kompleks dengan rangkuman manual yang disingkat untuk menilai akurasi relatif
Memeriksa parameter dan unit emisi/serapan telah benar dicatat dan faktor konversi unit yang digunakan sudah benar
Periksa apakah unit diberi label dengan benar dalam lembar perhitungan
Periksa apakah unit data dijalanan dengan benar dari awal hingga akhir perhitungan emisi/serapan
Periksa apakah faktor konversi yang digunakan sudah benar
Periksa bahwa faktor penyesuaian temporal dan spasial yang digunakan sudah benar
Memeriksa integritas file dalam database
Pastikan bahwa jalur data direpresentasikan dengan benar dalam database dan semua langkah pemrosesan diperhitungkan
Konfirmasikan bahwa relasi antar data disajikan dengan
14 Pedoman QA/QC Inventarisasi GRK Indonesia
benar dalam database
Pastikan data sudah dilabeli dengan benar dan memiliki spesifikasi yang benar
Pastikan bahwa data sudah terdokumentasi dengan baik dan telah dilakukan pengarsipan untuk struktur dan operasi model
Memeriksa konsistensi data antar kategori
Identifikasi parameter (misal: data aktifitas, konstanta) yang umum digunakan untuk beberapa kategori emisi/serapan dan pastikan juga bahwa nilai-nilai yang digunakan dalam perhitungan emisi sudah konsisten
Memeriksa ketepatan pergerakan data inventarisasi di antara langkah-langkah pemrosesan
Periksa apakah data emisi/serapan telah diagregasi secara tepat dari tingkat pelaporan terbawah hingga tertinggi
Periksa apakah data emisi/serapan telah ditranskripsikan secara tepat pada setiap produk antara
Dokumentasi Data
Review dokumentasi internal dan pengarsipan.
Periksa apakah terdapat dokumentasi internal yang secara rinci menjelaskan proses estimasi emisi dan duplikasi perhitungan emisi
Periksa apakah setiap elemen sumber data utama sudah memiliki referensi yang jelas
Periksa apakah data inventarisasi GRK, data pendukung, dan catatan inventarisasi telah diarsipkan dan disimpan untuk memudahkan review detail
Periksa apakah arsip-arsip data telah disimpan dengan baik setelah kegiatan inventarisasi GRK
Periksa konsistensi pengarsipan data eksternal yang digunakan dalam persiapan inventarisasi GRK
Pemeriksaan perhitungan emisi/serapan
Memeriksa metodologi dan perubahan data yang diakibatkan oleh perhitungan ulang emisi
Periksa konsistensi data IGRK di setiap runtun waktu untuk semua kategori sumber emisi
Periksa konsistensi metode/algoritma yang digunakan untuk
Pedoman QA/QC Inventarisasi GRK Indonesia 15
perhitungan di setiap runtun waktu
Lakukan perhitungan ulang untuk beberapa perhitungan emisi untuk memastikan ketepatan perhitungan matematisnya
Memeriksan konsistensi runtun waktu
Periksa konsistensi data di setiap runtun waktu untuk semua kategori
Periksa konsistensi metode/algoritma yang digunakan untuk perhitungan di setiap runtun waktu
Periksa perubahan metodologi dan data yang diakibatkan oleh perhitungan ulang emisi
Periksa apakah dampak kegiatan mitigasi tercermin dalam perhitungan emisi/serapan di setiap runtun waktu
Memeriksa kelengkapan data dan informasi terkait
Pastikan bahwa estimasi emisi untuk semua kategori (dari tahun dasar hingga tahun inventarisasi saat ini) telah dilaporkan
Pastikan bahwa definisi dari kategori emisi ‘Other’ sudah dilakukan pembahasan
Periksa apakah hasil analisis kesenjangan data yang menyebabkan estimasi emisi/serapan tidak lengkap tersebut sudah didokumentasikan, termasuk didalamnya evaluasi kualitatif mengenai pentingnya estimasi terkait nilai total emisi/serapan (sebagai contoh: sub-kategori yang diklasifikasikan sebagai “Not Estimated”
Memeriksa tren data
Bandingkan nilai emisi/serapan (semua kategori) tahun-n dengan nilai di tahun (n-1). Jika terdapat perubahan yang signifikan dari tren yang telah diprediksi, maka coba lakukan pemeriksaan kembali dan kemudian jelaskan perbedaannya. Perubahan nilai emisi yang signifikan mengindikasikan bahwa terdapat kesalahan input data ataupun perhitungan emisi/serapan (gunakan checking tool
16 Pedoman QA/QC Inventarisasi GRK Indonesia
yang dijelaskan pada Lampiran 4)
Periksa nilai “implied emission factor” (nilai emisi/serapan agregat dibagi dengan data aktifitas) untuk runtun waktu inventarisasi GRK. Apakah perubahan emisi/serapan dapat diketahui?
Periksa jika terdapat tren data aktifitas yang tidak biasa ataupun tidak dapat dijelaskan ataupun parameter lainnya
Sumber: Template panduan QA/QC ini diadaptasi dari IPCC 2006 guidelines untuk sistem inventarisasi GRK nasional
6.5 Prosedur QC (Tier 2) untuk kategori spesifik
Langkah 4: Masukan hasil analisis kategori kunci atau sumber emisi utama (Lampiran 3).
Sebagai tambahan untuk prosedur QC (Tier1) yang telah dijelaskan sebelumnya,
kita dapat mengikuti prosedur QC (Tier 2) untuk kategori sumber emisi utama.
Penjelasan prosedur QC (Tier 2) dapat dilihat pada
Tabel 6-3 berikut.
Tabel 6-3. Aktifitas QC (Tier 2)
Aktifitas QC Prosedur
Informasi telah lengkap
Ukuran korektif yang diambil
Nama/ inisial
Tanggal Dokumen
pendukung (sebutkan)
Tanggal
Penilaian terhadap penerapan “IPCC default factors”
Evaluasi apakah kondisi nasional memiliki kesamaan dengan negara lain yang juga menggunakan “IPCC default factors”
Bandingkan nilai “IPCC default factors” dengan “site-plant level factors”
Pertimbangkan opsi untuk mendapatkan nilai faktor emisi lokal
Dokumentasikan hasil dari kajian ini
Review faktor emisi lokal
Lakukan QC untuk data yang digunakan dalam pengembangan faktor emisi lokal
Lakukan penilaian terhadap hasil penelitian yang digunakan untuk mengembangkan faktor emisi lokal (apakah sudah memenuhi aspek-aspek minimum QC Tier 1)
Bandingkan nilai faktor emisi lokal dengan “IPCC
Pedoman QA/QC Inventarisasi GRK Indonesia 17
default factor”:
dokumentasikan semua kesenjangan yang signifikan
Bandingkan faktor emisi lokal dengan “site or plant-level factors”
Bandingkan nilai faktor emisi lokal tersebut dengan negara lainnya (gunakan database faktor emisi IPCC)
Dokumentasikan semua hasil penilaian
Review hasil pengukuran
Periksa apakah standar nasional atau internasional (ISO) telah digunakan dalam pengukuran
Pastikan apakah alat pengukuran sudah dikalibrasi dan dirawat dengan baik
Bandingkan hasil pengukuran langsung dengan hasil estimasi menggunakan faktor emisi: dokumentasikan semua kesenjangan yang signifikan
Evaluasi konsistensi runtun waktu
Review perubahan signifikan (>10%) dari tahun ke tahun untuk estimasi emisi kategori/sub-kategori
Bandingkan estimasi top-down dan bottom-up untuk besaran yang sama
Lakukan perhitungan referensi yang menggunakakan rasio stoikiometri dan konservasi massa dan lahan
Review data Aktifitas tingkat nasional
Tentukan tingkatan QC yang dilakukan oleh K/L pengumpul data. Jika tidak cukup, pertimbangkan sumber data alternative lainnya seperti IPCC defaults dan kumpulan data internasional
Evaluasi konsistensi runtun waktu
Bandingkan data Aktifitas dengan berbagai macam referensi jika dimungkinkan
Review data aktifitas yang didapatkan langsung dari area tertentu
Tentukan jika standar nasional atau internasional (ISO) digunakan dalam estimasi
Bandingkan data agregat
18 Pedoman QA/QC Inventarisasi GRK Indonesia
area tertentu (contoh: data produksi) dengan data statistik nasional
Bandingkan data tersebut dengan data dari area lainnya
Bandingkan estimasi top-down dan bottom-up untuk jenis data aktifitas yang sama
QC untuk estimasi ketidakpastian
Terapkan tehnik QC untuk estimasi ketidakpastian (lihat Lampiran 2)
Review perhitungan ketidakpastian
Dokumentasikan semua asumsi dan kategori ketidakpastian dari yang digunakan oleh tenaga ahli (review eksternal)
Verifikasi estimasi GRK
Bandingkan hasil estimasi yang sudah dilakukan dengan estimasi nasional/ internasional lainnya untuk tingkat nasional, gas, sektor, sub-sektor yang tersedia
6.6 Prosedur QA
Langkah 5: Lengkapi
Pedoman QA/QC Inventarisasi GRK Indonesia 19
Tabel 6-4 dengan daftar tenaga ahli yang melakukan review terhadap inventarisasi GRK. Jika
dimungkinkan, tenaga ahli ini bukan bagian dari lembaga yang bertanggung
jawab terhadap inventarisasi GRK Indonesia. Tenaga ahli dapat berasal dari
lembaga nasional, internasional ataupun organisasi lainnya yang memiliki
keahlian di bidang GRK. Jika tenaga ahli dari pihak ketiga tidak tersedia, staf
yang berasal dari lembaga yang bertanggung jawab terhadap IGRK (tidak terlibat
langsung di dalam sistem IGRK) dapat melaksanakan review. Ketika
melaksanakan QA, tenaga ahli harus fokus terhadap kategori-kategori yang
diklasifikasikan sebagai sumber emisi utama ataupun kategori-kategori yang
mangalami perubahan metodologi secara signifikan.
Team QA hasil IGRK membahas isu teknis terkait dengan penggunaan metodologi, pemilihan
data Aktifitas serta pengembangan dan pemilihan fakto r emisi. Merujuk kepada praktek yang
dilakukan oleh UNFCCC, penangungjawab IGRK nasional, yaitu Direktorat Inventarisasi GRK
dan Monitoring, Pelaporan dan Verifikasi (Dit IGRK-MPV), dapat membentuk team QA hasil
IGRK yang meliputi anggota dari Subdit MPV Lahan dan non Lahan dan expert yang terdaftar
Roster of Expert (RoE) di SRN. Tenaga ahli yang masuk ke dalam daftar RoE harus memenuhi
spesifikasi keahlian tententu terkait dengan IGRK (
20 Pedoman QA/QC Inventarisasi GRK Indonesia
Tabel 6-4).
Pedoman QA/QC Inventarisasi GRK Indonesia 21
Tabel 6-4. Review eksternal terkait QA
Nama Organisasi Bidang Keahlian Kontak Ringkasan komentar
6.7 Inisiasi pengembangan perencanaan QA/QC
Langkah 6: Bagian penting dari perencanaan QA/QC adalah terus melakukan
peningkatan terhadap sistem perencanaan (sebagai contoh: ketika terjadi
perubahan proses ataupun terdapat masukan dari reviewer eksternal). Isi
Tabel 6-5 dengan kritik dan saran peningkatan QA/QC
Baris yang ada di Tabel 6-5 dapat ditambah sesuai kebutuhan untuk
memastikan semua detail informasi rencana peningkatan QA/QC
tersampaikan
Untuk meningkatkan proses inventarisasi GRK dan mendampingi proses estimasi emisi, Dit
IGRK-PPV melaksanakan perencanaan dan pengembangan QA/QC seperti yang tertulis pada
Tabel 6-5.
Tabel 6-5. Peningkatan perencanaan QA/QC
Jenis peningkatan/ perbaikan
Sektor Kategori Potensi Peningkatan
QA QC
6.8 Tambahan QA/QC Checklist
Checklist koordinator QA/QC
Aktifitas Informasi telah lengkap
Nama Tanggal
Klarifikasi dan komunikasi tugas dan tanggung jawab QA/QC ke semua koordinator sektor dan K/L terkait.
Mengembangkan checklist QA/QC yang cocok untuk setiap
koordinator sektor dan K/L terkait (lihat Tabel 6-2 dan
Tabel 6-3 sebagai contoh)
Mendistribusikan checklist QA/QC ke koordinator sektor dan K/L terkait serta membuat tenggat waktu penyelesaian
Memastikan waktu penyelesaian yang akurat untuk setiap checklist QA/QC dan aktifitas terkait dengan menghubungi koordinator sektor dan K/L terkait secara berkala
Mengumpulkan checklist QA/QC yang telah lengkap beserta dengan formulir terkait
Melakukan review terhadap checklist QA/QC yang telah lengkap beserta dengan formulir terkait (kelengkapan dan akurasi)
Melaporkan hasil dokumentasi aktifitas QA/QC ke penanggung jawab inventarisasi GRK nasional dan koordinator pengarsipan
Mengkoordinasi review eksternal terhadap dokumen inventarisasi
22 Pedoman QA/QC Inventarisasi GRK Indonesia
GRK dan memastikan komentar dari tenaga ahli telah terakomodasi di dalam dokumen inventarisasi GRK. Tahapan untuk mengkoordinasikan review eksternal yaitu sebagai berikut: 1. Identifikasi review eksternal (contoh: melalui koordinator sektor) 2. Tentukan jadwal review 3. Membuat format review (dibuat dalam Word atau Excel) 4. Menghubungi tenaga ahli/reviewer untuk menginformasikan
kepada mereka jadwal serta ekspektasi 5. Mendistribusikan draf inventarisasi GRK untuk dilakukan review 6. Mengumpulkan dan menggabungkan masukan dari tenaga ahli 7. Melaporkan rangkuman masukan dari tenaga ahli ke penanggung
jawab inventarisasi GRK nasional dan koordinator pengarsipan 8. Memperbaharui draft inventarisasi GRK sesuai dengan masukan
yang ada
Checklist Penanggung jawab IGRK Nasional: Pemeriksaan antar sektor untuk
memastikan kualitas IGRK
Aktifitas Informasi telah lengkap
Nama Tanggal
Perhitungan emisi untuk semua kategori emisi dan serapan
Identifikasi parameter yang biasa digunakan untuk semua kategori (contoh: faktor konversi, koefisien karbon konten, dll) dan pemeriksaan terhadap konsistensi
Pemeriksaan laporan perbandingan nilai yang menggunakan data input yang sama (contoh: data populasi hewan ternak)
Pemeriksaan antar kategori yang menggunakan set data elektronik yang sama (contoh: keterkaitan data populasi hewan ternak terhadap perhitungan fermentasi enterik dan manure management
Pemeriksaan jumlah digit atau desimal yang signifikan untuk parameter, faktor konversi, faktor emisi atau data aktifitas yang konsisten untuk setiap kategori
Pemeriksaan total emisi yang dilaporkan secara konsisten (dalam hal digit yang signifikan dan jumlah desimal) untuk setiap kategori
Pemeriksaan terhadap data emisi yang telah diagregasi secara tepat dari tingkat pelaporan terbawah hingga tertinggi
Lainnya: (tolong tuliskan)
Dokumentasi
Periksa jika metode dokumentasi telah diterapkan secara konsisten untuk semua kategori
Lainnya: (tolong tuliskan)
Kelengkapan informasi
Pemeriksaan untuk kelengkapan informasi semua kategori dan tahun
Pemeriksaan terhadap kesenjangan data telah diidentifikasi dan dilaporkan sesuai dengan kaidah yang ada
Lainnya: (tolong tuliskan)
Mengelola file umum inventarisasi GRK: spreadsheets dan dokumen inventarisasi
Apakah prosedur pengaturan file inventarisasi GRK telah dilakukan?
Lainnya: (tolong tuliskan)
Pedoman QA/QC Inventarisasi GRK Indonesia 23
Checklist Penanggung jawab IGRK Nasional: Pemeriksaan Dokumen Inventarisasi GRK
Aktifitas Informasi telah lengkap
Nama Tanggal
Bagian awal dokumen
Halaman depan sudah diisi dengan tanggal, judul, dan informasi kontak
Daftar isi/table/gambar sudah akurat: judul sesuai dengan dokumen, halaman telah sesuai; nomor halaman sudah berurutan dan tidak ada kesalahan penulisan
Ringkasan eksekutif dan pendahuluan sudah diperbaharui sesuai dengan tahun pengerjaan inventarisasi GRK dan kondisi terkini
Lainnya: (tolong tuliskan)
Tabel dan Gambar
Semua nomor tabel sudah sesuai dengan spreadsheet yang ada
Pastikan semua tabel sudah memiliki angka yang sesuai
Periksa struktur tabel dan gambar di bagian kolom dan label
Pastikan format tabel sudah sesuai
Periksa semua gambar telah diperbaharui dengan data yang baru dan referensi di teks
Periksa judul tabel dan gambar agar akurat dan konsisten terhadap konten
Lainnya: (tolong tuliskan)
Persamaan
Periksa konsistensi dari persamaan-persamaan yang ada
Periksa variabel yang digunakan dalam persamaan telah sesuai dengan format yang ada
Lainnya: (tolong tuliskan)
Referensi
Periksa konsistensi dari referensi dan apakah sudah cocok dengan sitasi yang ada di konten
Lainnya: (tolong tuliskan)
Format umum
Semua akronim yang disebutkan pertama kali harus secara konsisten digunakan di semua bab
Semua fonts dalam text, heading, judul, dan sub-heading harus konsisten
Catatan dan komentar harus dikeluarkan dari dokumen
Semua style dan ukuran dari bullets harus konsisten
Ejaan yang digunakan telah lengkap
Lainnya: (tolong tuliskan)
Isu lainnya:
Periksa apakah semua bagian telah diperbaharui sesuai tahun pembuatan dokumen inventarisasi GRK
Lainnya: (tolong tuliskan)
24 Pedoman QA/QC Inventarisasi GRK Indonesia
Box 1: Best practice pedoman QA/QC di sub-sektor ketenagalistrikan
Dirjen ketenagalistrikan, kementerian ESDM saat ini telah menyusun suatu pedoman
Inventarisasi GRK untuk pembangkit listrik. Pedoman ini dibuat untuk mendukung sistem
pelaporan inventarisasi GRK bidang sub-sektor energi ketenagalistrikan yang bersifat bottom
up. Dengan adanya pedoman ini diharapkan kualitas dari inventarisasi GRK untuk sub-
bidang ketenagalistrikan dapat dipertanggungjawabkan.
Di dalam pedoman ini, sub-sektor ketenagalistrikan juga membahas skema QA/QC yang
telah dikembangkan untuk sistem inventarisasi GRK sub-sektor/unit pelaksana. Pedoman
QA/QC ini merujuk pada Perpres no 71/2011 terkait dengan inventarisasi GRK nasional yang
di dalamnya menjelaskan agar K/L terkait harus mengembangkan sistem penjaminan dan
pengendalian mutu sesuai standar pedoman IPCC. Proses pelaksanaan QA/QC untuk
pembangkit listrik atau unit pelaksana di sub-sektor ketenagalistrikan terlampir pada gambar
berikut:
Gambar 6-1. Proses QA/QC sub-sektor ketenagalistrikan (sumber: Pedoman IGRK Pembangkit, 2018)
Aktifitas QC di pembangkit/unit pelaksana meliputi pengecekan tingkat akurasi data dan
penghitungan, penggunaan prosedur standar (IPCC 2006) untuk perhitungan emisi,
pendugaan ketidapastian, pendokumentasian data dan pelaporan. Aktifitas QA di sub-sektor
ketenagalistrikan dikembangkan untuk melakukan validasi/review terhadap hasil perhitungan
emisi unit pembangkit listrik. Aktifitas QA dilaksanakan oleh induk perusahaan pembangkit
dan DJK-ESDM. Proses pelaksanaan QA dilakukan setelah proses QC sudah dilakukan oleh
unit pelaksana. Hal ini bertujuan agar memastikan penyelenggaraan inventarisasi GRK yang
dilakukan oleh unit pelaksana telah dilakukan berdasarkan prosedur dan standar yang telah
berlaku.
Sumber: Pedoman IGRK Pembangkit Tahun 2018
Pedoman QA/QC Inventarisasi GRK Indonesia 25
DAFTAR PUSTAKA
Eggleston, H., Buendia, L., Miwa, K., Ngara, T., & Tanabe, K. (2006). IPCC Guidelines for
National Greenhouse Gas Inventories Prepared by the National Greenhouse Gas
Inventories Programme. In IPCC. IGES.
Hallsdottir, B., & Guðmundsson, J. (2017). Quality Assurance and Quality Control Plan for the
Icelandic Greenhouse Gas Inventory. Reykjavík.
Intergovernmental Panel on Climate Change, 2006. 2006 IPCC guidelines for national
greenhouse gas inventories. Intergovernmental Panel on Climate Change.
Kementerian ESDM, DJK. (2018). Pedoman Penghitungan dan Pelaporan Inventarisasi Gas
Rumah Kaca Bidang Energi - Sub Bidang Ketenagalistrikan. Jakarta.
Kementerian Lingkungan Hidup dan Kehutanan. (2017). P.73/MenLHK/Setjen/Kum.1/12/2017.
Pedoman Penyelenggaraan dan Pelaporan Inventarisasi Gas Rumah Kaca Nasional.
Jakarta.
Tanabe, K. and Wagner, F., (2003). Good practice guidance for land use, land-use change and
forestry. Institute for Global Environmental Strategies, Hayama, Kanagawa, Japan.
Available at: http://www. ipcc-nggip. iges. or. jp/public/gpglulucf/gpglulucf. htm.
LAMPIRAN 1. MENGATASI KESENJANGAN DATA
LAMPIRAN 1.
MENGATASI KESENJANGAN DATA
Mengatasi Kesenjangan Data 27
1. PENDAHULUAN
Pada pengumpulan data GRK seperti data aktifitas dan faktor emisi, diperlukan kelengkapan
data dalam periode waktu tertentu. Namun, masalah akan muncul ketika data yang diperlukan
untuk perhitungan emisi tidak lengkap atau bahkan tidak terserdia. Dalam kasus seperti itu
beberapa pendekatan terkait pengisian data kosong/hilang diperlukan sehingga diperoleh data
yang lengkap untuk semua seri waktu. Beberapa pendekatan/teknik untuk mengatasi
kesenjangan data (mengisi data hilang; IPCC Guideline 2006):
i. Tumpang tindih (overlap)
ii. Penggantian data (surrogate data)
iii. Interpolasi
iv. Ekstrapolasi
Dalam kegiatan pengendalian mutu (QC), personel yang bertanggung jawab harus memastikan
bahwa metode-metode pendekatan pengisian kesenjangan data telah digunakan secara benar
dan sesuai dengan pedoman IPCC.
2. PENDEKATAN DALAM MENGATASI KESENJANGAN DATA
Beberapa pendekatan/teknik yang tersedia dapat digunakan untuk melengkapi
kesenjangan/kekosongan data. Bagian ini menjelaskan teknik yang dapat digunakan untuk
menggabungkan metode untuk meminimalkan inkonsistensi potensial dalam rangkaian waktu.
Setiap teknik dapat sesuai dalam situasi tertentu, sebagaimana ditentukan oleh pertimbangan
seperti ketersediaan data dan sifat modifikasi metodologis. Memilih suatu teknik membutuhkan
evaluasi terhadap keadaan khusus, dan penentuan pilihan terbaik untuk kasus tertentu.
Merupakan praktik yang baik untuk melengkapi kesenjangan data dengan menggunakan lebih
dari satu teknik sebelum membuat keputusan akhir dan mendokumentasikan mengapa metode
tertentu dipilih. Pendekatan utama untuk rekalkulasi inventarisasi dirangkum dalam Tabel L.1
2-1.
Tabel L.1 2-1. Pendekatan/teknik untuk pengisian data hilang
Pendekatan Penerapan Catatan
Tumpang tindih (Overlap)
Data yang diperlukan untuk menerapkan metode yang digunakan sebelumnya dan metode baru harus tersedia setidaknya selama satu tahun, lebih banyak akan lebih bagus.
Paling dapat diandalkan ketika tumpang tindih antara dua atau lebih set perkiraan tahunan dapat dinilai.
Jika tren yang diamati menggunakan metode yang digunakan sebelumnya dan metode baru tidak konsisten, pendekatan ini bukan pilihan yang tepat.
Data Pengganti (Surrogate data)
Faktor emisi, data aktivitas atau parameter estimasi lainnya yang digunakan dalam metode baru berkorelasi kuat dengan data indikatif lainnya yang lebih dikenal dan lebih tersedia.
Beberapa set data indikatif (tunggal atau dalam kombinasi) harus diuji untuk menentukan yang paling kuat berkorelasi.
Sebaiknya tidak dilakukan dalam waktu lama.
Interpolasi Data yang diperlukan untuk perhitungan ulang menggunakan metode baru tersedia untuk beberapa tahun berselang selama seri waktu.
Perkiraan dapat diinterpolasi secara linier untuk periode ketika metode baru tidak dapat diterapkan.
Metode ini tidak berlaku dalam kasus fluktuasi tahunan besar.
Ekstrapolasi Data untuk metode baru tidak dikumpulkan setiap tahun dan tidak tersedia di awal atau di akhir seri waktu.
Paling dapat diandalkan jika tren dari waktu ke waktu adalah konstan.
Tidak boleh digunakan jika tren
28 Mengatasi Kesenjangan Data
berubah (dalam hal ini, metode pengganti mungkin lebih tepat).
Sebaiknya tidak dilakukan dalam waktu lama.
Metode lainnya
Alternatif standar tidak valid ketika kondisi teknis berubah sepanjang rentang waktu (misalnya, karena pengenalan teknologi mitigasi)
Dokumentasikan pendekatan yang disesuaikan secara menyeluruh.
Bandingkan hasil dengan teknik standar.
2.1 Tumpang tindih (overlap)
Teknik tumpang tindih sering digunakan ketika metode baru diperkenalkan tetapi data tidak
tersedia untuk menerapkan metode baru pada tahun-tahun awal dalam rangkaian waktu,
misalnya ketika menerapkan metodologi tingkat yang lebih tinggi. Jika metode baru tidak dapat
digunakan untuk semua tahun, dimungkinkan untuk mengembangkan rangkaian waktu
berdasarkan hubungan (atau tumpang tindih) yang diamati antara dua metode selama tahun-
tahun ketika keduanya dapat digunakan. Pada dasarnya, rangkaian waktu dibangun dengan
mengasumsikan bahwa ada hubungan yang konsisten antara hasil dari metode yang digunakan
sebelumnya dan metode baru. Perkiraan emisi atau penghilangan untuk tahun-tahun ketika
metode baru tidak dapat digunakan secara langsung dikembangkan dengan secara
proporsional menyesuaikan perkiraan yang dikembangkan sebelumnya, berdasarkan pada
hubungan yang diamati selama periode tumpang tindih. Dalam hal ini, emisi atau penyerapan
yang terkait dengan metode baru diperkirakan sesuai dengan Persamaan L1. 2-1:
Persamaan L1. 2-1. Pengisian data hilang dengan metode Overlap
𝑦0 = 𝑥𝑜 ∗ (1
𝑛 − 𝑚 + 1 ∗ ∑
𝑦𝑖
𝑥𝑖
𝑛
𝑖=𝑚
)
Dimana
y0 = nilai emisi/serapan dugaan yang dihitung dengan metode overlap,
x0 = nilai emisi/serapan dugaan yang diduga dengan metode sebelumnya
yi dan xi = nilai dugaan yang diperoleh dari metode baru dan metode sebelumnya selama
periode waktu yang overlap yaitu dari tahun ke-m sampai ke-n
Hubungan antara metode yang digunakan sebelumnya dan metode baru dapat dievaluasi
dengan membandingkan tumpang tindih antara hanya satu set perkiraan tahunan, tetapi lebih
baik dibandingkan beberapa tahun. Ini karena membandingkan hanya satu tahun dapat
menyebabkan bias dan tidak mungkin mengevaluasi tren.
Gambar L.1 2-1. menunjukkan contoh hipotetis tumpang tindih yang konsisten antara dua
metode untuk tahun di mana keduanya dapat diterapkan. Pada Gambar L.1 2-2 tidak ada
tumpang tindih yang konsisten antara metode sehingga tidak cocok untuk menggunakan teknik
tumpang tindih dalam kasus seperti itu.
Mengatasi Kesejangan Data 29
Gambar L.1 2-1. Tumpang tindih yang konsisten antar dua metode
Hubungan lain antara perkiraan lama dan baru juga dapat diamati melalui penilaian tumpang
tindih. Misalnya, perbedaan konstan dapat diamati. Dalam hal ini, emisi atau penghilangan yang
terkait dengan metode baru diperkirakan dengan menyesuaikan estimasi sebelumnya dengan
jumlah konstan yang sama dengan perbedaan rata-rata pada tahun-tahun tumpang tindih.
Gambar L.1 2-2. Tumpang tindih yang tidak konsisten antar dua metode
30 Mengatasi Kesenjangan Data
2.2 Surrogate data
Metode pengganti digunakan ketika suatu data tidak tersedia, namun ada data lainnya yang
berkaitan erat dengan data tersebut dan memiliki korelasi tinggi (R2 > 0.5). Oleh karena itu, uji
korelasi perlu dilakukan terlebih dahulu sebelum menggunakan metode ini, Contoh data yang
berkaitan erat dan memiliki korelasi tinggi diantaranya adalah emisi dari air limbah domestik
mungkin terkait dengan populasi, dan emisi industri mungkin terkait dengan tingkat produksi
dalam industri yang relevan. Dalam bentuk yang paling sederhana, perkiraan akan terkait
dengan satu jenis data seperti yang ditunjukkan dalam Persamaan L1. 2-2:
Persamaan L1. 2-2. Pengisian data hilang dengan metode Surrogate
𝑦0 = 𝑦𝑡 ∗ (𝑠0
𝑠𝑡)
y0 dan yt = emisi/serapan dugaan tahun ke-0 dan ke-t
s0 dan st = parameter statistic surrogate tahun ke-0 dan ke-t
2.3 Interpolasi
Dalam beberapa kasus dimungkinkan untuk menerapkan metode secara intermiten di seluruh
rangkaian waktu. Sebagai contoh, statistik rinci yang diperlukan hanya dapat dikumpulkan
setiap beberapa tahun, atau mungkin tidak praktis untuk melakukan survei rinci setiap tahun.
Dalam hal ini, perkiraan untuk tahun-tahun menengah dalam rangkaian waktu dapat
dikembangkan dengan melakukan interpolasi antara perkiraan terperinci. Jika informasi tentang
tren umum atau parameter yang mendasari tersedia, maka metode pengganti lebih disukai.
Persamaan untuk mengisi data kosong dengan metode Interpolasi dapat dilihat pada
Persamaan L1. 2-3 di bawah ini.
Persamaan L1. 2-3. Pengisan data hilang dengan metode interpolasi
𝑌𝑡 = 𝑌𝑠𝑡𝑎𝑟𝑡 + (𝑇𝑡 − 𝑇𝑠𝑡𝑎𝑟𝑡
𝑇𝑒𝑛𝑑 − 𝑇𝑠𝑡𝑎𝑟𝑡 ) ∗ (𝑌𝑒𝑛𝑑 − 𝑌𝑠𝑡𝑎𝑟𝑡)
Ystart , Yend dan Yt = emisi/serapan dugaan tahun awal, akhir dan ke-t
Tstart , Tend dan Tt = tahun awal, akhir dan ke-t
Gambar L.1 2-3 menunjukkan contoh interpolasi linier. Dalam contoh ini, data untuk 1994 dan
1995 tidak tersedia. Emisi diperkirakan dengan asumsi pertumbuhan emisi tahunan konstan
dari 1993-1996. Teknik ini tepat dalam contoh ini karena tren keseluruhan tampak stabil, dan
tidak mungkin bahwa emisi aktual untuk 1994 dan 1995 secara substansial berbeda dari nilai
yang diprediksi melalui interpolasi. Untuk kategori yang memiliki kecenderungan emisi yang
mudah menguap (yaitu, mereka berfluktuasi secara signifikan dari tahun ke tahun), interpolasi
tidak akan sesuai dengan praktik yang baik dan data pengganti akan menjadi opsi yang lebih
baik. Praktiknya baik untuk membandingkan perkiraan interpolasi dengan data pengganti
sebagai pemeriksaan QA/QC.
Mengatasi Kesejangan Data 31
Gambar L.1 2-3. Interpolasi linear
2.4 Ekstrapolasi
Ketika perkiraan rinci belum disiapkan untuk tahun dasar atau tahun terbaru dalam inventaris,
mungkin perlu untuk memperkirakan dari perkiraan terperinci terdekat. Ekstrapolasi tren secara
konseptual mirip dengan interpolasi, tetapi sedikit yang diketahui tentang tren aktual.
Ekstrapolasi dapat dilakukan baik ke depan (untuk memperkirakan emisi atau kepunahan yang
lebih baru) atau mundur (untuk memperkirakan tahun dasar). Ekstrapolasi tren hanya
mengasumsikan bahwa tren yang diamati dalam emisi / penyerapan selama periode ketika
perkiraan rinci tersedia tetap konstan selama periode ekstrapolasi. Dengan asumsi ini, jelas
bahwa ekstrapolasi tren tidak boleh digunakan jika perubahan tren tidak konstan dari waktu ke
waktu. Dalam situasi ini, akan lebih tepat untuk mempertimbangkan menggunakan ekstrapolasi
berdasarkan data pengganti. Ekstrapolasi juga tidak boleh digunakan dalam jangka waktu lama
tanpa pemeriksaan rinci pada interval untuk mengkonfirmasi validitas tren yang berlanjut.
Dalam kasus data periodik, bagaimanapun, ekstrapolasi akan menjadi awal dan titik data akan
dihitung ulang pada tahap selanjutnya. Untuk mengisi data kosong dengan metode Ekstrapolasi
dapat digunakan Persamaan L1. 2-4 di bawah ini.
Persamaan L1. 2-4. Pengisian data hilang dengan metode Ekstrapolasi
𝑌𝑡 = 𝑌𝑡−1 + (𝑌𝑡−1 − 𝑌𝑡−2)
Yt, Yt-1 dan Yt-2 = emisi/serapan dugaan tahun ke-t , t-1 dan t-2
Gambar L.1 2-4 dalam bagian ini menunjukkan contoh di mana data aktivitas hanya tersedia
secara berkala untuk suatu periode tertentu, namun untuk tidak tersedia data untuk beberapa
tahun terakhir. Data untuk beberapa tahun terakhir dapat diekstrapolasi berdasarkan tren yang
konsisten, atau atas dasar data yang sesuai. Perlu dicatat, bagaimanapun, bahwa
ketidakpastian perkiraan ekstrapolasi meningkat sebanding dengan lamanya waktu di mana
ekstrapolasi dibuat. Setelah set data periodik terbaru tersedia, perlu kalkulasi ulang bagian dari
rangkaian waktu yang telah diperkirakan menggunakan ekstrapolasi tren.
32 Mengatasi Kesenjangan Data
Gambar L.1 2-4. Ekstrapolasi linear
Tidak seperti data yang tersedia secara berkala, ketika data tidak tersedia untuk tahun-tahun
pertama dalam rangkaian waktu (misalnya, tahun dasar dan data tahun dasar pra pada
misalnya pembuangan limbah dan penggunaan lahan) tidak ada kemungkinan mengisi
kesenjangan dengan survei di masa depan. Ekstrapolasi tren kembali dalam waktu mungkin
tetapi harus dilakukan dalam kombinasi dengan teknik splicing lainnya seperti data pengganti
dan tumpang tindih. Beberapa negara yang telah mengalami transisi administratif dan ekonomi
yang signifikan sejak tahun 1990 tidak memiliki data aktivitas yang konsisten untuk seluruh
rangkaian waktu, terutama jika kumpulan data nasional mencakup wilayah geografis yang
berbeda di tahun-tahun sebelumnya. Untuk mengekstrapolasi mundur dalam kasus ini, perlu
untuk menganalisis hubungan antara set data aktivitas yang berbeda untuk periode yang
berbeda, mungkin menggunakan beberapa set data pengganti.
2.5 Metode lainnya
Dalam beberapa kasus, mungkin perlu mengembangkan pendekatan khusus untuk
memperkirakan emisi dari waktu ke waktu. Misalnya, alternatif standar mungkin tidak valid
ketika kondisi teknis berubah sepanjang rentang waktu (misalnya, karena pengenalan teknologi
mitigasi). Dalam hal ini, perlu diperhatikan secara seksama tren di semua faktor yang diketahui
memengaruhi emisi atau penghapusan selama periode tersebut. Jika pendekatan khusus
digunakan, adalah praktik yang baik untuk mendokumentasikannya secara menyeluruh, dan
khususnya untuk memberikan pertimbangan khusus tentang bagaimana perkiraan emisi yang
dihasilkan dibandingkan dengan yang akan dikembangkan menggunakan alternatif yang lebih
standar.
LAMPIRAN 2. ANALISIS KETIDAKPASTIAN
LAMPIRAN 2.
ANALISIS KETIDAKPASTIAN
Analisis Ketidakpastian 34
1. PENDAHULUAN
Ketidakpastian (uncertainty) dapat dimaknai sebagai kurangnya pengetahuan tentang nilai
sebenarnya (true value) dari suatu peubah yang bisa dideskripsikan dalam bentuk sebaran
kepekatan peluang atau probability density function (PDF) yang mencirikan besar selang
kemungkinan nilai dari peubah tersebut. Analisis ketidakpastian merupakan bagian penting dari
sistem inventarisasi emisi gas rumah kaca. Analisis ini dilakukan untuk bagian-bagian
komponen seperti faktor emisi, data aktivitas dan parameter estimasi lainnya untuk setiap
kategor emisi. Analisis ketidakpastian perlu dilakukan untuk membantu memprioritaskan upaya
nasional agar dapat mengurangi ketidakpastian inventarisasi di masa depan serta memandu
pembuatan keputusan terkait pemilihan metode yang akan digunakan.
Panduan lengkap mengenai analisis ketidakpastian, termasuk teknis pendugaan dan
pelaporannya telah dibahas secara lengkap pada dokumen IPCC Good Practice Guidance
(Chapter 6) dan IPCC 2006 Guidelines (Volume III, Chapter 3). Panduan ini akan membahas
secara ringkas mengenai (i) identifikasi sumber ketidakpastian, (ii) teknis perhitungan tingkat
ketidakpastian, (iii) ketidakpastian gabungan, beserta (iv) contoh analisis ketidakpastian.
2. ANALISIS KETIDAKPASTIAN
Analisis ketidakpastian dalam Inventarisasi Gas Rumah Kaca Nasional merupakan suatu
proses yang terdiri dari beberapa langkah. Identifikasi sumber penyebab ketidakpastian
merupakan langkah awal yang perlu dilakukan. Setelah mengetahui sumber ketidakpastian,
langkah selanjutnya dalam melakukan analisis ketidakpastian adalah dengan mencari tingkat
ketidakpastian untuk masing-masing Data Aktifitas (DA), Faktor Emisi (FE) maupun Parameter
Lainnya (PL) yang ada pada setiap kategori emisi. Tingkat ketidakpastian dari masing-masing
komponen tersebut selanjutnya digunakan untuk menghitung ketidakpastian gabungan
(combined uncertainties) dalam satu tahun data inventarisasi Gas Rumah Kaca (GRK) Nasional
beserta kecenderungan (trend) ketidakpastian dari data dua tahun inventarisasi GRK Nasional.
Pada pedoman ini, perhitungan ketidakpastian gabungan dilakukan dengan menggunakan dua
pendekatan, yaitu penggandaan kesalahan (propagation error) dan simulasi Monte Carlo. Untuk
contoh penggunaan kedua pendekatan tersebut pada sektor Land Use, Land Use Change and
Forestry (LULUCF) dapat dilihat pada Bab 3: Contoh Analisis Ketidakpastian.
2.1 Identifikasi Sumber Ketidakpastian
Mengacu pada dokumen IPCC Guidline 2006 dan Permen KLHK No.73 Tahun 2017, sumber
penyebab besarnya tingkat ketidakpastian yang harus dicermati dalam inventarisasi GRK
diantaranya adalah:
a. Ketidaktersediaan dan/atau ketidaklengkapan data (karena data tidak seluruhnya
tersedia atau teknik pengukurannya belum tersedia)
b. Bias dalam penggunaan model
c. Ketidakterwakilan data
d. Kesalahan acak (contoh: karena data atau faktor emisi yang digunakan berasal dari
pengambilan contoh yang sangat sedikit)
e. Kesalahan Pengukuran
f. Kesalahan pelaporan atau klasifikasi
g. Kehilangan data
Dengan mengetahui sumber-sumber penyebab ketidakpastian dalam sistem inventarisasi GRK
Nasional, khususnya sumber utama penyumbang ketidakpastian, maka perhatian lebih serta
Analisis Ketidakpastian 35
perbaikan perlu diprioritaskan pada sumber tersebut untuk mengurangi ketidakpastian dalam
inventarisai GRK di masa mendatang.
2.2 Tingkat Ketidakpastian
Secara statistik, tingkat ketidakpastian dapat diartikan sebagai presentase setengah nilai dari
selang kepercayaan (α) sebesar 95% dibagi dengan nilai rata-rata pengukuran (μ),
sebagaimana dijelaskan pada Persamaan L2. 2-1.
Persamaan L2. 2-1. Tingkat ketidakpastian
% 𝑢𝑛𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑡𝑦 =
12
∗ 𝑙𝑒𝑏𝑎𝑟 𝑠𝑒𝑙𝑎𝑛𝑔 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛
𝜇 ∗ 100
% 𝑢𝑛𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑡𝑦 =
12
∗ 4𝜎
𝜇 ∗ 100 =
2𝜎
𝜇 ∗ 100
di mana, σ merupakan standar deviasi sedangkan μ adalah nilai rata-rata pengukuran
𝜎 = √∑ (𝑥𝑖 − 𝜇)2𝑛
𝑖=1
𝑛 − 1
Ilustrasi tingkat ketidakpastian dari suatu set data yang memiliki sebaran normal dapat dilihat
pada Gambar L.2 2-1. di berikut ini.
Gambar L.2 2-1. Ilustrasi tingkat ketidakpastian dari suatu set data (α = 95%)
Contoh 1
Misalkan dari pengukuran berulang sebanyak 1000 kali untuk menetapkan besar Faktor Emisi
(FE) dari suatu sumber emisi diperoleh nilai FE yang nilainya berkisar dari 0.5 sampai 1.5
dengan nilai rata-rata 1.0. Untuk menetapkan tingkat ketidakpastian, digunakan selang
kepercayaan 95%, dengan nilai-nilai FE yang tersebar antara nilai yang berada pada urutan ke
25 terkecil (persentil 2.5%) dan urutan 975 terbesar (persentil 97.5%). Misalkan nilai FE pada
nomor urut ke-25 (terkecil) ialah 0.7 sedangkan pada nomor urut ke-975 (terbesar) ialah 1.3.
Lebar selang kepercayaan pada pengukuran tersebut diketahui sebesar 0.6. Berdasarkan nilai-
nilai tersebut, tingkat ketidakpastian dari FE adalah:
% 𝑢𝑛𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑡𝑦 =
12 ∗ (1.3 − 0.7)
1 ∗ 100 = 30%
36 Analisis Kategori Kunci
Contoh 2
Berdasarkan hasil pengukuran sebanyak sembilan kali pada suatu Data Aktifitas (DA)
didapatkan nilai berikut: 18, 15, 20, 18, 25, 22, 21, 18 dan 20. Nilai rata-rata dari pengukuran
tersebut adalah 19.67 dengan standar deviasi sebesar 2.71. Dengan menggunakan selang
kepercayaan 95%, tingkat ketidakpastian dari DA tersebut adalah:
% 𝑢𝑛𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑡𝑦 = 2 ∗ 2.71
19.67 ∗ 100 = 28%
2.3 Ketidakpastian Gabungan
Inventarisasi GRK Nasional terdiri dari sejumlah sumber emisi maupun rosot yang terbagi
dalam beberapa kategori dan sub-kategori. Untuk mengetahui ketidakpastian gabungan dari
berbagai sumber emisi, terdapat dua pendekatan, yaitu penggandaan kesalahan (propagation
error) dan simulasi Monte Carlo.
2.3.1 Pendekatan 1 – Penggandaan kesalahan
Pendekatan 1 dapat digunakan untuk memperkirakan ketidakpastian dalam kategori individual,
dalam inventarisasi secara keseluruhan, serta kecenderungan antara data dua tahun
inventariasi (misal: tahun terakhir dilakukannya inventarisasi dan tahun dasar).
a. Asumsi dasar yang harus dipenuhi
Dalam Pendekatan 1 ketidakpastian dari emisi atau penyerapan dapat dihitung dari
ketidakpastian yang ada pada data aktivitas, faktor emisi dan parameter estimasi lainnya
melalui persamaan penggandaan kesalahan (Mandel, 1984, Bevington dan Robinson, 1992).
Asumsi dasar yang harus dipenuhi dalam penggunaan Pendekatan 1 adalah sebagai berikut:
Jika ada korelasi antar data, maka korelasi dapat dimasukkan secara eksplisit atau data
dapat diagregasikan ke tingkat yang sesuai sehingga korelasi menjadi kurang penting
(bisa diabaikan)
Standar deviasi dibagi dengan nilai rata-rata bernilai < 0.3
Dalam perhitungan kecenderungan ketidakpastian pada tahun dasar dan tahun ke-t,
nilai ketidakpastian dalam FE dan DA diasumsikan bernilai sama
Jika salah satu asumsi dasar dari Pendekatan 1 tidak terpenuhi maka perhitungan
ketidakpastian akan lebih tepat jika dilakukan dengan menggunakan Pendekatan 2. Pada
prakteknya, pendekatan ini akan memberikan hasil yang informatif bahkan jika kriteria ini tidak
sepenuhnya dipenuhi dan beberapa korelasi tetap ada
b. Persyaratan utama dalam penggunaan Pendekatan 1
Untuk mengukur ketidakpastian menggunakan Pendekatan 1, perlu diketahui nilai rata-rata dan
standar deviasi untuk setiap data masukan, serta persamaan di mana semua data masukan
digabungkan untuk memperkirakan suatu luaran.. Setelah ketidakpastian pada setiap kategori
emisi di dalam inventarisasi GRK diketahui nilainya, nilai tersebut kemudian dapat digabungkan
untuk memberikan perkiraan mengenai ketidakpastian untuk seluruh inventarisasi di setiap
tahun dan kecenderungan ketidakpastian dari dua tahun data. Sebagaimana dibahas lebih
lanjut di bawah ini, perhitungan ketidakpastian gabungan dengan Pendekatan 1 dilakukan
dengan menggunakan dua aturan berupa penjumlahan dan perkalian.
c. Proses perhitungan
Perhitungan ketidakpastian gabungan pada suatu nilai yang merupakan hasi dari perkalian,
seperti pada suatu sub-kategori emisi yang nilai emisinya didapat dari hasil perkalian DA dan
FE, maka tingkat ketidakpastian gabungan dari kedua komponen tersebut bisa dihitung dengan
menggunakan Persamaan L2. 2-2.
Analisis Ketidakpastian 37
Persamaan L2. 2-2. Penggabungan ketidakpastiaan yang melibatkan perkalian
𝑈𝑡𝑜𝑡𝑎𝑙 = √𝑈12 + 𝑈2
2 + ⋯ + 𝑈𝑛2
di mana, Utotal merupakan persentase ketidakpastian gabungan yang bersumber dari
ketidakpastian komponen U1 hingga Un
Contoh 3:
Dalam perhitungan emisi pada aktifitas deforestasi digunakan nilai biomassa hidup sebagai FE,
dimana nilai tersebut didapat dari beberapa parameter input berupa diameter pohon, kerapatan
pohon, konversi biomassa menjadi karbon, rasio root-shoot dan model alometrik. Pada tutupan
lahan berupa hutan lahan kering primer (primary dryland forest), diketahui nilai ketidakpastian
dari perhitungan diameter pohon (4.2%), model alometrik (19,5% dari Chave et al., 2005),
kerapatan pohon (9.8%) konversi biomassa menjadi karbon (5,32% dari IPCC 2006), dan rasio
root-shoot (20% dari IPCC 2006). Ketidakpastian gabungan pada FE untuk tutupan lahan
tersebut adalah:
𝑈𝑡𝑜𝑡𝑎𝑙 = √4.22 + 19.52 + 9.82 + 5.322 + 202
𝑈𝑡𝑜𝑡𝑎𝑙 = √922.23 = 32.15 %
Untuk menghitung tingkat ketidakpastian gabungan yang melibatkan penjumlahan maupun
pengurangan sejumlah kategori emisi, seperti pada perhitungan tingkat ketidakpastian emisi
pada inventarisasi GRK di tingkat sektor dan Nasional, persamaan yang bisa digunakan adalah
sebagai berikut:
Persamaan L2. 2-3. Pengabungan ketidakpastian yang melibatkan penjumlahan
𝑈𝑡𝑜𝑡𝑎𝑙 = √(𝑈1 ∗ 𝑥1)2 + (𝑈2 ∗ 𝑥2)2 + ⋯ + (𝑈𝑛 ∗ 𝑥𝑛)2
|𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛|
dimana, U1, U2, … merupakan ketidakpastian dari kategori emisi 1, 2, dst.
x1, x2, … dst. merupakan estimasi emisi dari kategori emisi 1, 2, dst.
38 Analisis Kategori Kunci
Tabel L.2 2-1. Ketidapastian gabungan untuk sektor LULUCF
X A B C D E F G
IPCC Code
IPCC category
Gas
2000 emissions
or removals
2014 emissions
or removals
Activity data
uncertainty
Emission factor /
estimation parameter uncertainty
Combined uncertainty
Gg CO2 equivalent
Gg CO2 equivalent
% % %
3B1a Forest remaining Forest CO2 20,678 -127,701 12 16.1 20.08
3B1b Non-Forest to Forest CO2 -1,260 -3,675 12 16.1 20.08
3B2a Cropland remaining Cropland CO2 -41,587 -33,729 12 16.1 20.08
3B2b Non-Cropland to Cropland CO2 29,609 141,481 12 16.1 20.08
3B3a Grassland remaining Grassland
CO2 0 0 12 16.1 20.08
3B3b Non-Grassland to Grassland CO2 36,335 17,118 12 16.1 20.08
3B4a Wetland remaining Wetland CO2 0 0 12 16.1 20.08
3B4b Non-Wetland to Wetland CO2 0 0 12 16.1 20.08
3B5a Settlement remaining Settlement
CO2 0 0 12 16.1 20.08
3B5b Non-Settlement to settlement CO2 1,863 10,257 12 16.1 20.08
3B6a Otherland remaining Otherland CO2 0 0 12 16.1 20.08
3B6b Non-Otherland to Otherland CO2 29,585 134,546 12 16.1 20.08
3D Peat Decomposition CO2 268,575 341,735 20 50 53.85
3D Peat Fire CO2 161,571 499,389 25 50 55.90
Dengan menggunakan excel spreadsheet yang diadopsi dari IPCC Guidelines 2006 (lihat
Tabel), perhitungan ketidakpastian gabungan dapat dilakukan dengan mengikuti langkah-
langkah di dalam kotak berikut ini:
Langkah perhitungan ketidakpastian gabungan dengan Pendekatan 1 adalah sebagai berikut:
Langkah 1: Masukan informasi nilai emisi pada tahun dasar dan tahun berjalan untuk setiap
kategori emisi dan gas (kolom C dan D)
Langkah 2: Masukan informasi nilai ketidakpastian untuk data aktifitas dan faktor emisi pada
kolom E dan F secara berurutan
Langkah 3: Hitung nilai ketidakpastian gabungan untuk masing-masing kategori emisi pada
kolom G
Langkah 4: Hitung nilai kontribusi terhadap varian berdasarkan kategori emisi dan gas pada
tahun berjalan (kolom H)
Langkah 5: Hitung persentase ketidakpastian gabungan dari keseluruhan kategori emisi
Contoh 4:
Berdasarkan data inventarisasi GRK Nasional tahun 2000 dan 2014, pada sektor LULUCF
diketahui nilai emisi/serapan, tingkat ketidakpastian untuk DA dan FE serta ketidakpastian
gabungan untuk setiap kategori sebagaimana
Analisis Ketidakpastian 39
Tabel L.2 2-1.
Dengan mengikuti langkah-langkah perhitungan ketidakpastian serta menggunakan Persamaan
3, ketidakpastian gabungan di sektor LULUCF untuk masing-masing tahun adalah,
Ketidakpastian gabungan di sektor LULUCF pada tahun 2000:
𝑈𝑡𝑜𝑡𝑎𝑙 = √(20.08 ∗ 20678)2 + 20.08 ∗ −1260)2 + ⋯ + (55.9 ∗ 161571)2
|20678 − 1260 + ⋯ + 161571|
𝑈𝑡𝑜𝑡𝑎𝑙 = 33.86 %
Ketidakpastian gabungan di sektor LULUCF pada tahun 2014:
𝑈𝑡𝑜𝑡𝑎𝑙 = √(20.08 ∗ −127701)2 + 20.08 ∗ −3675)2 + ⋯ + (55.9 ∗ 499389)2
|127701 − 3675 + ⋯ + 499389|
𝑈𝑡𝑜𝑡𝑎𝑙 = 34.48 %
d. Kecenderungan ketidakpastian
Dengan menggunakan Pendekatan 1, perhitungan kecenderungan ketidakpastian nilai emisi
dari dua tahun berbeda dapat dibedakan berdasarkan dua tipe sensitivitas:
Sensitivitas Tipe A: presentase perubahan emisi keseluruhan antara tahun dasar dan
tahun terkahir dilakukannya inventarisasi, dihasilkan dari peningkatan emisi sebesar 1%
atau penghapusan dari kategori dan gas yang telah ditentukan pada tahun dasar dan
tahun berjalan.
Sensitivitas Tipe B: presentase perubahan emisi keseluruhan antara tahun dasar dan
tahun terkahir dilakukannya inventarisasi, dihasilkan dari peningkatan emisi sebesar 1%
atau penghapusan dari kategori dan gas yang telah ditentukan hanya pada tahun
berjalan saja.
Sensitivitas Tipe A dan Tipe B hanyalah variabel yang mempermudah prosedur penghitungan.
Hasil analisis tidak dibatasi hanya dengan kenaikan 1% emisi, tetapi tergantung pada
kisarannya ketidakpastian untuk setiap kategori. Ketidakpastian yang berkorelasi
sepenuhnya antara tahun akan dikaitkan dengan sensitivitas Tipe A sedangkan
ketidakpastian yang tidak berkorelasi antara tahun akan dikaitkan dengan sensitivitas
Tipe B.
Dengan menggunakan excel spreadsheet yang diadopsi dari IPCC Guidelines 2006 (Table L2.
2-2), perhitungan kecenderungan ketidakpastian dapat dilakukan dengan mengikuti langkah-
langkah di dalam kotak berikut ini:
Langkah perhitungan tren ketidakpastian dengan Pendekatan 1 adalah sebagai berikut:
Langkah 1: Hitung nilai sensitivitas untuk tipe A dan B pada kolom I dan J secara berurutan
40 Analisis Kategori Kunci
Langkah 2: Hitung ketidakpastian dalam tren emisi nasional yang disebabkan oleh
ketidakpastian faktor emisi atau parameter lainnya (kolom K)
Langkah 3: Hitung ketidakpastian dalam tren emisi nasional yang disebabkan oleh
ketidakpastian data aktivitas (kolom L)
Langkah 4: Nilai tren ketidakpastian dihitung berdasarkan perkalian kolom K dan L
Analisis Ketidakpastian 41
Ta
be
l L.2
2-2
. A
na
lisis
tre
n k
etid
akp
astia
n u
ntu
k s
ekto
r L
UL
UC
F
42 Analisis Kategori Kunci
Beberapa catatan yang perlu diperhatikan dalam perhitungan kecenderungan ketidakpastian
dijelaskan berikut ini:
Note A:
Jika yang diketahui hanya ketidakpastian gabungan untuk kategori (bukan untuk faktor emisi
dan data aktivitas secara terpisah), maka:
Jika nilai ketidakpastian berkorelasi sepanjang tahun, masukkan nilai ketidakpastian ke
dalam Kolom F, dan masukkan 0 di Kolom E;
Jika nilai ketidakpastian tidak berkorelasi sepanjang tahun, masukkan nilai
ketidakpastian ke dalam Kolom E, dan masukkan 0 di Kolom F
Note B:
|0.01 ∗ 𝐷𝑋 + ∑ 𝐷𝑖 − (0.01 ∗ 𝐶𝑋 + ∑ 𝐶𝑖)
(0.01 ∗ 𝐶𝑋 + ∑ 𝐶𝑖)∗ 100 −
∑ 𝐷𝑖 − ∑ 𝐶𝑖
∑ 𝐶𝑖∗ 100|
Dimana C dan D merupakan nilai emisi yang ada pada kolom tersebut
Note C:
Pada kasus di mana diasumsikan tidak ada korelasi antara faktor emisi, sensitivitas B harus
digunakan dan hasilnya dikalikan dengan √2
𝐾𝑥 = 𝐽𝑥 ∗ 𝐹𝑥 ∗ √2
Note D:
Pada kasus di mana korelasi antara data aktivitas diasumsikan, sensitivitas A harus digunakan
namun tidak perlu dikalikan dengan √2:
𝐿𝑥 = 𝐼𝑥 ∗ 𝐸𝑥
Analisis Ketidakpastian 43
2.3.2 Pendekatan 2 – Simulasi Monte Carlo
Simulasi Monte Carlo cocok digunakan untuk penilaian ketidakpastian pada suatu kategori
emisi secara rinci, terutama jika ketidakpastiannya besar, distribusi tidak normal, algoritma
berupa fungsi kompleks dan/atau terdapat korelasi antara beberapa set DA, FE, atau bahkan
keduanya. Dalam simulasi Monte Carlo, sampel acak dari input model (misal: model sederhan
perhitungan nilai emisi, dengan input DA dan FE) dihasilkan sesuai dengan fungsi kepekatan
peluang (probability distribution function; PDF) yang ditentukan untuk setiap input. Jika model
memiliki dua input atau lebih, maka sampel acak dihasilkan dari PDF untuk masing-masing
input, dan satu nilai acak untuk setiap input dimasukkan ke dalam model untuk sampai pada
satu perkiraan output model. Proses ini diulang selama sejumlah iterasi yang diinginkan untuk
sampai pada beberapa perkiraan output model. Estimasi berganda adalah nilai sampel dari
PDF dari output model. Dengan menganalisis sampel PDF dari output model, maka nilai mean,
standar deviasi, interval kepercayaan 95 persen, dan atribut lainnya dari output PDF dapat
disimpulkan. Simulasi Monte Carlo merupakan metode numerik, oleh karena itu ketepatan hasil
biasanya akan meningkat siring dengan meningkatnya jumlah iterasi (pengulangan).
a. Asumsi dasar yang harus dipenuhi
Perhitungan ketidakpastian gabungan lebih tepat menggunakan Pendekatan 2 untuk kondisi-
kondisi berikut:
tingkat ketidakpastian besar
distribusi data berupa non-Gaussian (tidak normal)
algoritma berupa fungsi yang kompleks
korelasi terjadi antara beberapa set data aktivitas, faktor emisi, atau keduanya
tingkat ketidakpastian berbeda untuk tahun yang berbeda pada inventarisasi
b. Persyaratan utama dalam penggunaan Pendekatan 2
Untuk melakukan perhitungan ketidakpastian gabungan dengan menggunakan Pendekatan 2,
syarat utama yang harus dipenuhi adalah diketahuinya PDF dari setiap input data yang akan
dihitung nilai ketidakpastian gabungannya. PDF dapat diperoleh dengan berbagai metode,
diantaranya adalah dengan analisis statistik dan pendapat ahli (expert judgement). Untuk
melakukan perhitungan ketidakpastian gabungan dengan Pendekatan 2 dibutuhkan data yang
mencukupi.
Analisis Monte Carlo dapat menangani fungsi kepekatan peluang dengan berbagai bentuk,
serta menangani berbagai tingkat korelasi (baik dalam waktu dan di antara kategori
sumber/rosot). Simulasi Monte Carlo dapat menangani model sederhana (misalnya,
inventarisasi emisi yang merupakan penjumlahan dari beberapa sumber dan rosot, yang
masing-masing diperkirakan menggunakan perkalian antara DA dan FE) serta model yang lebih
kompleks (misalnya, peluruhan orde pertama untuk CH4 dari tempat pembuangan akhir).
c. Proses perhitungan
Ilustrasi simulasi Monte Carlo secara lengkap dapat dilihat pada Gambar L.2 2-2. Proses
perhitungan untuk mendapatkan nilai ketidakpastian dengan menggunakan simulasi Monte
Carlo adalah sebagai berikut:
Langkah 1: Tentukan rincian dari kategori emisi yang akan dihitung nilai ketidakpastiannya.
Diantaranya adalah DA, FE, parameter estimasi lainnya, nilai rata-rata (mean), PDF dan
korelasi.
Langkah 2: Pilih nilai secara acak. Nilai input secara acak akan digunakan dalam perhitungan
emisi. Awal dari iterasi dimulai pada tahap ini. Untuk setiap data masukan (variabel), suatu nilai
dipilih secara acak berdasarkan PDF pada data masukan tersebut.
44 Analisis Kategori Kunci
Langkah 3: Perkirakan emisi. Variabel yang dipilih pada Langkah 2, masing-masing untuk DA
dan EF, digunakan untuk memperkirakan emisi dan serapan tahunan.
Langkah 4: Lakukan iterasi dan pantau hasilnya. Total terhitung dari Langkah 3 disimpan,
dan prosesnya kemudian diulangi dari Langkah 2. Hasil dari pengulangan digunakan untuk
menghitung mean dan PDF. Akhiri proses ketika tidak ada perubahan lagi pada nilai mean dan
PDF. Hasil dari pengulangan yang telah dilakukan digunakan untuk menghitung mean dan
PDF.
Gambar L.2 2-2. Ilustrasi proses perhitungan ketidakpastian dengan Pendekatan 2 (Sumber:
2006 IPCC Guidelines for National Greenhouse Gas Inventories, 2006)
Analisis Ketidakpastian 45
d. Kecenderungan ketidakpastian
Pendekatan 2 dapat digunakan untuk memperkirakan ketidakpastian dalam tren serta nilai
emisi absolut pada tahun tertentu. Perhitungan kecenderungan ketidakpastian merupakan
lanjutan dari proses sebelumnya. Langkah-langkah yang harus dilakukan adalah sebagai
berikut:
Langkah 1: Tentukan rincian sumber ketidakpastian pada suatu kategori emisi. Tentukan
PDF untuk FE, DA, dan parameter estimasi lainnya. Ini adalah proses yang sama seperti yang
dijelaskan sebelumnya, kecuali bahwa hal ini perlu dilakukan baik untuk tahun dasar dan tahun
berjalan dilakukannya inventarisasi, dan hubungan antara data perlu dipertimbangkan. Untuk
banyak kategori, FE yang sama akan digunakan untuk setiap tahun (yaitu, faktor emisi untuk
kedua tahun adalah 100 persen berkorelasi). Dalam kasus ini, satu PDF yang sama digunakan
untuk setiap tahun di langkah 3. Perlu diperhatikan bahwa perubahan dalam teknologi atau
praktik yang dilakukan akan mengubah faktor emisi dari waktu ke waktu. Dalam hal ini, dua FE
harus digunakan, yaitu FE yang memiliki korelasi yang lebih rendah atau nol. Jika FE
mengandung elemen acak atau bervariasi secara tak terduga dari tahun ke tahun, maka FE
yang terpisah juga harus digunakan (misalnya, kandungan karbon bahan bakar fosil yang dapat
berubah sesuai dengan pasokan pasar bahan bakar dan juga mengandung ketidakpastiannya
sendiri). Umumnya, ketidakpastian dalam DA diasumsikan tidak berkorelasi antara tahun,
sehingga dua distribusi harus dimasukkan, bahkan jika parameternya sama, sehingga dua
pilihan acak yang berbeda dari distribusi ini akan dihasilkan pada langkah 3.
Langkah 2: Pilih nilai secara acak. Suatu nilai acak (variabel) akan dipilih dengan
mempertimbangkan korelasi antara PDF.
Langkah 3: Perkirakan emisi. Variabel acak terpilih digunakan untuk menghitung total emisi.
Langkah 4: Hasil. Total emisi yang telah dihitung dalam Langkah 3 akan disimpan.
Pengulangan dari Langkah 2 diakhiri ketika tidak ada perubahan lagi pada nilai emisi. Semua
hasil diperkirakan pada saat yang bersamaan termasuk emisi/penyerapan sektoral untuk tahun
dasar maupun untuk tahun ke-t. Nilai kecenderungan antara antar duat tahun data dihitung
dengan Persamaan L2. 2-4 berikut:
Persamaan L2. 2-4. Kecenderungan ketidakpastian (Pendekatan 2)
𝐾𝑒𝑐𝑒𝑛𝑑𝑒𝑟𝑢𝑛𝑔𝑎𝑛 𝑘𝑒𝑡𝑖𝑑𝑎𝑘𝑝𝑎𝑠𝑡𝑖𝑎𝑛 = 𝐸𝑚𝑖𝑠𝑖𝑡 − 𝐸𝑚𝑖𝑠𝑖𝑡𝑎ℎ𝑢𝑛 𝑑𝑎𝑠𝑎𝑟
𝐸𝑚𝑖𝑠𝑖𝑡𝑎ℎ𝑢𝑛 𝑑𝑎𝑠𝑎𝑟
46 Analisis Kategori Kunci
Secara lengkap, ilustrasi proses perhitungan kecenderungan ketidakpastian pada dua tahun
inventarisasi dengan menggunakan Pendekatan 2 dapat dilihat pada Gambar L.2 2-3.
Gambar L.2 2-3. Proses penentuan tren ketidakpastian dengan Pendekatan 2 (Sumber: 2006
IPCC Guidelines for National Greenhouse Gas Inventories, 2006)
Analisis Ketidakpastian 47
3. Contoh Analisis Ketidakpastian
Pada bab ini diberikan contoh analisis ketidakpastian pada sektor Land Use, Land Use Change
and Forestry (LULUCF) dengan menggunakan Pendekatan 1 (penggandaan kesalahan) dan
Pendekatan 2 (Simulasi Monte Carlo).
3.1 Pendekatan 1 – Penggandaan kesalahan (Error Propagation)
3.1.1 Identifikasi sumber ketidakpastian dari Data Aktifitas
Data aktifitas yang digunakan untuk memperkirakan emisi deforestasi, degradasi hutan,
dekomposisi gambut, dan tanah bakau berasal dari peta tutupan lahan nasional yang dihasilkan
oleh KLHK. Peta tutupan lahan terdiri dari 23 kelas tutupan lahan yang diperoleh dengan
analisis data penginderaan jarak jauh (Landsat pada resolusi spasial 30 meter). Identifikasi
objek murni berdasarkan penampilan yang ada pada gambar. Klasifikasi manual-visual melalui
teknik digitalisasi on-screen berdasarkan elemen kunci dari gambar/interpretasi foto yang
diterapkan sebagai interpretasi/metode klasifikasi. Beberapa set data tambahan (termasuk
batas-batas konsesi penebangan dan perkebunan, batas kawasan hutan) digunakan selama
proses delineasi, untuk mengintegrasikan informasi tambahan yang berharga pada proses
klasifikasi.
Klasifikasi manual memakan waktu dan padat karya (Margono et al., 2012, Margono et al.,
2014). Ini melibatkan staf dari tingkat kabupaten dan provinsi untuk secara manual menafsirkan
dan mendigitalkan citra satelit. Validasi data untuk memastikan hasil klasifikasi dilakukan
dengan membandingkan peta tutupan lahan dengan data lapangan yang dikumpulkan
sesudahnya. Stratified random sampling adalah pendekatan yang dipilih untuk memverifikasi
peta klasifikasi. Kompilasi beberapa data kunjungan lapangan dalam interval tahun tertentu
dilaksanakan untuk penilaian akurasi. Hasil perbandingan dilakukan pada tabel akurasi (matriks
kontingensi), menghasilkan akurasi keseluruhan 88% untuk semua 23 kelas, dan 98% untuk
kelas agregat hutan dan non-hutan (Kemenhut, 2012, Margono et al., 2012).
Emisi dari dekomposisi gambut diperkirakan menggunakan data aktivitas yang berasal dari peta
lahan gambut, yang telah dipisahkan dari peta tutupan lahan dan diproduksi oleh KLHK.
Pengembangan peta lahan gambut di Indonesia terkait erat dengan proyek pemetaan tanah
untuk program pengembangan pertanian, yang dilakukan oleh Kementerian Pertanian.
Indonesia telah mengembangkan prosedur pemetaan lahan gambut berdasarkan penginderaan
jauh pada skala 1: 50.000 (SNI 7925: 2013). Peta lahan gambut Indonesia telah diperbarui dan
dirilis beberapa kali karena dinamika ketersediaan data. Peta Lahan Gambut versi terbaru pada
2011 dengan skala 1: 250.000 (skala nasional) digunakan untuk estimasi emisi.
Estimasi emisi dari penebangan terbatas pada data penebangan yang dilaporkan oleh
pemerintah. Setiap tahun, konsesi penebangan menyerahkan dokumen rencana kerja tahunan
yang berisi daerah penebangan yang pada tahun-tahun sebelumnya diserahkan ke dinas
kehutanan provinsi dan ke BPHP. Kami menggunakan 41 dokumen konsesi untuk menentukan
kawasan penebangan tahunan di Kalimantan Timur. Log tahunan yang dilaporkan dalam
laporan masih perlu disesuaikan, karena tidak semua hutan yang telah dilaporkan telah dicatat
atau dipengaruhi oleh praktik penebangan. Selain itu, Ellis (2016) juga menemukan bahwa
hanya 69% dari hutan bekas tebangan yang terkena dampak oleh praktik penebangan.
Berdasarkan praktik di atas, ada sejumlah sumber utama ketidakpastian dari DA yang
digunakan untuk memperkirakan emisi dari deforestasi, degradasi, dekomposisi gambut, tanah
bakau, dan penebangan. DA untuk tutupan hutan dan perubahan tutupan hutan yang
digunakan dalam estimasi emisi dari deforestasi, degradasi, dekomposisi gambut dan tanah
48 Analisis Kategori Kunci
bakau memiliki setidaknya tiga sumber ketidakpastian yaitu kualitas citra satelit, prosedur
interpretasi, dan kesalahan sampling yang terkait dengan proses memeriksa hasil interpretasi
dengan ground check. Sedangkan untuk areal penebangan, sumber utama ketidakpastian
terkait pemilihan faktor koreksi untuk memperoleh data aktivitas dari data yang dilaporkan dan
diolah. Deskripsi sumber ketidakpastian disajikan pada Tabel L.2 3-1.
Tabel L.2 3-1. Sumber ketidakpastian dari Data Aktivitas
No Sumber
ketidakpastian Deskripsi
1 Kualitas citra satelit Sistem pemantauan hutan nasional di Indonesia dikelola oleh Kementerian Lingkungan Hidup dan Kehutanan (KLHK). Sistem pemantauan ini menyediakan peta tutupan lahan secara berkala dengan mengolah citra satelit Landsat. Citra satelit Landsat cocok untuk tutupan lahan dan interpretasi perubahan tutupan lahan dalam hal resolusi spasial, spektral dan temporal. Namun, ada dua sumber kesalahan terkait dengan citra Landsat. Masalah pertama terkait dengan citra hilang dan perlu dimanipulasi menggunakan citra yang berbeda. Kedua, Indonesia adalah negara tropis yang memiliki banyak awan hampir sepanjang waktu. Bayangan awan dan cakupan awan akan mempengaruhi kualitas citra sehingga menghasilkan kesenjangan data. Batasan ini mempengaruhi proses interpretasi gambar.
2 Kartografi, proses interpretasi gambar, dan pembuatan peta tutupan lahan. (Pengetahuan dan kapasitas untuk interpretasi satelit)
Interpretasi citra satelit untuk menghasilkan peta tutupan lahan dilakukan oleh penerjemah terlatih yang menggunakan teknik penggambaran interpretasi manual atau visual. Prosedur Operasional Standar (SOP) dan manual disediakan untuk memandu penafsir melakukan interpretasi citra satelit. Interpretasi manual memakan waktu dan padat karya. Ini melibatkan staf dari tingkat kabupaten dan provinsi. Mereka diharapkan dapat menggunakan pengetahuan lokal mereka. Validasi data dilakukan melalui perbandingan tipe tutupan lahan dari interpretasi dengan ground truth. Kebenaran dasar menggunakan stratified random sampling. Kompilasi beberapa hasil ground truth dalam interval tahun tertentu digunakan untuk penilaian akurasi yang akan memberikan tingkat akurasi dari interpretasi kelas penutup lahan.
3 Kesalahan pengambilan sampel
Jumlah poin untuk mewakili kategori tutupan lahan akan menentukan tingkat akurasi penilaian. Kebenaran dasar akan mencerminkan keakuratan interpretasi dengan kondisi nyata. Ini membantu untuk menentukan keakuratan hasil interpretasi satelit. Oleh karena itu, jumlah titik pemeriksaan tanah akan secara signifikan mempengaruhi tingkat ketidakpastian.
4 Area penebangan selektif yang sebenarnya
Areal tebang pilih yang sebenarnya berasal dari dokumen rencana penebangan tahunan konsesi penebangan alami. Dokumen-dokumen ini dapat diakses dari instansi kehutanan provinsi Kalimantan Timur, tetapi datanya dikelola secara konvensional. Saat ini, tidak ada sistem manajemen basis data yang baik. Data sering hilang karena data pencatatan yang dilaporkan mungkin terlalu rendah. Selain itu, penggunaan asumsi pada areal penebangan yang terkena dampak nyata sebesar 69% mungkin tidak akurat karena faktor ini dihasilkan dari sejumlah daerah studi terbatas (pengambilan sampel kecil). Dengan demikian jumlah sampling berkontribusi pada ketidakpastian data ini.
Langkah-langkah untuk meminimalkan ketidakpastian pada Data Aktivitas
Minimalisasi kesalahan interpretasi yang biasanya menghasilkan kesalahan sistematis, adalah
melalui penerapan serangkaian prosedur operasi standar (SOP) yang konsisten dan
komprehensif, termasuk serangkaian penilaian kualitas dan proses pengendalian kualitas, dan
kesalahan sampling adalah melalui peningkatan contoh. Pelaksanaan prosedur QA / QC akan
ditingkatkan, melalui konsistensi yang digunakan dari SOP untuk interpretasi dan prosedur
pelatihan. Pemeriksaan konsistensi akan dilakukan oleh juru bahasa yang tidak terlibat dalam
Analisis Ketidakpastian 49
klasifikasi asli. Mengikuti ketentuan tentang verifikasi yang diberikan dalam Bab 3 - Volume 1
dari IPCC GL 2006, langkah-langkah QA / QC akan dilengkapi dengan verifikasi, yaitu melalui
penilaian akurasi. Verifikasi akan dilakukan oleh pihak ketiga dan yang akan berfungsi untuk
mengkonfirmasi kualitas estimasi yang dapat diterima dan akan memungkinkan untuk
mengoreksi bias dan ketidakpastian terkait.
3.1.2 Identifikasi sumber ketidakpastian dari Faktor Emisi
Faktor emisi yang digunakan untuk estimasi emisi dari LUCF adalah dari National Forest
Inventory (NFI) Plot - program nasional yang diprakarsai oleh Departemen Kehutanan pada
tahun 1989 dan didukung oleh Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa
(FAO) dan Bank Dunia melalui Proyek NFI. Dari tahun 1989 hingga 2013, lebih dari 3.900
cluster plot sampel, telah dikembangkan dan didistribusikan pada 20x20 km, 10x10 km dan 5x5
km grid di seluruh negeri (Ditjen Planologi Kehutanan, 2014). Setiap cluster terdiri dari 1ha size
permanent sample plot (PSP) dan sekitar 8 plot sampel sementara (TSP).
Sebagian besar plot didirikan di daerah-daerah di bawah ketinggian 1.000 m. Pohon individu
dalam PSP 1-ha diukur dalam 16 unit rekaman (RU) berjumlah 25x25 m sub-plot. Semua pohon
dengan diameter minimal 5 cm diukur untuk DBH, dan sub-set diukur untuk tinggi pohon total.
Pohon juga diklasifikasikan berdasarkan nama spesies lokal, karakteristik mahkota, kerusakan,
dan infestasi. Informasi situs, termasuk pengamatan terhadap gangguan dan regenerasi, dan
data non-pohon (bambu, rotan, dll) juga dicatat. Petak diklasifikasikan dalam berbagai jenis /
kondisi yang mencakup sistem lahan, ketinggian dalam kelas 100 m, penggunaan lahan, tipe
hutan, kondisi tegakan dan status perkebunan, dataran, kemiringan lereng, dan aspek. Protokol
yang digunakan dalam sampling lapangan dan desain sistem untuk pengolahan data plot untuk
NFI di Indonesia dijelaskan dalam Revilla (1992).
Sebanyak 4.450 pengukuran PSP dari NFI (1990-2013) di seluruh negeri tersedia untuk
pemrosesan dan analisis data. Semua pohon individu dalam plot diperiksa dan informasi plot
diperiksa untuk setiap plot untuk memastikan informasi yang benar, sebagai bagian dari proses
jaminan kualitas. Validasi data meliputi: (i) memeriksa lokasi petak yang dilapis dengan peta
tutupan lahan Departemen Kehutanan, (ii) memeriksa jumlah unit pencatat (petak-petak) di
setiap petak, (iii) memeriksa data pengukuran melalui penyaringan kelainan DBH dan nama
spesies masing-masing pohon di plot, (iv) memeriksa informasi tentang area basal, kepadatan
tegakan, dll.
Dari 4.450 data pengukuran yang tersedia dari PSP NFI, 80% berlokasi di lahan berhutan
sementara data yang tersisa berada di semak belukar atau lahan lainnya. Dari PSP yang
berlokasi di hutan, proses validasi data mengurangi jumlah data pengukuran yang dapat
digunakan menjadi 2,622 (74,1%) untuk analisis. PSP ini berlokasi di hutan lahan kering dan
hutan rawa. Data penelitian hutan tambahan terutama untuk hutan bakau di Indonesia
dimasukkan karena tidak ada catatan PSP yang ditemukan di tipe hutan ini.
Biomassa di atas tanah (above ground biomass; AGB) masing-masing pohon di plot
diperkirakan menggunakan model alometrik yang dikembangkan untuk hutan tropis pan (Chave
et al., 2005), yang menggunakan diameter setinggi dada (DBH) dan kerapatan kayu (WD) dari
spesies sebagai parameter kunci. Beberapa model alometrik lainnya juga diuji, termasuk
beberapa model alometrik lokal yang dikompilasi dalam Krisnawati et al. (2012). Namun,
ketersediaan model alometrik lokal yang spesifik untuk enam jenis hutan tidak semuanya
terwakili di tujuh pulau utama di Indonesia, sehingga model alometrik umum Chave et al. (2005)
dipilih, sebagai gantinya. Model ini telah ditemukan memiliki kinerja yang sama baiknya dengan
model lokal di hutan tropis Indonesia (Rutishauser et al., 2013; Manuri et al., 2014).Sumber
50 Analisis Kategori Kunci
ketidakpastian faktor emisi untuk penebangan dapat dikaitkan dengan keterampilan
pengetahuan staf lapangan dalam mengenali tingkat kematian dari tiga yang menderita
penebangan dan praktek penyaradan dalam mengukur luas jalan angkut dan halaman kayu
dan juga variasi kekosongan pohon.Berdasarkan praktik yang digunakan dalam menurunkan
data cadangan karbon, sumber ketidakpastian untuk EF pada kerapatan karbon jenis hutan
akan berasal dari pengukuran pohon, kesalahan model alometrik, kesalahan pengambilan
sampel, dan faktor konversi untuk biomassa menjadi karbon, dan termasuk keterampilan dan
pengetahuan staf lapangan. Analisis pada sumber ketidakpastian untuk faktor emisi disajikan
pada Tabel L.2 3-2.
Tabel L.2 3-2.Sumber ketidakpastian dari Faktor Emisi
No Sumber
ketidakpastian Deskripsi
1 Kesalahan pengukuran kayu
Pohon diukur dengan menilai Diameter tinggi pohon (DBH) dari pohon. Ini mengandung kesalahan sistematis atau acak. Kesalahan sistematis umumnya terjadi ketika SOP tidak pantas untuk mengukur DBH. Sedangkan kesalahan acak dapat terjadi karena kesalahan manusia yang dapat bervariasi dari satu ke yang lain.
2 Kesalahan model Allometric
Untuk memperkirakan total biomassa pohon (karbon), persamaan alometrik diterapkan menggunakan data pengukuran lapangan (DBH dan spesies pohon). Persamaan dari Chave dkk. (2015) dipilih dan diterapkan untuk Kalimantan Timur. Kesalahan model alometrik dapat dibagi dalam sumber-sumber berikut: a) kesalahan karena ketidakpastian koefisien model; b) kesalahan terkait dengan kesalahan model residu; c) pemilihan model alometrik. Kesalahan yang terkait dengan persamaan alometrik dapat bervariasi dari 5 dan 35% tergantung pada model yang dipilih (Van Breugel et al. 2011). Mengenai kesalahan pertama dan kedua, ini diharapkan dapat diabaikan karena ketidakpastian parameter dan kesalahan model residu Chave et al. (2014) sangat rendah. Oleh karena itu, diharapkan sumber utama kesalahan adalah pemilihan persamaan alometrik, yang relevan untuk Kalimantan Timur.
3 Kesalahan pengambilan sampel
Kesalahan sampling mungkin terjadi ketika analis tidak memilih sampel yang mewakili seluruh populasi data. Dalam kasus klasifikasi hutan, pengambilan sampel adalah analisis yang dilakukan dengan memilih kawasan hutan tertentu dari pengamatan dari area hutan yang lebih luas, dan pekerjaan ini dapat menghasilkan kesalahan sampling. Dari NFI, itu menunjukkan bahwa jumlah sampling untuk hutan mangrove sangat minimum. Sumber kesalahan ini juga dianggap dominan untuk karbon tanah untuk mangrove dan untuk faktor emisi untuk dekomposisi gambut. Karbon tanah untuk mangrove terbatas hanya 10 sampel, demikian juga karbon tanah untuk hutan mangrove yang dikonversi menjadi akuakultur. Faktor emisi untuk dekomposisi gambut berasal dari sejumlah lokasi terbatas di Indonesia.
4 Faktor konversi biomasa menjadi karbon
Untuk memperkirakan jumlah karbon di setiap tipe hutan, informasi tentang fraksi karbon diperlukan. Fraksi karbon biomassa (berat kering) diasumsikan sebesar 47% (1 ton biomassa = 0,47 ton C) mengikuti Pedoman IPCC 2006. Konversi C-stock menjadi ekuivalen karbon dioksida (CO2e) kemudian diperoleh dengan mengalikan C-stock dengan faktor 3,67 (44/12)
5 Ketrampilan dan pengetahuan untuk mengenali tingkat kematian pohon yang menderita penebangan dan praktek penyaradan, dan
Faktor emisi untuk emisi penebangan berasal dari pengukuran lapangan di 9 konsesi hutan di Kalimantan Timur dan Kalimantan Utara. Sumber utama kesalahan mungkin berasal dari kesalahan manusia ketika penilai mengukur pohon dan area yang diderita oleh kegiatan penebangan. Penilai harus memiliki keterampilan yang baik dalam mengenali pohon mati karena proses penyaradan, dan mengukur sisa pohon yang ditebang di hutan.
Analisis Ketidakpastian 51
mengukur luas jalan angkut dan halaman kayu.
6 Berbagai jenis kekosongan pada batang kayu
Jenis kekosongan yang berbeda dapat mempengaruhi estimasi emisi karbon dari pohon-pohon yang ditebang yang ditinggalkan di hutan. Variasi kelonggaran pohon cukup tinggi.
7 Pengukuran Tanah mangrove
Analisis stok karbon di tanah mangrove membutuhkan upaya lebih dibandingkan dengan tanah mineral. Kondisi tanah mangrove relatif menantang karena karakteristik tanah, ini menciptakan potensi kesalahan pengukuran. Kualitas / jenis peralatan yang digunakan untuk mengambil contoh tanah di bawah tanah juga menghasilkan kesalahan pengukuran. Menggunakan peralatan yang berkualitas / bersertifikat akan mengurangi kesalahan.
Langkah-langkah untuk meminimalkan ketidakpastian pada Faktor Emisi
Mirip dengan data aktivitas, upaya untuk meminimalkan ketidakpastian melalui penguatan
penggunaan konsistensi SOP termasuk pelatihan dan peningkatan jumlah sampling. Dalam
kasus EF untuk penebangan, karena sistem inventarisasi hutan nasional belum memasukkan
jenis EF ini, upaya untuk mengurangi ketidakpastian akan dilakukan melalui kegiatan-kegiatan
berikut:
Mengembangkan dan meningkatkan protokol audit pemantauan,
Mengintegrasikan protokol audit pemantauan ke dalam kurikulum pusat pelatihan
kehutanan nasional, untuk menghasilkan auditor yang terampil dalam unit KPH di
Kalimantan Timur. Pusat pelatihan harus dilakukan secara berkala dengan mengundang
staf lapangan terkait dari Unit KPH,
Menyediakan alat / peralatan pendukung yang tepat untuk membuat proses
pemantauan/audit lebih efisien
3.1.3 Kuantifikasi ketidakpastian
Kuantifikasi ketidakpastian dalam REL dilakukan dengan menggunakan metode ‘penggandaan
kesalahan sederhana’ (IPCC 2006). Kami menghitung ketidakpastian semua data aktivitas dan
faktor emisi sebelum digabungkan ke dalam perkiraan ketidakpastian rata-rata emisi GHG
tahunan. Perkiraan ketidakpastian dari AD dan EF untuk deforestasi, degradasi, dekomposisi
gambut dan bakau tanah diambil dari FREL Nasional dan sumber lain termasuk penggunaan
penilaian ahli. Ketidakpastian dari data aktivitas dan faktor emisi yang dikaitkan dengan
kegiatan ER (deforestasi dan degradasi hutan, dll.) digabungkan menggunakan Persamaan 2
sedangkan total ketidakpastian estimasi emisi dari semua kegiatan, dihitung menggunakan
Persamaan 3. Ketidakpastian AD dan EF terkait dengan kegiatan REDD disajikan pada Tabel
L.2 3-3. Dengan menggunakan data ini, ketidakpastian estimasi emisi historis yang digunakan
untuk pembangunan FREL berkisar antara 21% dan 29% dengan rata-rata sekitar 25%.
Tabel L.2 3-3.Ketidakpastian dari Data Aktivitas dan Faktor Emisi pada aktivitas REDD
No Aktivatas Uncertainty (%) Catatan
1 Deforestasi Data Aktivitas
12
Sumber ketidakpastian berasal dari kualitas gambar satelit yang buruk, kesalahan manusia pada proses interpretasi, dan jumlah kebenaran tanah yang tidak memadai yang digunakan untuk penilaian akurasi. Kesalahan 12% hanya dihitung di kelas hutan, bukan kelas tutupan lahan secara
52 Analisis Kategori Kunci
Faktor Emisi
29-44
keseluruhan. (Kemenhut, 2012, Margono et al. 2012). Metode untuk memperkirakan ketidakpastian biomasa hidup menggunakan penggandaan kesalahan (error propagation): sqrt(U1
2+ U22+ U3
2+ U4
2+ U52), subskrip 1, 2, 3, 4, dan 5 adalah
ketidakpastian untuk kesalahan pengukuran pohon (Dihitung), model alometrik (19,5% dari Chave et al, 2005), kerapatan kayu (Chave et al., 2004), konversi biomassa menjadi karbon (5,32% dari IPCC 2006), dan rasio root-shoot (20% dari IPCC 2006) masing-masing.
2 Degradasi Data Aktivitas Faktor Emisi
12
41-57
Sumber ketidakpastian berasal dari kualitas gambar satelit yang buruk, kesalahan manusia pada proses interpretasi, dan jumlah kebenaran tanah yang tidak memadai yang digunakan untuk penilaian akurasi. Kesalahan 12% hanya dihitung di kelas hutan, bukan kelas tutupan lahan secara keseluruhan. (Kemenhut, 2012, Margono et al. 2012). Metode untuk memperkirakan ketidakpastian biomasa hidup menggunakan penggandaan kesalahan (error propagation): sqrt(U1
2+ U22),
subskrip 1, dan 2 adalah ketidakpastian EF dari hutan primer dan hutan sekunder masing-masing.
3 Dekomposisi gambut Data Aktivitas Faktor Emisi
20
50-112
Sumber ketidakpastian berasal dari kualitas gambar satelit yang buruk, kesalahan manusia pada proses interpretasi, dan jumlah kebenaran tanah yang tidak memadai yang digunakan untuk penilaian akurasi (Ritung et al., 2011). Metode untuk memperkirakan ketidakpastian faktor emisi menggunakan penggandaan kesalahan: sqrt(U1
2+ U22), subskrip 1, dan 2 adalah
ketidakpastian EF tutupan lahan sebelum dan sesudah konversi masing-masing.
4 Kebakaran Gambut dan Hutan Data Aktivitas Faktor Emisi
50
75
Data aktivitas berasal dari data global hot spot dengan penilaian akurasi yang tidak memadai, dan dari asumsi yang digunakan untuk menentukan area yang terbakar. Kesalahan untuk parameter ini tinggi. Kesalahan dari parameter ini diambil dari studi oleh MRI (2013) di Kalimantan Tengah.
Analisis Ketidakpastian 53
3.2 Pendekatan 2 – Simulasi Monte Carlo
Pada perhitungan ketidakpastian di sektor LULUCF, salah satu sumber ketidakpastian adalah
terkait dengan pemetaan penggunaan lahan yang mana terdapat korelasi antar data-data
terkait penggunaan lahan yang berbeda. Oleh karena itu digunakan pendekatan 2 (simulasi
Monte Carlo).
Untuk mengidentifikasi sumber utama ketidakpastian dalam estimasi fluks total, kami
memperoleh ketidakpastian parsial dari FE yang terkait dengan biomassa, FE yang terkait
dengan karbon tanah dan DA berdasarkan peta penggunaan lahan. Ketidakpastian parsial ini
diturunkan sebagai rentang ketidakpastian dari iterasi dalam simulasi Monte Carlo yang hanya
menyertakan sumber utama, dibagi oleh rentang ketidakpastian atas semua iterasi.
3.2.1 Kisaran ketidakpastian pada data masukan
Tiga kelompok utama dari parameter input diidentifikasi sebagai penyebab ketidakpastian dan
dievaluasi. Ini adalah ketidakpastian dari FE yang terkait dengan biomassa, FE yang terkait
dengan tanah dan DA berdasarkan peta penggunaan lahan. Beberapa input ini adalah
masukan Tier 1 yang disediakan dalam pedoman IPCC 2006. Dalam kasus ini rentang
ketidakpastian Tier 1 digunakan. Ketika data pengukuran tersedia, ketidakpastian faktor emisi
dihitung sebagai dua kali standar-kesalahan dari rata-rata yang dihitung dari pengukuran ini.
a. Ketidakpastian terkait biomassa
Ketidakpastian terkait biomassa termasuk ketidakpastian dalam stok biomassa (Tabel L.2 3-4)
dan (
Tabel L.2 3-5), rasio antara biomassa di atas tanah dan bawah tanah, perkiraan kayu mati dan
serasah (
Tabel L.2 3-5) dan parameter untuk perhitungan emisi dari kebakaran hutan (
54 Analisis Kategori Kunci
Tabel L.2 3-6).
Tabel L.2 3-4.Kisaran ketidakpastian untuk biomassa non-hutan
Land use Biomass stock (kton/ha) Standar deviasi
Padang rumput & Heath 0.0068 0.00255
Lahan pertanian 0.005 0.001875
Tabel L.2 3-5.Kisaran ketidakpastian untuk biomassa hutan dan kayu mati
Parameter Tahun Satuan Nilai Standar deviasi
Growing stock 1990 m3/ha 157.98 1.93
Growing stock 2003 m3/ha 194.61 1.91
Growing stock 2013 m3/ha 216.52 2.26
BCEF 1990 kg/m3 714 5.71
BCEF 2003 kg/m3 736 6.06
BCEF 2013 kg/m3 764 5.98
R 1990 - 0.18 0.000708
R 2003 - 0.18 0.000625
R 2013 - 0.18 0.000717
Standing dead wood mass 1990 837.05 35.73
Standing dead wood mass 2003 1333.32 53.12
Standing dead wood mass 2013 1883.49 75.87
Lying dead wood mass 2003 1527.01 74.35
Lying dead wood mass 2013 1927.01 84.51
Analisis Ketidakpastian 55
Tabel L.2 3-6. Rentang ketidakpastian untuk pembakaran liar
Parameter Nilai S.E.M. Satuan
Forest area burnt 37.77 10.38 Ha
NonForest area burnt 210 38.69 ha
Combustion efficiency Forest 0.45 0.16 -
Combustion efficiency NonForest 0.71 0.6 -
Gef_CO2_Forest 1569 131 g /kg
Gef_CO_Forest 107 37 g /kg
Gef_CH4_Forest 4.7 1 g /kg
Gef_N2O_Forest 0.26 0.07 g /kg
Gef_NOX_Forest 3 1.4 g /kg
Gef_CO2_NonForest 1613 95 g /kg
Gef_CO_NonForest 65 20 g /kg
Gef_CH4_NonForest 2.3 0.9 g /kg
Gef_N2O_NonForest 0.21 0.1 g /kg
Gef_NOX_NonForest 3.9 2.4 g /kg
b. Ketidakpastian terkait tanah
Ketidakpastian terkait tanah adalah ketidakpastian dalam penggunaan lahan dan stok karbon
spesifik jenis tanah dan rasio C-N untuk tanah mineral (Tabel L.2 3-7) dan fluks karbon untuk
tanah organik (Tabel L.2 3-8).
Tabel L.2 3-7. Kisaran ketidakpastian untuk stok karbon tanah dan rasio C-N untuk tanah
mineral
Tipe penggunaan lahan
Tipe tanah Cstock (tC/ha)
SEM (Cstock)
CN ratio (-) SEM (CN
ratio)
Padang rumput Brikgrond 78.3 5.47 15 2.50
Padang rumput Eerdgrond 87.84 6.47 15 2.50
Padang rumput Kalkhoudende zandgrond
58.55 7.65 17.3 0.21
Padang rumput Kalkloze zandgrond 86.56 2.76 23.4 1.34
Padang rumput Leemgrond 88.91 5.32 15 2.50
Padang rumput Onbepaald 105.64 1.65 15 2.50
Padang rumput Oude kleigrond 81.12 6.36 15 2.50
Padang rumput Podzol grond 116.07 4.01 25.6 0.31
Padang rumput Rivierklei grond 111.32 3.36 15 2.50
Padang rumput Zeekleigrond 113.66 2.77 15 2.50
Lahan pertanian Brikgrond 76.37 2.8 15 2.50
Lahan pertanian Eerdgrond 71.27 7.48 15 2.50
Lahan pertanian Kalkhoudende zandgrond
54.11 5.41 17.3 0.21
Lahan pertanian Kalkloze zandgrond 76.46 4.34 23.4 1.34
Lahan pertanian Leemgrond 81.54 6.05 15 2.50
Lahan pertanian Onbepaald 82.47 1.98 15 2.50
Lahan pertanian Oude kleigrond 83.86 19.96 15 2.50
Lahan pertanian Podzol grond 107.56 6.94 25.6 0.31
56 Analisis Kategori Kunci
Lahan pertanian Rivierklei grond 84.57 6.12 15 2.50
Lahan pertanian Zeekleigrond 80.6 2.18 15 2.50
Kyoto Forest Brikgrond 82.47 12.77 15 2.50
Kyoto Forest Eerdgrond 99.53 17.39 15 2.50
Kyoto Forest Kalkhoudende zandgrond
32.16 5.78 17.3 0.21
Kyoto Forest Kalkloze zandgrond 57.39 5.18 23.4 1.34
Kyoto Forest Leemgrond 112.18 15.41 15 2.50
Kyoto Forest Onbepaald 87.68 3.73 15 2.50
Kyoto Forest Oude kleigrond 61.39 34.37 15 2.50
Kyoto Forest Podzol grond 92.23 4.68 25.6 0.31
Kyoto Forest Rivierklei grond 139.95 7.45 15 2.50
Kyoto Forest Zeekleigrond 139.49 10.54 15 2.50
Lahan basah Brikgrond 82.47 12.77 15 2.50
Lahan basah Eerdgrond 99.53 17.39 15 2.50
Lahan basah Kalkhoudende zandgrond
32.16 5.78 17.3 0.21
Lahan basah Kalkloze zandgrond 57.39 5.18 23.4 1.34
Lahan basah Leemgrond 112.18 15.41 15 2.50
Lahan basah Onbepaald 87.68 3.73 15 2.50
Lahan basah Oude kleigrond 61.39 34.37 15 2.50
Lahan basah Podzol grond 92.23 4.68 25.6 0.31
Lahan basah Rivierklei grond 139.95 7.45 15 2.50
Lahan basah Zeekleigrond 139.49 10.54 15 2.50
Permukiman Brikgrond 74.22 11.49 15 2.50
Permukiman Eerdgrond 89.57 15.65 15 2.50
Permukiman Kalkhoudende zandgrond
28.94 5.2 17.3 0.21
Permukiman Kalkloze zandgrond 51.65 4.66 23.4 1.34
Permukiman Leemgrond 100.96 13.87 15 2.50
Permukiman Onbepaald 78.91 3.36 15 2.50
Permukiman Oude kleigrond 55.25 30.94 15 2.50
Permukiman Podzol grond 83.01 4.21 25.6 0.31
Permukiman Rivierklei grond 125.96 6.7 15 2.50
Permukiman Zeekleigrond 125.54 9.48 15 2.50
Padang rumput Brikgrond 78.3 5.47 15 2.50
Padang rumput Eerdgrond 87.84 6.47 15 2.50
Padang rumput Kalkhoudende zandgrond
58.55 7.65 17.3 0.21
Padang rumput Kalkloze zandgrond 86.56 2.76 23.4 1.34
Padang rumput Leemgrond 88.91 5.32 15 2.50
Padang rumput Onbepaald 105.64 1.65 15 2.50
Padang rumput Oude kleigrond 81.12 6.36 15 2.50
Padang rumput Podzol grond 116.07 4.01 25.6 0.31
Padang rumput Rivierklei grond 111.32 3.36 15 2.50
Padang rumput Zeekleigrond 113.66 2.77 15 2.50
Lahan basah Brikgrond 82.47 12.77 15 2.50
Analisis Ketidakpastian 57
Lahan basah Eerdgrond 99.53 17.39 15 2.50
Lahan basah Kalkhoudende zandgrond
32.16 5.78 17.3 0.21
Lahan basah Kalkloze zandgrond 57.39 5.18 23.4 1.34
Lahan basah Leemgrond 112.18 15.41 15 2.50
Lahan basah Onbepaald 87.68 3.73 15 2.50
Lahan basah Oude kleigrond 61.39 34.37 15 2.50
Lahan basah Podzol grond 92.23 4.68 25.6 0.31
Lahan basah Rivierklei grond 139.95 7.45 15 2.50
Lahan basah Zeekleigrond 139.49 10.54 15 2.50
Tabel L.2 3-8.Kisaran ketidak pastian untuk fluks karbon tanah dari tanah organik
Land use Soil type Soil Flux S.E.M.
Padang rumput / Lahan pertanian / Permukiman
Veengrond 19.03 9.51
Padang rumput / Lahan pertanian / Permukiman
Moerige grond 13.02 6.51
c. Ketidakpastian terkait penggunaan lahan
Ketidakpastian terkait penggunaan lahan dinyatakan dalam bentuk confusion matrix,
berdasarkan Kramer et al. 2015. Matriks ini menyediakan PDF dari penggunaan lahan dalam
suatu piksel, dengan klasifikasi piksel (Tabel L.2 3-9, Kramer dan Clement 2015 tabel 2.12).
Dengan menggunakan PDF tersebut, peta alternatif acak dihasilkan untuk setiap iterasi.
Meskipun ketidakpastian aktual dalam pemetaan penggunaan lahan akan melibatkan korelasi
otomatis spasial dan temporal, hal tersebut tidak diperhitungkan di sini karena kurangnya data.
Confusion matrix ini memiliki bias dari permukiman dan lahan lain (settlements and other land)
ke padang rumput, lahan pertanian dan hutan. Karena confusion matrix bersifat asimetris,
ketidakpastian terkait penggunaan lahan dinilai sebagai kisaran iterasi dengan hanya biomassa
dan ketidakpastian terkait tanah dan iterasi dengan ketidakpastian terkait biomassa, tanah dan
penggunaan lahan.
Tabel L.2 3-9.Confusion matrix untuk peta penggunaan lahan
PDF Classification
Oth
er
Lan
d
Pad
an
g
rum
pu
t
Lah
an
pert
an
ian
Kyo
to
Fo
rest
Lah
an
basah
Perm
uki
man
Heath
Reed
Other Land 0.94 0.04 - 0.02 - - - -
Padang rumput
0.00 0.98 0.02 0.00 - 0.00 - -
Lahan pertanian
- 0.03 0.97 - - - - -
Kyoto Forest - 0.01 - 0.99 - - - -
Lahan basah - - - - 1.00 - - -
Permukiman - 0.07 0.02 0.01 - 0.90 - -
Heath - - - - - - 1.00 -
Reed - - 0.02 - 0.02 - 0.02 0.94
58 Analisis Kategori Kunci
3.2.2 Simulasi Monte Carlo
Secara total 683 iterasi dilakukan untuk analisis Monte Carlo. Dari iterasi ini, 1 adalah iterasi
nominal tanpa permutasi dalam parameter input. Dari iterasi ini, 104 hanya mengatasi
ketidakpastian tanah, 103 hanya mengatasi ketidakpastian biomassa dan 104 mengatasi
ketidakpastian tanah dan biomassa, membuat total 312 iterasi tanpa ketidakpastian dari peta
penggunaan lahan. Tambahan iterasi sebanyak 371 dilakukan dengan menyertakan
ketidakpastian dari peta penggunaan lahan (dengan atau tanpa ketidakpastian biomassa dan
ketidakpastian tanah). Jumlah iterasi yang digunakan untuk analisis didasarkan pada batasan
waktu. Tidak ada uji yang dilakukan untuk melihat konvergensi hasil.
a. Total ketidakpastian
Penghitungan emisi GRK dari LULUCF menghasilkan banyak output rinci. Pada bagian ini
hanya disajikan rentang ketidakpastian untuk tahun 2014 (Tabel L.2 3-10).
Tabel L.2 3-10. Rentang ketidakpastian per-kategori untuk 2014
Greenhouse Gas Source And Sink Categories
Net CO2 emissions/removals
(min, max)
4. Total LULUCF (-38%, + 64%)
A. Forest land (10%, + -12%)
1. Forest land remaining forest land (11%, + -14%)
2. Land converted to forest land (26%, + -21%)
B. Lahan pertanian (-39%, + 44%)
1. Lahan pertanian remaining Lahan pertanian (-61%, + 60%)
2. Land converted to Lahan pertanian (-45%, + 61%)
C. Padang rumput (-62%, + 75%)
1. Padang rumput remaining Padang rumput (-60%, + 68%)
2. Land converted to Padang rumput (-220%, + 340%)
D. Lahan basah(3) (-67%, + 76%)
1. Lahan basahs remaining Lahan basah IE,NO
2. Land converted to Lahan basah (-67%, + 76%)
E. Permukimans (-23%, + 69%)
1. Permukimans remaining Permukiman (-64%, + 53%)
2. Land converted to Permukiman (-17%, + 90%)
F. Other land (4) (-3%, + 152%)
1. Other land remaining other land
2. Land converted to other land (-3%, + 152%)
G. Harvested wood products (5) (-8%, + 1%)
H. Other (please specify) IE,NE,NO
Secara umum kita melihat bahwa ketidakpastian untuk berbagai kategori berbeda. Untuk
beberapa kategori, rentang ketidakpastian yang sangat asimetris terjadi. Secara umum
ketidakpastian dalam penyimpan lahan hutan lebih kecil dari ketidakpastian emisi dari
penggunaan lahan lainnya. Lebih jauh lagi, total emisi cenderung berada di bawah perkiraan.
Perlu disebutkan bahwa ketidakpastian relatif adalah fungsi dari ukuran total emisi atau
penyerapan yang dilaporkan. Oleh karena itu, ketidakpastian relatif besar pada nilai kecil akan
Analisis Ketidakpastian 59
berdampak kecil pada ketidakpastian total. Ketika melihat kontribusi dari berbagai kategori
terhadap total emisi, kita melihat bahwa padang rumput yang tersisa di padang rumput
menyumbang 68% dari emisi bersih dan lahan pertanian secara keseluruhan untuk 42% dari
emisi bersih, sementara hutan yang tersisa menyumbang untuk penyerapan sebesar 35% dari
emisi bersih. Kategori lain berkontribusi maksimal 19% (lahan dikonversi ke permukiman).
Kategori dengan ketidakpastian terbesar (lahan yang dikonversi ke padang rumput) hanya
menyumbang 6% dari total emisi bersih.
b. Variabilitas temporal dalam ketidakpastian
.
60 Analisis Kategori Kunci
Tabel L.2 3-11 memberikan nilai ketidakpastian untuk tahun 2014. Ketidakpastian ini tidak stabil
dari waktu ke waktu, karena sumber data yang berbeda memiliki resolusi temporal yang
berbeda. Berdasarkan nilai-nilai tersebut terlihat bahwa ketidakpastian bernilai besar pada
lahan yang dikonversi ke padang rumput. Sekali lagi penyebab utama untuk ketidakpastian
tersebut adalah bahwa nilai absolutnya kecil, dan oleh karena itu ketidakpastian serupa dalam
nilai absolut menghasilkan ketidakpastian relatif yang ekstrem sekitar tahun 2010.
Analisis Ketidakpastian 61
Tabel L.2 3-11. Evolusi temporal dari berbagai ketidak pastian berdasarkan kategori
62 Analisis Kategori Kunci
Analisis Ketidakpastian 63
c. Ketidakpastian parsial
Untuk memperkirakan kontribusi relatif dari sumber ketidakpastian yang berbeda terhadap
perkiraan ketidakpastian total, perhitungan dilakukan perhitungan ketidakpastian parsial.
Ketidakpastian parsial dibahas di sini untuk 2014 (
64 Analisis Kategori Kunci
Tabel L.2 3-12). Ketidakpastian parsial dihitung dalam dua cara berbeda. Untuk ketidakpastian
parsial biomassa dan tanah, rentang ketidakpastian ditentukan oleh simulasi monte carlo
difokuskan pada ketidakpastian ini. Nilai minimum dan maksimum dari interval 95% dari hasil
kemudian dinyatakan relatif terhadap nilai minimum dan maksimum interval 95% dari simulasi
monte carlo dengan semua ketidakpastian disertakan. Dengan demikian, minimum dan
maksimum ini dapat bernilai lebih dari 100% jika ketidakpastian parsial lebih tinggi daripada
ketidakpastian total (karena efek dari ketidakpastian yang berbeda bersifat negatif satu sama
lain). Ketidakpastian parsial yang disebabkan oleh masuknya ketidakpastian peta dihitung
dengan mengekstraksi ketidakpastian dari simulasi monte carlo difokuskan pada ketidakpastian
biomassa dan tanah dari ketidakpastian total. Ketidakpastian yang tersisa ditafsirkan sebagai
ketidakpastian dalam peta.
Dalam menganalisis ketidakpastian ini kita melihat bahwa ketidakpastian parsial dapat serupa
dalam ukuran. Namun kontribusi relatif dari ketidakpastian parsial dapat sangat bias.
Ketidakpastian dalam biomassa terutama bertanggung jawab atas ketidakpastian di lahan
hutan, dan lahan dikonversi ke daratan lain. Meskipun memiliki nilai lebih pada jangkauan
maksimum daripada pada kisaran minimum. Hal ini disebabkan oleh biomassa yang relatif
besar di lahan berhutan, dan pengaruh biomassa terhadap emisi lahan yang dikonversi.
Ketidakpastian dalam parameter tanah memiliki dampak besar pada total emisi. Semua rentang
maksimum dapat dipertanggungjawabkan oleh ketidakpastian ini. Meskipun ini hanya
merupakan kontribusi kecil terhadap ketidakpastian terkait dengan lahan hutan, ini adalah
sumber utama ketidakpastian untuk kategori Lahan pertanian dan Padang rumput. Karena itu
juga memiliki kontribusi besar terhadap lahan yang dikonversi ke penggunaan lahan lainnya.
Untuk Lahan dan Pemukiman Lainnya, kontribusi ini terutama untuk kisaran minimum, bukan
kisaran maksimum.
Ketidakpastian yang tidak dapat dijelaskan oleh ketidakpastian dalam biomassa dan parameter
tanah dikaitkan dengan ketidakpastian dalam peta penggunaan lahan. Karena confusion matrix
peta penggunaan lahan memiliki bias, efek ketidakpastian ini terhadap ketidakpastian total juga
memiliki bias. Khususnya lahan lain dan kategori pemukiman mengalami ketidakpastian yang
condong dengan kisaran nilai minimum yang terutama ditentukan oleh ketidakpastian dalam
peta penggunaan lahan.
Analisis Ketidakpastian 65
Tabel L.2 3-12. Ketidakpastian parsial per-kategori sebagai persentase dari ketidakpastian total
Greenhouse Gas Source And Sink Categories Biomass Soil Map
2014 2014 2014
4. Total LULUCF (8%, 15%) (65%, 111%) (17%, 0%)
A. Forest land (103%, 130%) (16%, 21%) (0%, 0%)
1. Forest land remaining forest land (98%, 147%) (0%, 0%) (4%, 0%)
2. Land converted to forest land (90%, 74%) (77%, 66%) (4%, 22%)
B. Lahan pertanian (73%, 105%) (87%, 90%) (1%, 0%)
1. Lahan pertanian remaining Lahan pertanian
(0%, 0%) (116%, 106%) (0%, 4%)
2. Land converted to Lahan pertanian (77%, 131%) (43%, 55%) (29%, 0%)
C. Padang rumput (30%, 30%) (125%, 103%) (0%, 0%)
1. Padang rumput remaining Padang rumput
(0%, 0%) (127%, 100%) (0%, 8%)
2. Land converted to Padang rumput (79%, 102%) (49%, 65%) (23%, 0%)
D. Lahan basahs(3) (95%, 126%) (67%, 81%) (3%, 0%)
1. Lahan basahs remaining Lahan basahs
2. Land converted to Lahan basahs (95%, 126%) (67%, 81%) (3%, 0%)
E. Permukimans (14%, 45%) (44%, 123%) (58%, 0%)
1. Permukimans remaining Permukimans (0%, 0%) (137%, 83%) (0%, 9%)
2. Land converted to Permukimans (14%, 78%) (26%, 139%) (73%, 0%)
F. Other land (4) (1%, 76%) (2%, 109%) (98%, 0%)
1. Other land remaining other land
2. Land converted to other land (1%, 76%) (2%, 109%) (98%, 0%)
G. Harvested wood products (5) (123%, 12%) (0%, 0%) (0%, 86%)
H. Other (please specify)
LAMPIRAN 3. ANALISIS KATEGORI KUNCI
LAMPIRAN 3.
ANALISIS KATEGORI KUNCI
Analisis Ketegori Kunci 67
1. PENDAHULUAN
Key Category Analysis atau KCA merupakan analisis yang digunakan untuk mengidentifikasi
sumber/rosot yang menjadi prioritas (kategori kunci) dalam sistem inventarisasi GRK nasional,
karena besar emisi/serapan memiliki pengaruh besar terhadap total inventarisasi GRK, baik dari
nilai absolut, tren dan tingkat ketidakpastiannya. Kategori kunci merujuk pada sumber (sources)
maupun rosot (sink).
Pelaksanaan KCA sendiri telah diatur dalam IPCC Good Practice (Chapter 7) dan IPCC 2006
GL (Volume.I, Chapter 4) dan memiliki tujuan untuk:
Mengindentifikasi sumber/rosot yang perlu diprioritaskan apabila sumberdaya terbatas
untuk pelaksanaan inventarisasi GRK. Ini adalah upaya yang baik untuk perbaikan
inventarisasi yang difokuskan pada sumber/rosot yang sudah diidentifikasi sebagai
kategori kunci;
Mengindentifikasi sumber/rosot yang perlu menggunakan tier yang lebih tinggi;
Mengidentifikasi sumber/rosot mana yang perlu mendapatkan perhatian khusus untuk
dilakukan penjaminan dan pengendalian mutu (QA/QC).
2. PENDEKATAN UMUM DALAM ANALISIS KATEGORI KUNCI
Kategori kunci memiliki peranan yang sangat penting dalam sistem inventarisasi GRK nasional.
Terdapat tiga aspek penting yang menyebabkan analisis kategori kunci perlu dilakukan.
Pertama adalah identifikasi kategori kunci dapat meningkatkan efisiensi dari sisi sumber daya
(resources) dalam pelaksanaan inventarisasi GRK nasional. Penyelenggara invetarisasi GRK
nasional dapat fokus untuk mengembangkan data dan metode untuk kategori-kategori kunci.
Kedua adalah hasil analisis kategori kunci dapat mendorong penyelenggara inventarisasi GRK
nasional untuk fokus menggunakan metoda tier yang lebih tinggi pada kategori-kategorikunci
tertentu. Ketiga, hasil dari analisis kategori kunci dapat mendorong penyelenggara inventarisasi
GRK nasional untuk melaksanakan penjaminan dan pengendalian mutu (QA/QC) pada
kategori-kategori kunci tertentu terlebih dahulu. Hal ini dapat meningkatkan efektifitas dalam
kegiatan inventarisasi GRK.
Alur pendekatan umum dalam pelaksanaan analisis kategori kunci dijelaskan secara detail
pada Gambar L.3 2-1. Ada 2 pendekatan untuk melakukan analisis kategori kunci, yang
keduanya mengidentifikasi kategori kunci dalam hal kontribusi mereka terhadap tingkat absolut
emisi nasional dan serapan serta kecenderungan emisi dan serapan. Pendekatan I
mengindentifikasi kategori kunci menggunakan ambang emisi kumulatif yang ditentukan
sebelumnya. Kategori-kategori kunci adalah emisi/serapan dengan nilai kumulatif mencapai
95% terhadap tingkat total emisi. Pendekatan II menggunakan kompiler inventarisasi, jika
ketidakpastian kategori atau ketidakpastian parameter tersedia. Pada pendekatan II, kategori
kunci diurutkan berdasarkan kontribusinya terhadap ketidakpastian.
Proses ini dimulai dengan memeriksa kelengkapan data/informasi untuk melaksanakan analisis
kategori kunci. Jika hasil analisis ketidakpastian country specific untuk tiap kategori tersedia,
maka penyelenggara inventarisasi GRK dapat menggunakan analisis kuantitatif yang terdiri dari
metode penilaian tingkat (level assessment) dan penilaian tren (trend assessment) untuk
pendekatan I dan pendekatan II. Penjelasan mendalam mengenai dua jenis pendekatan
tersebut akan dijelaskan pada subbab berikutnya. Selain itu, analisis kualitatif juga dapat
digunakan pada tahapan ini. Sebaliknya, jika data inventarisasi GRK yang tersedia hanya data
lebih dari satu tahun, maka penentuan kategori kunci terbatas hanya menggunakan metode
68 Analisis Kategori Kunci
penilaian tingkat, penilaian tren yang menggunakan pendekatan I serta kriteria kualitatif saja.
IPCC juga mengakomodasi penentuan kategori kunci untuk negara yang hanya memiliki data
inventarisasi GRK untuk periode satu tahun saja yaitu dengan menggunakan penilaian tingkat
(pendekatan I) dan kriteria kualitatif.
Jika data yang dibutuhkan untuk analisis kategori kunci tidak tersedia sama sekali, maka
penyelenggara inventarisasi GRK diperbolehkan untuk hanya menggunakan kriteria kualitatif.
Detail untuk tiap metode akan dijelaskan pada sub-bab berikutnya.
Gambar L.3 2-1. Decision tree untuk identifikasi kategori kunci
3. PENDEKATAN I UNTUK ANALISIS KATEGORI KUNCI
3.1 Penilaian Tingkat (Level Assessment) dengan Pendekatan I
Pendekatan I menilai pengaruh berbagai kategori sumber emisi dan serapan berdasarkan
tingkat (level) dan kecenderungan (trend) terhadap inventarisasi GRK nasional apabila data
inventarisasi GRK tersedia beberapa tahun. Jika data inventarisasi hanya 1 tahun tersedia,
maka hanya dilakukan penilaian tingkat (level assessment) emisi. Pendekatan I merupakan
pendekatan yang sederhana dan dapat dengan mudah dilakukan menggunakan analisis
spreadsheet.
Kontribusi setiap kategori sumber emisi atau serapan terhadap tingkat inventarisasi nasional
total berdasarkan penilaian tingkat (level assessment) dihitung menurut Persamaan L.3 3-1.
Analisis Ketegori Kunci 69
Persamaan L.3 3-1. Metode penilaian tingkat (pendekatan I)
𝐾𝑒𝑦 𝑐𝑎𝑡𝑒𝑔𝑜𝑟𝑦 𝑙𝑒𝑣𝑒𝑙 𝑎𝑠𝑠𝑒𝑠𝑠𝑚𝑒𝑛𝑡 = |𝑠𝑜𝑢𝑟𝑐𝑒 𝑜𝑟 𝑠𝑖𝑛𝑘 𝑐𝑎𝑡𝑒𝑔𝑜𝑟𝑦 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑒| 𝑡𝑜𝑡𝑎𝑙 𝑐𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑜𝑛⁄
𝐿𝑥,𝑡 = |𝐸𝑥,𝑡|/ ∑|𝐸𝑦,𝑡|
𝑦
Dimana:
𝐿𝑥,𝑡 : penilaian tingkat sumber atau rosot ke-x pada tahun inventarisasi ke-t
|𝐸𝑥,𝑡| : nilai absolut emisi atau serapan dari sumber atau rosot ke-x pada tahun ke-t
∑|𝐸𝑦,𝑡|
𝑦
: total sumbangan, yaitu total dari nilai absolut emisi dan serapan pada tahun ke-t
dihitung menurut tingkat agregat yang dipilih oleh negara tersebut. Karena emisi
dan serapan dalam bentuk nilai absolut maka nilai total bisa lebih besar dari
besar emisi bersih (emisi – serapan).
Kategori kunci berdasarkan
70 Analisis Kategori Kunci
Persamaan L.3 3-1 dilakukan dengan menentukan kontribusi emisi absolut suatu kategori
terhadap emisi total sektor/nasional. Kemudian, persentase kontribusi emisi per kategori
diurutkan dari nilai terbesar hingga terkecil dan dijumlahkan hingga mendapatkan nilai kumulatif
sebesar 95%. Kategori sumber emisi yang masuk dalam batas 95% dapat diasumsikan sebagai
kategori kunci. Untuk memudahkan pemahaman terkait analisis kategori kunci, IPCC
menyediakan format spreadsheet untuk perhitungan pada Tabel L.3 3-1 berikut:
Tabel L.3 3-1. Spreadsheet untuk analisis pendekatan I – Metode penilaian tingkat
A B C D E F G
Kode kategori
IPCC
Kategori IPCC
Gas Rumah Kaca
Estimasi tahun
terakhir 𝐸𝑥,𝑡 dalam
CO2eq
Nilai estimasi absolut tahun
terakhir
|𝐸𝑥,𝑡|
Penilaian Tingkat
𝐿𝑥,𝑡
Total kumulatif (kolom F)
Total ∑|𝐸𝑦,𝑡|
𝑦
1
3.2 Pedoman dan Langkah Metode Penilaian Tingkat (Pendekatan I)
Instruksi:
Implementasi prosedur Analisis
Kategori Kunci/KCA merupakan
bagian penting dari
pengembangan sistem IGRK di
Indonesia. Seperti dijelaskan
dalam pedoman IPCC
(guidelines 2006), pelaksanaan
KCA bertujuan untuk membantu
dalam mengindentifikasi
sumber/rosot yang perlu
diprioritaskan dalam sistem
inventarisasi GRK.
Langkah 1: Masukkan semua kategori inventarisasi GRK sesuai dengan Tabel L.3 3-1
A B C D E F G
Kode kategori
IPCC
Kategori IPCC Gas Rumah Kaca
Estimasi tahun
terakhir CO2eq
Nilai estimasi absolut tahun
terakhir
Penilaian Tingkat
Total kumulatif (kolom F)
1A Kategori Emisi CO2 X X
2B Kategori Removal
CO2 -Y Y
3C Kategori Emisi CH4 Z Z
4A Kategori Removal
CO2 -A A
5B Kategori Emisi N2O B B
… Kategori lainnya … … ….
Total 1
Instruksi menjalankan KCA-penilaian tingkat Langkah 1: Masukan semua kategori invetarisasi
GRK di spreadsheet Tabel L.3 3-1 pada kolom A- D
Langkah 2: Bagi nilai absolut emisi per kategori dengan total dari nilai absolut emisi dan serapan pada tahun ke-t (kolom F)
Langkah 3: Urutkan estimasi kategori emisi berdasarkan nilai penilaian tingkat (dari terbesar hingga terkecil) pada kolom F
Langkah 4: Jumlahkan nilai kumulatif kontribusi sumber/sorot (nilai absolut besar ke kecil) hingga mendapatkan angka 95% pada kolom G
Analisis Ketegori Kunci 71
Langkah 2: Bagi nilai absolut emisi per kategori dengan total dari nilai absolut emisi dan
serapan pada tahun ke-t
A B C D E F G
Kode kategori
IPCC
Kategori IPCC Gas Rumah Kaca
Estimasi tahun
terakhir CO2eq
Nilai estimasi absolut tahun
terakhir
Penilaian Tingkat
Total kumulatif (kolom F)
1A Kategori Emisi CO2 X X 15%
2B Kategori Emisi CO2 -Y Y 40%
3C Kategori Emisi CH4 Z Z 5%
4A Kategori Removal
CO2 -A A 2%
5B Kategori Emisi N2O B B 25%
… Kategori lainnya … … ….
Total
Langkah 3: Urutkan estimasi kategori emisi berdasarkan nilai penilaian tingkat (dari nilai
terbesar hingga terkecil)
A B C D E F G
Kode kategori
IPCC
Kategori IPCC Gas Rumah Kaca
Estimasi tahun
terakhir CO2eq
Nilai estimasi absolut tahun
terakhir
Penilaian Tingkat
Total kumulatif (kolom F)
2B Kategori Emisi CO2 -Y Y 40%
5B Kategori Emisi N2O B B 25%
1A Kategori Emisi CO2 X X 15%
3C Kategori Emisi CH4 Z Z 5%
4A Kategori Removal
CO2 -A A 2%
… Kategori lainnya … … ….
Total
72 Analisis Kategori Kunci
Langkah 4: Jumlahkan nilai kumulatif kontribusi sumber/sorot (nilai absolut besar ke kecil)
hingga mendapatkan angka 95% sehingga dapat ditemukan kategori kunci
A B C D E F G
Kode kategori
IPCC
Kategori IPCC Gas Rumah Kaca
Estimasi tahun
terakhir CO2eq
Nilai estimasi absolut tahun
terakhir
Penilaian Tingkat
Total kumulatif (kolom F)
2B Kategori Emisi CO2 -Y Y 40% 40%
5B Kategori Emisi N2O B B 25% 65%
1A Kategori Emisi CO2 X X 15% 90%
3C Kategori Emisi CH4 Z Z 5% 95%
4A Kategori Removal
CO2 -A A 2% 97%
… Kategori lainnya … … ….
Total
Metode penilaian tingkat/level assessment harus dilakukan pada tahun dasar dan tahun terakhir
inventarisasi. Jika nilai estimasi tahun dasar berubah atau dihitung ulang, analisis kategori kunci
harus diperbaharui. Kategori-kategori yang masuk di ambang batas 95% di tahun dasar dan
tahun terakhir inventarisasi dapat diklasifikasikan sebagai kategori kunci. Namun, interpretasi
dari hasil KCA seharusnya tetap menggunakan informasi dari tahun-tahun perhitungan lainnya.
Hal ini dikarenakan terdapat beberapa kategori memiliki nilai emisi yang fluktuatif setiap
tahunnya. Kemungkinan kategori tersebut telah teridentifikasi sebagai kategori kunci pada
tahun tertentu namun tidak untuk di tahun inventarisasi lainnya. Jika ada kategori yang memiliki
nilai kumulatif kontribusi berada diantara 95-97%, penyelenggara inventarisasi GRK disarankan
untuk membandingkan informasi tersebut dengan hasil perhitungan di tahun sebelumnya
ataupun menggunakan metode KCA lain seperti metode penilaian tren/trend assessment.
3.3 Penilaian Tren (Level Assessment)
Tujuan dari penilaian tren adalah untuk mengidentifikasi kategori-kategori kunci yang mungkin
tidak terlalu signifikan diidentifikasi menggunakan metode penilaian tingkat. Metode ini
digunakan berdasarkan tren emisi/serapan dari tahun dasar hingga tahun perhitungan
inventarisasi. Analisis kategori kunci menggunakan metode penilaian tren diformulasi
berdasarkan Persamaan L.3 3-2 (jika tersedia data inventarisasi GRK yang lebih dari periode
satu tahun).
Persamaan L.3 3-2. Metode penilaian tren (pendekatan I)
𝑇𝑥,𝑡 =|𝐸𝑥,0|
∑ |𝐸𝑦,0|𝑦
∎ |[(𝐸𝑥,𝑡 − 𝐸𝑥,0)
⌈𝐸𝑥,0⌉] −
(∑ 𝐸𝑦,𝑡 −𝑦 ∑ 𝐸𝑦,0𝑦 )
|∑ 𝐸𝑦,0𝑦 ||
Dimana:
𝑇𝑥,𝑡 : penilaian tren untuk kategori sumber dan rosot ke-x tahun ke-t
dibanding tahun ke-0 (base year)
|𝐸𝑥,0| : nilai absolut emisi atau serapan dari kategori sumber atau rosot ke-x
tahun ke-0
(𝐸𝑥,𝑡 & 𝐸𝑥,0) : nilai estimasi ril dari ketegori sumber atau rosot ke-x tahun ke-t dan
tahun ke-0
∑ 𝐸𝑦,𝑡
𝑦
& ∑ 𝐸𝑦,0
𝑦
: total dugaan inventarisasi tahun ke-t dan tahun ke-0
Analisis Ketegori Kunci 73
Untuk kondisi dimana emisi tahun dasar untuk kategori bernilai sama dengan nol, Persamaan
L.3 3-2 kemudian di modifikasi untuk menghindari kesalahan perhitungan menjadi Persamaan
L.3 3-3.
Persamaan L.3 3-3. Modifikasi rumus analisis tren jika emisi pada tahun baseline sama dengan
nol
𝑇𝑥,𝑡 = |𝐸𝑥,𝑡 ∑|𝐸𝑦,0|
𝑦
⁄ |
Metode penilaian tren digunakan untuk mengidentifikasi tren dari suatu kategori terhadap tren
total emisi serapan GRK. Kategori-kategori yang memiliki tren berbeda dengan tren total harus
diidentifikasi sebagai kategori kunci, dimana perbedaan ini berdasarkan pada kategori tingkat
emisi/serapan pada tahun dasar. Untuk memudahkan proses analisis tren, IPCC membuat
format spreadsheet untuk perhitungan pada Tabel L.3 3-2 berikut:
Tabel L.3 3-2. Spreadsheet untuk analisis pendekatan I – Metode analisis tren
A B C D E F G H
Kode
kategori
IPCC
Kategori
IPCC
Gas
Rumah
Kaca
Estimasi
tahun dasar
𝐸𝑥,0 (CO2eq)
Estimasi
tahun akhir
𝐸𝑥,𝑡 (CO2eq)
Analisis
tren
𝑇𝑥,𝑡
%
Kontribusi
terhadap
tren
Total
Kumulatif
Total ∑|𝑇𝑦,𝑡|
𝑦
3.4 Pedoman dan Langkah Metode Analisis Tren (Pendekatan I)
Instruksi:
Implementasi prosedur KCA
merupakan bagian penting
dari pengembangan sistem
IGRK di Indonesia. Seperti
dijelaskan dalam pedoman
IPCC (guidelines 2006),
pelaksanaan KCA bertujuan
untuk membantu untuk
mengindentifikasi
sumber/rosot yang perlu
diprioritaskan dalam sistem
inventarisasi GRK.
Instruksi menjalankan KCA-analisis tren (I) Langkah 1: Masukan semua kategori invetarisasi GRK
di spreadsheet Tabel L.3 3-3 kolom A - E Langkah 2: Masukan nilai emisi dan serapan per
kategori untuk tahun ke-0 dan tahun ke-t Langkah 3: Hitung nilai analisis tren dengan
menggunakan Persamaan L.3 3-2 atau Persamaan L.3 3-3 Persamaan L.3 3-3.
kolom F Langkah 4: Buatlah persentase kontribusi kategori
terhadap total analisis tren kolom G Langkah 5: Jumlahkan nilai kumulatif kontribusi
sumber/sorot (nilai absolut besar ke kecil) hingga mendapatkan angka 95% kolom H
74 Analisis Kategori Kunci
Tabel L.3 3-3. Penjelasan langkah 1 - langkah 4 untuk analisis tren (Pendekatan I)
A B C D E F G H
Kode
kategori
IPCC
Kategori
IPCC
Gas
Rumah
Kaca
Estimasi
tahun dasar
𝐸𝑥,0 (CO2eq)
Estimasi
tahun akhir
𝐸𝑥,𝑡 (CO2eq)
Analisis tren
𝑇𝑥,𝑡
%
Kontribusi
terhadap
tren
Total
Kumulatif
(Kolom G)
1A Kategori
Emisi
CO2 80 90 0.088808974 27%
2B Kategori
Emisi
CO2 50 99 0.07364847 22%
3C Kategori
Emisi
CH4 110 190 0.078038718 23%
4A Kategori
Emisi
CO2 71 80 0.078440321 23%
5B Kategori
Emisi
N2O 20 35 0.015562107 5%
Total 331 494
Langkah terakhir untuk menentukan kategori kunci adalah dengan mengurutkan persentase
kontribusi terhadap tren (kolom G) dari nilai terbesar hingga terkecil seperti yang ditunjukan
pada Tabel L.3 3-4. Berdasarkan contoh tersebut, terdapat 4 kategori kunci berada pada
kisaran total kumulatif 95% dari kontribusi tren kategori terhadap nilai totalnya.
Tabel L.3 3-4. Contoh penggunaan analisis tren (Pendekatan I) untuk penentuan kategori kunci
A B C D E F G H
Kode
kategori
IPCC
Kategori
IPCC
Gas
Rumah
Kaca
Estimasi
tahun dasar
𝐸𝑥,0 (CO2eq)
Estimasi
tahun akhir
𝐸𝑥,𝑡 (CO2eq)
Analisis tren
𝑇𝑥,𝑡
%
Kontribusi
terhadap
tren
Total
Kumulatif
(Kolom G)
1A Kategori
Emisi
CO2 80 90 0.088808974 27% 27%
3C Kategori
Emisi
CH4 110 190 0.078038718 23% 50%
4A Kategori
Removal
CO2 71 80 0.078440321 23% 73%
2B Kategori
Emisi
CO2 50 99 0.07364847 22% 95%
5B Kategori
Emisi
N2O 20 35 0.015562107 5% 100%
Total 331 494 0.33449859
Pada dasarnya, metode ini memperlakukan tren yang mengalami peningkatan ataupun
penurunan dalam kondisi yang sama. Namun, terdapat beberapa kemungkinan dimana suatu
negara tidak akan melakukan penelitian lebih lanjut untuk kategori sumber/rosot yang memiliki
tren menurun. Hal ini dikarenakan besarnya sumber daya/resources yang dibutuhkan untuk
melaksanakan aktivitas tersebut.
Tren penurunan kategori emisi terhadap total inventarisasi yang signifikan juga dapat menjadi
indikasi bahwa telah terjadi penurunan data aktivitas dan faktor emisi yang diakibatkan oleh
aksi mitigasi. Terlepas dari apapun metodologi yang digunakan untuk menentukan kategori
kunci, lembaga penyelenggara inventarisasi GRK harus menginformasikan mengenai metode
Analisis Ketegori Kunci 75
yang digunakan untuk analisis kategori kunci serta penerapan pedoman QA/QC dalam kegiatan
ini.
4. PENDEKATAN II UNTUK ANALISIS KATEGORI KUNCI
4.1 Penilaian Tingkat (Level Assessment) dengan Pendekatan II
Penilaian tingkat emisi dengan menggunakan pendekatan II mengkombinasikan hasil analisis
ketidakpastian (uncertainty analysis) dengan hasil analisis penilaian tingkat pendekatan I.
Proses ini akan memberikan informasi lebih akurat dibandingkan dengan pendekatan I terkait
dengan penentuan kategori kunci. Formulasi metode untuk penilaian tingkat yang berbasis
pada pendekatan II adalah sebagai berikut:
Persamaan L.3 4-1. Metode penilaian tingkat (pendekatan II)
𝐿𝑈𝑥,𝑡 = (𝐿𝑥,𝑡 . 𝑈𝑥,𝑡) ∑[(𝐿𝑥,𝑡 . 𝑈𝑦.,𝑡)]
𝑦
⁄
Dimana:
𝐿𝑈𝑥,𝑡 : penilaian tingkat dengan ketidakpastian untuk kategori sumber dan rosot ke-x
pada inventarisasi tahun terakhir (tahun ke-t)
𝐿𝑥,𝑡 : penilaian tingkat dihitung pada
Persamaan L.3 3-1
𝑈𝑥,𝑡 : persentase ketidakpastian kategori ke-x pada tahun-t (dihitung berdasarkan
analisis ketidakpastian). Jika nilai ketidakpastian tersebut asimetris, maka
gunakanlah nilai ketidakpastian yang lebih besar. Ketidakpastian relatif akan
selalu memiliki nilai positif
4.2 Pedoman dan Langkah Metode untuk Penilaian Tingkat (Pendekatan II)
Instruksi menjalankan KCA-penilaian tingkat (II) Langkah 1: Masukkan semua kategori inventarisasi GRK sesuai dengan Tabel L.3 3-1.
Lalu tambahkan kolom persentase ketidakpastian (Ux,t) dan Penilaian Tingkat (Pendekatan II)
Langkah 2: Masukkan nilai hasil penilaian tingkat (Lx,t) pada kolom E dan masukan nilai persentase ketidakpastian (Ux,t) yang didapatkan berdasarkan pedoman analisis ketidakpastian
Langkah 3: Hitunglah nilai penilaian tingkat yang telah dikombinasikan dengan hasil analisis ketidakpastian menggunakan Persamaan L.3 4-1 untuk setiap kategori emisi/serapan
Langkah 4: Urutkan nilai (LUx,t) pada kolom G berdasarkan pada nilai terbesar hingga terkecil. Kemudian, hitung total kumulatif (LUx,t) per kategori
Langkah 5: Sama seperti metode penilaian tingkat pendekatan I, kategori-kategori yang memiliki nilai dibawah atau sama dengan 95% dapat diklasifikasikan sebagai kategori kunci
76 Analisis Kategori Kunci
Langkah 1: Masukkan semua kategori inventarisasi GRK sesuai dengan Tabel L.3 3-1.
Kemudian, tambahkan kolom persentase ketidakpastian (Ux,t) dan Penilaian Tingkat
(Pendekatan II)
A B C D E F G H
Kode
kategori
IPCC
Kategori
IPCC
Gas
Rumah
Kaca
Nilai
estimasi
absolut
tahun
terakhir
CO2eq
Penilaian
Tingkat
𝐿𝑥,𝑡
Persentase
Ketidakpastian
(%)
𝑈𝑥,𝑡
Penilaian
Tingkat
(pendekatan
II)
𝐿𝑈𝑥,𝑡
Total
kumulatif
(kolom G)
1A Kategori
Emisi
CO2 X
2B Kategori
Emisi
CO2 Y
3C Kategori
Emisi
CH4 Z
4A Kategori
Removal
CO2 A
5B Kategori
Emisi
N2O B
… Kategori
lainnya
… ….
Total
Langkah 2: Masukkan nilai hasil penilaian tingkat (Lx,t) pada kolom E dan masukan nilai
persentase ketidakpastian (Ux,t) pada kolom F yang didapatkan berdasarkan
pedoman analisis ketidakpastian
A B C D E F G H
Kode
kategori
IPCC
Kategori
IPCC
Gas
Rumah
Kaca
Nilai
estimasi
absolut
tahun
terakhir
CO2eq
Penilaian
Tingkat
𝐿𝑥,𝑡
Persentase
Ketidakpastian
(%)
𝑈𝑥,𝑡
Penilaian
Tingkat
(pendekatan
II)
𝐿𝑈𝑥,𝑡
Total
kumulatif
(kolom G)
1A Kategori
Emisi
CO2 X 15% 10%
2B Kategori
Emisi
CO2 Y 40% 5%
3C Kategori
Emisi
CH4 Z 5% 10%
4A Kategori
Removal
CO2 A 2% 15%
5B Kategori
Emisi
N2O B 25% 7%
… Kategori
lainnya
… ….
Total
Analisis Ketegori Kunci 77
Langkah 3: Hitunglah nilai penilaian tingkat pada kolom G yang telah dikombinasikan dengan
hasil analisis ketidakpastian menggunakan Persamaan L.3 4-1 untuk setiap
kategori emisi/serapan
A B C D E F G H
Kode
kategori
IPCC
Kategori
IPCC
Gas
Rumah
Kaca
Nilai
estimasi
absolut
tahun
terakhir
CO2eq
Penilaian
Tingkat
𝐿𝑥,𝑡
Persentase
Ketidakpastian
(%)
𝑈𝑥,𝑡
Penilaian
Tingkat
(pendekatan
II)
𝐿𝑈𝑥,𝑡
Total
kumulatif
(kolom G)
1A Kategori
Emisi
CO2 X 15% 10% 24.79%
2B Kategori
Emisi
CO2 Y 40% 14% 33.06%
3C Kategori
Emisi
CH4 Z 5% 10% 8.26%
4A Kategori
Removal
CO2 A 2% 15% 4.96%
5B Kategori
Emisi
N2O B 25% 7% 28.93%
… Kategori
lainnya
… ….
Langkah 4: Urutkan nilai (LUx,t) pada kolom G berdasarkan pada nilai terbesar hingga terkecil.
Kemudian, hitung total kumulatif (LUx,t) per kategori
Langkah 5: Sama seperti metode penilaian tingkat pendekatan I, kategori-kategori yang
memiliki nilai dibawah atau sama dengan 95% dapat diklasifikasikan sebagai
kategori kunci
A B C D E F G H
Kode
kategori
IPCC
Kategori
IPCC
Gas
Rumah
Kaca
Nilai
estimasi
absolut
tahun
terakhir
CO2eq
Penilaian
Tingkat
𝐿𝑥,𝑡
Persentase
Ketidakpastian
(%)
𝑈𝑥,𝑡
Penilaian
Tingkat
(pendekatan
II)
𝐿𝑈𝑥,𝑡
Total
kumulatif
(kolom
G)
2B Kategori
Emisi
CO2 Y 40% 14% 33.06% 33.06%
5B Kategori
Emisi
N2O B 25% 7% 28.93% 61.98%
1A Kategori
Emisi
CO2 X 15% 10% 24.79% 86.78%
3C Kategori
Emisi
CH4 Z 5% 10% 8.26% 95.04%
4A Kategori
Removal
CO2 A 2% 15% 4.96% 100.00%
… Kategori
lainnya
… ….
Total
Kategori-kategori emisi atau serapan yang teridentifikasi sebagai kategori kunci dengan
menggunakan metode penilaian tingkat (Pendekatan II) dan tidak teridentifikasi oleh
78 Analisis Kategori Kunci
Pendekatan I, wajib untuk tetap diklasifikasikan sebagai kategori utama. Sebagai tambahan,
urutan kategori utama yang telah diidentifikasi oleh Pendekatan II dapat menjadi informasi
untuk perencanaan perbaikan sistem inventarisasi GRK nasional.
4.3 Penilaian Tren (Trend Assessment) dengan Pendekatan II
Penilaian tren dengan pendekatan II, Persamaan L.3 3-2 dapat dikembangkan dengan
menambahkan informasi dari hasil analisis ketidakpastian (uncertainty analysis). Formulasi
tersebut dideskripsikan pada persamaan berikut:
Persamaan L.3 4-2. Metode penilaian tren (pendekatan II)
𝑇𝑈𝑥,𝑡 = 𝑇𝑥,𝑡 ⋇ 𝑈𝑥,𝑡
Dimana:
𝐿𝑈𝑥,𝑡 : penilaian tren dengan ketidakpastian untuk kategori sumber dan rosot ke-x
tahun ke-t
𝑇𝑥,𝑡 : penilaian tren dihitung pada Persamaan L.3 3-2
𝑈𝑥,𝑡 : persentase ketidakpastian suatu kategori pada tahun-t (dihitung berdasarkan
analisis ketidakpastian). Ketidakpastian relatif akan selalu memiliki nilai positif
4.4 Pedoman dan Langkah untuk Metode Penilaian Tren (Pendekatan II)
Tabel L.3 4-1. Penjelasan langkah 1 - langkah 4 untuk analisis tren (Pendekatan II)
A B C D E F G H
Kode
kategori
IPCC
Kategori
IPCC
Gas
Rumah
Kaca
Analisis
tren
𝑇𝑥,𝑡
CO2eq
Persentase
Ketidakpastian
(%)
𝑈𝑥,𝑡
Analisis tren
(pendekatan
II)
𝑇𝑈𝑥,𝑡
Kontribusi
terhadap
total
emisi (%)
Total
kumulatif
(kolom G)
1A Kategori
Emisi
CO2 0.089 14% 0.0124 34.95%
2B Kategori
Emisi
CO2 0.074 7% 0.0052 14.49%
3C Kategori
Emisi
CH4 0.078 10% 0.0078 21.94%
4A Kategori
Removal
CO2 0.078 10% 0.0078 22.05%
Instruksi menjalankan KCA-penilaian tingkat (II) Langkah 1: Masukkan semua kategori inventarisasi GRK sesuai dengan Tabel L.3
3-1. Lalu tambahkan kolom persentase ketidakpastian (Ux,t) dan hasil analisis Penilaian Tren (Pendekatan II) TUx,t
Langkah 2: Masukkan nilai hasil analisis tren (TUx,t) pada kolom D (didapatkan dari Persamaan L.3 3-3) dan masukan nilai persentase ketidakpastian (Ux,t) yang didapatkan berdasarkan pedoman analisis ketidakpastian (kolom E)
Langkah 3: Hitunglah nilai analisis tren yang telah dikombinasikan dengan hasil analisis ketidakpastian menggunakan Persamaan L.3 4-2 untuk setiap kategori emisi/serapan
Langkah 4: Urutkan nilai (TUx,t) pada kolom G berdasarkan pada nilai terbesar hingga terkecil. Kemudian, hitung total kumulatif (TUx,t) per kategori
Langkah 5: Sama seperti metode penilaian tingkat pendekatan I, kategori-kategori yang memiliki nilai kumulatif dibawah atau sama dengan 95% dapat diklasifikasikan sebagai kategori kunci
Analisis Ketegori Kunci 79
5B Kategori
Emisi
N2O 0.016 15% 0.0023 6.56%
Total 0.0356
Langkah kelima untuk menentukan kategori kunci adalah dengan mengurutkan hasil analisis
tren yang dikombinasikan dengan hasil analisis ketidakpastian (kolom E) dari nilai terbesar
hingga terkecil seperti yang ditunjukan pada Persamaan L.3 4-2.
Tabel L.3 4-2. Contoh penggunaan analisis tren (Pendekatan II) untuk penentuan kategori
kunci
A B C D E F G H
Kode
kategori
IPCC
Kategori
IPCC
Gas
Rumah
Kaca
Analisis
tren
𝑇𝑥,𝑡
CO2eq
Persentase
Ketidakpastian
(%)
𝑈𝑥,𝑡
Analisis tren
(pendekatan
II)
𝑇𝑈𝑥,𝑡
Kontribusi
terhadap
total emisi
(%)
Total
kumulatif
(kolom
G)
1A Kategori
Emisi
CO2 0.089 14% 0.0124 35.10% 35.10%
4A Kategori
Removal
CO2 0.074 10% 0.0074 20.79% 55.88%
3C Kategori
Emisi
CH4 0.078 10% 0.0078 22.03% 77.91%
2B Kategori
Emisi
CO2 0.078 7% 0.0055 15.50% 93.41%
5B Kategori
Emisi
N2O 0.016 15% 0.0023 6.59% 100.00%
Total 0.0354
Kategori-kategori emisi atau serapan yang teridentifikasi sebagai kategori kunci dengan
menggunakan metode analisis tren (Pendekatan II) dan tidak teridentifikasi oleh Pendekatan I,
wajib untuk tetap diklasifikasikan sebagai kategori kunci. Sebagai tambahan, urutan kategori
utama yang telah diidentifikasi oleh Pendekatan II dapat menjadi informasi untuk perencanaan
perbaikan sistem inventarisasi GRK nasional.
5. PENDEKATAN KUALITATIF
Pada beberapa kasus, hasil dari Analisis Kategori Kunci/KCA tidak dapat mengidentifikasi
semua kategori sumber/rosot yang harus diprioritaskan dalam sistem inventarisasi GRK. Jika
KCA secara kuantitatif tidak dapat dilakukan akibat dari minimnya data inventarisasi GRK, maka
penyelenggara inventarisasi GRK dapat menggunakan metode kriteria kualitatif untuk
identifikasi kategori kunci. Kriteria-kriteria kualitatif yang dijelaskan di bawah ini hanya dapat
digunakan untuk kondisi tertentu saja. Berikut merupakan contoh dari kriteria kualitatif
berdasarkan good practice IPCC GL:
Teknik mitigasi dan teknologi
Jika emisi dari suatu kategori emisi mengalami penurunan atau serapan mengalami
peningkatan yang diakibatkan oleh mekanisme mitigasi perubahan iklim, hal ini merupakan
salah satu contoh identifikasi kategori kunci dengan menggunakan kriteria kualitatif. Analisis ini
diharapkan dapat memberikan informasi yang tepat untuk mengetahui apakah suatu kategori
sumber emisi dapat diklasifikasikan sebagai “kategori kunci”.
80 Analisis Kategori Kunci
Perkiraan tren peningkatan/penurunan nilai emisi dari suatu kategori
Koordinator sektor dan penanggung jawab IGRK nasional harus dapat mengidentifikasi kategori
sumber emisi yang memiliki kecenderungan untuk mengalami peningkatan ataupun penurunan
di masa yang akan datang. Untuk melaksanakan analisis ini, koordinator sektor and
penanggung jawab IGRK nasional dapat melibatkan tenaga ahli. Hasil analisis tersebut dapat
menjadi acuan untuk identifikasi kategori kunci.
Tidak ada penilaian kuantitatif dari analisis ketidakpastian yang dilakukan
Jika data kuantitatif estimasi emisi GRK serta hasil analisis ketidakpastian tidak dapat
digunakan/tersedia, koordinator sektor dan penanggung jawab IGRK disarankan untuk
melakukan identifikasi kategori sumber emisi yang diduga memiliki nilai ketidakpastian yang
cukup besar (expert judgment).
Kelengkapan
Metode atau pendekatan yang digunakan untuk analisis kategori utama sangat bergantung
pada kelengkapan inventarisasi GRK suatu negara. Analisis kategori utama masih
dimungkinkan untuk dilakukan hanya untuk kategori-kategori sumber emisi yang telah dilakukan
estimasi. Namun, hasil analisis ini tidak dapat menggambarkan secara komprehensif kategori-
kategori sumber emisi yang dapat dikategorikan sebagai “sumber emisi kunci/utama”.
Pada kasus ini, koordinator sektor dan penanggung jawab inventarisasi GRK nasional
disarankan untuk melakukan analisis kualitatif terhadap kategori sumber emisi potensial yang
belum diestimasi dengan menggunakan kriteria kualitatif yang telah dijelaskan sebelumnya.
6. PELAPORAN DAN DOKUMENTASI
Merupakan suatu contoh yang baik untuk melaksanakan dokumentasi terhadap hasil KCA di
dalam laporan inventarisasi GRK. Informasi dalam dokumen ini sangatlah penting untuk
menjelaskan pemilihan metode untuk tiap kategori. Sebagai tambahan, penanggung jawab
inventarisasi harus mencantumkan kriteria di mana setiap kategori diidentifikasi sebagai kunci
(misalnya tingkat, tren atau kualitatif) dan metode yang digunakan untuk KCA (misal:
pendekatan I atau pendekatan II). Tabel L.3 3-1 dan Tabel L.3 3-12 harus digunakan sebagai
dokumen dari kegiatan analisis kategori kunci. Tabel L.3 3-1 dapat digunakan sebagai
rangkuman dari hasil analisis kategori kunci. Notasi yang dapat digunakan: “L” untuk kategori
kunci yang menggunakan metode penilaian tingkat: “T” untuk kategori kunci yang
menggunakan metode penilaian tren; dan “Q” untuk kategori kunci yang menggunakan kriteria
kualitatif. Kolom komentar harus menjelaskan alasan penggunakan kriteria kualitatif dalam
identifikasi kategori kunci.
Tabel L.3 6-1. Rangkuman hasil analisis kategori utama
Metode kuantitatif yang digunakan: Pendekatan I atau Pendekatan II
A B C D E
Kode kategori
IPCC
Kategori IPCC Gas Rumah
Kaca
Identifikasi
kriteria
komentar
Analisis Ketegori Kunci 81
7. APLIKASI ANALISIS KATEGORI UTAMA
a. Contoh Perhitungan Analisis Kategori Kunci
Agar dapat lebih memahami metode-metode yang digunakan untuk melaksanakan analisis
kategori kunci, sub-bab ini akan membahas mengenai proses penentuan kategori kunci untuk
sektor energi:
Penilaian tingkat dengan Pendekatan I
1. Langkah pertama yang dilakukan adalah melakukan tabulasi informasi emisi/serapan untuk
tiap kategori IPCC per jenis gas dan kemudian menjumlahkan semua emisi dalam unit Gg
CO2eq (studi kasus mengambil data inventarisasi GRK Indonesia untuk sektor energi pada
tahun 2014)
Tabel L.3 7-1. Informasi inventarisasi GRK sektor Energi tahun 2014
Code Categories
2014
CO2 CH4 N2O Total
GgCO2 GgCH4 GgCO2eq GgN2O GgCO2eq Gg CO2eq
Sectoral Approach
Energy Energy 544,394
1,309 27,483.85 18 5,456.63 577,334
1.A Fuel Combustion 538,204
532 11,167.55 18 5,445.07 554,816
1.A.1 Energy Industries 222,307
3 69.46 3 836.30 223,213
1.A.1.a Main activity electricity and heat production
207,780
3 63.91 3 827.62 208,671
1.A.1.b Petroleum refining 14,489
0 5.54 0 8.49 14,503
1.A.1.c Coal Processing 39
0 0.01 0 0.19 39
1.A.2 Manufacturing Industries and Construction
170,145
22 463.30 3 985.17 171,593
1.A.3 Transport 113,704
36 765.07 5 1,652.87 116,122
1.A.4 Other Sectors 23,408
469 9,844.85 6 1,948.70 35,201
1.A.4.a Commercial/Institutional
2,826
3 57.03 0 14.99 2,899
1.A.4.b Residential 20,581
466 9,787.82 6 1,933.71 32,303
1.A.5 Other 8,640
1 24.86 0 22.02 8,687
1.B Fugitive emissions 6,190
777 16,316.30 0 11.56 22,518
1.B.1 Solid Fuels -
106 2,221.38 - - 2,221
1.B.1.a Underground coal mining
- - -
1.B.1.b Surface coal mining -
106 2,221.38 - 2,221
1.B.2 Oil and Natural Gas 6,190
671 14,094.92 0 11.56 20,296
1.B.2.a Oil 2,090
515 10,809.99 0 8.65 12,909
1.B.2.b Natural gas 4,100
156 3,284.93 0 2.90 7,388
82 Analisis Kategori Kunci
2. Langkah berikutnya adalah memasukkan data total emisi (Gg CO2eq) dari semua kategori
ke format tabel analisis kategori utama (Tabel L.3 3-1)
A B C D E F G
Kode kategori
IPCC
Kategori IPCC GHG 𝑬𝒙,𝒕
(GgCO2eq) |𝑬𝒙,𝒕|
(GgCO2eq)
𝑳𝒙,𝒕 Total kumulatif (kolom F)
1.A.1.a Main activity electricity and heat production
CO2 208,671 208,671
1.A.1.b Petroleum refining CO2 14,503 14,503
1.A.1.c Coal Processing CO2 39 39
1.A.2 Manufacturing Industries and Construction
CO2 171,593 171,593
1.A.3 Transport CO2 116,122 116,122
1.A.4.a Commercial/Institutional CO2 2,899 2,899
1.A.4.b Residential CO2 32,303 32,303
1.A.5 Other CO2 8,687 8,687
1.B.1 (Fugitive emissions) Solid Fuels
CO2 2,221
2,221
1.B.2 (Fugitive emissions) Oil and Natural Gas
CO2 20,296
20,296
Total 577,334 577,334
3. Selanjutnya, mengrutkan estimasi kategori emisi berdasarkan nilai penilaian tingkat (dari
terbesar hingga terkecil)
A B C D E F G
Kode kategori
IPCC
Kategori IPCC GHG 𝑬𝒙,𝒕
(GgCO2eq) |𝑬𝒙,𝒕|
(GgCO2eq)
𝑳𝒙,𝒕 Total kumulatif
(kolom F)
1.A.1.a Main activity electricity and heat production
CO2 208,671 208,671 36%
1.A.2 Manufacturing Industries and Construction
CO2 171,593 171,593 30%
1.A.3 Transport CO2 116,122 116,122 20%
1.A.4.b Residential CO2 32,303 32,303 6%
1.B.2x (Fugitive emissions) Oil and Natural Gas
CO2 20,296 20,296 4%
1.A.1.b Petroleum refining CO2 14,503 14,503 3%
1.A.5 Other CO2 8,687 8,687 2%
1.A.4.a Commercial/Institutional CO2 2,899 2,899 1%
1.B.1 (Fugitive emissions) Solid Fuels
CO2 2,221 2,221 0%
1.A.1.c Coal Processing CO2 39 39 0%
Total 577,334 577,334
4. Langkah terakhir, menjumlahkan nilai kumulatif kontribusi sumber/sorot (nilai absolut besar
ke kecil) hingga mendapatkan angka 95%
A B C D E F G
Kode kategori IPCC
Kategori IPCC GHG 𝑬𝒙,𝒕
(GgCO2eq) |𝑬𝒙,𝒕|
(GgCO2eq)
𝑳𝒙,𝒕 Total kumulatif (kolom F)
1.A.1.a Main activity electricity and heat production
CO2 208,671 208,671 36% 36%
1.A.2 Manufacturing Industries and Construction
CO2 171,593 171,593 30% 66%
Analisis Ketegori Kunci 83
1.A.3 Transport CO2 116,122 116,122 20% 86%
1.A.4.b Residential CO2 32,303 32,303 6% 92%
1.B.2 (Fugitive emissions) Oil and Natural Gas
CO2 20,296 20,296 4% 95%
1.A.1.b Petroleum refining CO2 14,503 14,503 3% 98%
1.A.5 Other CO2 8,687 8,687 2% 99%
1.A.4.a Commercial/Institutional CO2 2,899 2,899 1% 100%
1.B.1 (Fugitive emissions) Solid Fuels
CO2 2,221 2,221 0% 100%
1.A.1.c Coal Processing CO2 39 39 0% 100%
Total 577,334 577,334
Penilaian tren dengan Pendekatan I
1. Langkah pertama yang dilakukan adalah melakukan tabulasi informasi emisi untuk tiap
kategori IPCC per jenis gas lalu kemudian menjumlahkan semua emisi dalam unit Gg
CO2eq (studi kasus mengambil data inventarisasi GRK Indonesia untuk sektor energi pada
tahun 2010 sebagai base dan tahun 2014 sebagai tahun akhir)
Tabel L.3 7-2. Informasi inventarisasi GRK sektor Energi tahun 2010 dan 2014
Code Categories
2010 2014
Total Total
CO2eq Gg CO2eq
Sectoral Approach
Energy Energy 452,986 577,334
1.A Fuel Combustion 429,979 554,816
1.A.1 Energy Industries 144,335 223,213
1.A.1.a Main activity electricity and heat production
130,886 208,671
1.A.1.b Petroleum refining 13,449 14,503
1.A.1.c Coal Processing 192 39
1.A.2 Manufacturing Industries and Construction
132,306 171,593
1.A.3 Transport 108,745 116,122
1.A.4 Other Sectors 44,593 35,201
1.A.4.a Commercial/Institutional 3,798 2,899
1.A.4.b Residential 28,299 32,303
1.A.5 Other 12,496 8,687
1.B Fugitive emissions 23,007 22,518
1.B.1 Solid Fuels 1,334 2,221
1.B.1.a Underground coal mining - -
1.B.1.b Surface coal mining 1,334 2,221
1.B.2 Oil and Natural Gas 21,673 20,296
1.B.2.a Oil 15,312 12,909
1.B.2.b Natural gas 6,361 7,388
84 Analisis Kategori Kunci
2. Langkah II memasukan semua kategori invetarisasi GRK di spreadsheet
3. Tabel L.3 3-2 dan nilai emisi dan serapan per kategori untuk tahun ke-0 dan tahun ke-t
A B C D E F G H
Kode kategori IPCC
Kategori IPCC Gas Rumah Kaca
Estimasi tahun dasar 𝐸𝑥,0 (CO2eq
)
Estimasi tahun akhir 𝐸𝑥,𝑡 (CO2eq
)
Analisis tren
𝑇𝑥,𝑡
% Kontribusi terhadap tren
Total Kumulatif
1.A.1.a Main activity electricity and heat production
CO2 130,886 208,671
1.A.1.b Petroleum refining CO2 13,449 14,503
1.A.1.c Coal Processing CO2 192 39
1.A.2 Manufacturing Industries and Construction
CO2 132,306 171,593
1.A.3 Transport CO2 108,745 116,122
1.A.4.a Commercial/Institutional
CO2 3,798 2,899
1.A.4.b Residential CO2 28,299 32,303
1.A.5 Other CO2 12,496 8,687
1.B.1 (Fugitive emissions) Solid Fuels
CO2 1,334 2,221
1.B.2 (Fugitive emissions) Oil and Natural Gas
CO2 21,673 20,296
Total 453,178 577,334
4. Langkah selanjutnya menghitung nilai analisis tren Tx,t dengan menggunakan Persamaan
L.3 3-2 atau Persamaan L.3 3-3.
A B C D E F G H
Kode kategori
IPCC
Kategori IPCC Gas Rumah Kaca
Estimasi tahun dasar 𝐸𝑥,0 (CO2eq)
Estimasi tahun akhir
𝐸𝑥,𝑡 (CO2eq)
Analisis tren 𝑇𝑥,𝑡
% Kontribusi terhadap
tren
Total Kumulatif
1.A.1.a Main activity electricity and heat production
CO2 130,886 208,671 0.092517
1.A.1.b Petroleum refining CO2 13,449 14,503 0.005804
1.A.1.c Coal Processing CO2 192 39 0.000453
1.A.2 Manufacturing Industries and Construction
CO2 132,306 171,593 0.006707
1.A.3 Transport CO2 108,745 116,122 0.049463
1.A.4.a Commercial/Institutional
CO2 3,798 2,899 0.004279
1.A.4.b Residential CO2 28,299 32,303 0.008273
1.A.5 Other CO2 12,496 8,687 0.015960
1.B.1 (Fugitive emissions) Solid Fuels
CO2 1,334 2,221 0.001149
1.B.2 (Fugitive emissions) Oil and Natural Gas
CO2 21,673 20,296 0.016140
Total 453,178 577,334 0.200750
5. Selanjutnya, menghitung persentase kontribusi kategori terhadap total analisis tren dan
diurutkan dari nilai terbesar ke terkecil
6. Langkah terakhir adalah menjumlahkan nilai kumulatif kontribusi sumber/sorot (nilai absolut
besar ke kecil) hingga mendapatkan angka 95%
Analisis Ketegori Kunci 85
A B C D E F G H
Kode kategori
IPCC
Kategori IPCC Gas Rumah Kaca
Estimasi tahun dasar 𝐸𝑥,0 (CO2eq)
Estimasi tahun akhir 𝐸𝑥,𝑡 (CO2eq
)
Analisis tren 𝑇𝑥,𝑡
% Kontribusi terhadap
tren
Total Kumulatif
1.A.1.a Main activity electricity and heat production
CO2 130,886 208,671 0.0925 46.1% 46.1%
1.A.3 Transport CO2 108,745 116,122 0.0494 24.6% 70.7%
1.B.2 (Fugitive emissions) Oil and Natural Gas
CO2 21,673 20,296 0.01614 8.0% 78.8%
1.A.5 Other CO2 12,496 8,687 0.01596 8.0% 86.7%
1.A.4.b Residential CO2 28,299 32,303 0.00827 4.1% 90.8%
1.A.2 Manufacturing Industries and Construction
CO2 132,306 171,593 0.00670 3.3% 94.2%
1.A.1.b Petroleum refining CO2 13,449 14,503 0.00580 2.9% 97.1%
1.A.4.a Commercial/Institutional
CO2 3,798 2,899 0.00427 2.1% 99.2%
1.B.1 (Fugitive emissions) Solid Fuels
CO2 1,334 2,221 0.00114 0.6% 99.8%
1.A.1.c Coal Processing CO2 192 39 0.00045 0.2% 100.0%
Total 453,178 577,334 0.20075
b. Penerapan Analisis Kategori Utama di Sistem IGRK Indonesia
Analisis Kategori Kunci untuk pelaporan inventarisasi GRK Indonesia tahun 2017 yang tertuang
dalam Indonesia Third National Communication (TNC) menerapkan pendekatan I. Metode yang
digunakan untuk menentukan ketegori kunci dalam laporan ini adalah analisis tren untuk tahun
inventarisasi terakhir yaitu tahun 2015. Hasil dari analisis tren untuk menentukan kategori kunci
terlampir pada Tabel L.3 7-3 dan
86 Analisis Kategori Kunci
Tabel L.3 7-4. Perbedaan dari kedua tabel ini bertujuan untuk membandingkan kategori kunci
yang memasukkan informasi LULUCF dan non-LULUCF. Sementara rangkuman KCA untuk
Inventarisasi GRK pada TNC dapat dilihat pada
Analisis Ketegori Kunci 87
Tabel L.3 7-5.
Tabel L.3 7-3. Contoh penerapan metode penilaian tingkat (pendekatan I) untuk Third National
Communication (TNC) Indonesia – dengan memasukkan kategori LULUCF
A B C D E F G
Kode kategori
IPCC
Kategori IPCC GHG 𝑬𝒙,𝒕
(GgCO2eq) |𝑬𝒙,𝒕|
(GgCO2eq)
𝑳𝒙,𝒕 Total kumulatif (kolom F)
3D Peat Decomposition CO2 341,735 341,735 20.5% 20.5%
1 A1 Energy Industries CO2 222,307 222,307 13.3% 33.8%
1 A2 Manufacturing Industries and Construction
CO2 170,145 170,145 10.2% 44.0%
3B2b Non-Cropland to Cropland CO2 141,481 141,481 8.5% 52.5%
1 A3 Transportation CO2 138,397 138,397 8.3% 60.7%
3B6b Non-Otherland to Otherland CO2 134,546 134,546 8.1% 68.8%
3B1a Forest remaining Forest CO2 127,701 127,701 7.7% 76.5%
4 D2 Industrial Wastewater Treatment and Discharge
CH4 45,608 45,608 2.7% 79.2%
3 C7 Rice Cultivation CH4 35,994 35,994 2.2% 81.3%
3B2a Cropland remaining Cropland
CO2 33,729 33,729 2.0% 83.4%
4 A2 a Unmanaged Waste Disposal Sites
CH4 33,123 33,123 2.0% 85.4%
3 C4 Direct Soils N2O 32,575 32,575 2.0% 87.3%
2 A1 Cement Production CO2 24,192 24,192 1.4% 88.8%
1 A4 b Residential CO2 20,581 20,581 1.2% 90.0%
3B3b Non-Grassland to Grassland CO2 17,118 17,118 1.0% 91.0%
3A1 Enteric Fermentation CH4 16,084 16,084 1.0% 92.0%
1 B2 Oil and Natural Gas CH4 14,095 14,095 0.8% 92.8%
4 D1 Domestic Wastewater Treatment and Discharge
CH4 14,066 14,066 0.8% 93.7%
3B5b Non-Settlement to settlement CO2 10,257 10,257 0.6% 94.3%
1 A4 b Residential CH4 9,788 9,788 0.6% 94.9%
1 A5 Non-Specified CO2 8,640 8,640 0.5% 95.4%
3 C5 Indirect Soils N2O 8,520 8,520 0.5% 95.9%
2 B1 Ammonia Production CO2 7,947 7,947 0.5% 96.4%
3 C6a Direct from manure N2O 7,625 7,625 0.5% 96.8%
1 B2 Iron and Steel Production CO2 6,256 6,256 0.4% 97.2%
3 C3 Oil and Natural Gas CO2 6,190 6,190 0.4% 97.6%
3B1b Urea Fertilization CO2 4,836 4,836 0.3% 97.9%
2 C1 Non-Forest to Forest CO2 3,675 3,675 0.2% 98.1%
1 A4 a Commercial/Institutional CO2 2,826 2,826 0.2% 98.2%
4 D1 Domestic Wastewater Treatment and Discharge
N2O 2,659 2,659 0.2% 98.4%
2 D2 Paraffin Wax Use CO2 2,284 2,284 0.1% 98.5%
1 B1 Solid Fuels CH4 2,221 2,221 0.1% 98.7%
1 A3 Transportation N2O 2,056 2,056 0.1% 98.8%
3A2 Manure Management CH4 2,031 2,031 0.1% 98.9%
2 B8 Petrochemical and Carbon Black Production
CO2 1,946 1,946 0.1% 99.0%
1 A4 b Residential N2O 1,934 1,934 0.1% 99.2%
3 C2 Liming CO2 1,920 1,920 0.1% 99.3%
4 C2 Open Burning Waste CO2 1,748 1,748 0.1% 99.4%
3 C1b Biomass Burning CL CH4 1,204 1,204 0.1% 99.4%
3C6b Indirect from manure N2O 1,202 1,202 0.1% 99.5%
4 C2 Open Burning Waste CH4 1,111 1,111 0.1% 99.6%
1 A2 Manufacturing Industries and N2O 985 985 0.1% 99.6%
88 Analisis Kategori Kunci
Construction
1 A1 Energy Industries N2O 836 836 0.1% 99.7%
1 A3 Transportation CH4 792 792 0.0% 99.7%
3 C1c Biomass Burning GL CH4 716 716 0.0% 99.8%
4B Nitric Acid Production N2O 524 524 0.0% 99.8%
4B Manufacturing Industries and Construction
CH4 463 463 0.0% 99.8%
2 B2 Biomass Burning CL N2O 461 461 0.0% 99.9%
1 A2 Aluminium Production CO2 320 320 0.0% 99.9%
3 C1b Biomass Burning GL N2O 274 274 0.0% 99.9%
2 C3 Other Process Uses of Carbonates
CO2 221 221 0.0% 99.9%
3 C1c Lubricant Use CO2 206 206 0.0% 99.9%
2 A4 Open Burning Waste N2O 201 201 0.0% 99.9%
2 D1 Biological Treatment of Solid Waste
N2O 199 199 0.0% 100.0%
4 C2 Lime Production CO2 153 153 0.0% 100.0%
2 A2 Lead Production CO2 113 113 0.0% 100.0%
2 C5 Others - natrium carbonate in pulp paper industry
CO2 99 99 0.0% 100.0%
2 H1 Energy Industries CH4 69 69 0.0% 100.0%
1 A1 Petrochemical and Carbon Black Production
CH4 67 67 0.0% 100.0%
2 B8 Commercial/Institutional CH4 57 57 0.0% 100.0%
1 A4 a Glass Production CO2 31 31 0.0% 100.0%
2 A3 Carbide Production CO2 29 29 0.0% 100.0%
2 B5 Non-Specified CH4 25 25 0.0% 100.0%
1 A5 Non-Specified N2O 22 22 0.0% 100.0%
1 A5 Commercial/Institutional N2O 15 15 0.0% 100.0%
1 A4 a Oil and Natural Gas N2O 12 12 0.0% 100.0%
1 B2 Zinc Production CO2 10 10 0.0% 100.0%
2 C6 Biological Treatment of Solid Waste
CH4 5 5 0.0% 100.0%
2 H2 Others - natrium carbonate in food & beverages industry
CO2 5 5 0.0% 100.0%
2 B4 Iron and Steel Production CH4 0 - 0.0% 100.0%
2 B5 Caprolactam, Glyoxal and Glyoxylic Acid
CH4 - 0.0% 100.0%
2 C1 Carbide Production CH4 - 0.0% 100.0%
2 C2 Ferroalloys Production CO2 - 0.0% 100.0%
2 B4 Caprolactam, Glyoxal and Glyoxylic Acid
N2O - 0.0% 100.0%
3B3a Grassland remaining Grassland
CO2 - 0.0% 100.0%
3B4a Wetland remaining Wetland CO2 - 0.0% 100.0%
3B4b Non-Wetland to Wetland CO2 - 0.0% 100.0%
3B5a Settlement remaining Settlement
CO2 - 0.0% 100.0%
3B6a Otherland remaining Otherland
CO2 - 0.0% 100.0%
Analisis Ketegori Kunci 89
Tabel L.3 7-4. Contoh penerapan metode penilaian tingkat (pendekatan I) untuk Third National
Communication (TNC) Indonesia – tidak memasukkan kategori LULUCF
A B C D E F G
Kode kategori
IPCC
Kategori IPCC GHG 𝑬𝒙,𝒕
(GgCO2eq) |𝑬𝒙,𝒕|
(GgCO2eq)
𝑳𝒙,𝒕 Total kumulatif (kolom F)
1 A1 Energy Industries CO2 222,307 222,307 25.9% 26%
1 A2 Manufacturing Industries and Construction
CO2 170,145 170,145 19.8% 46%
1 A3 Transportation CO2 138,397 138,397 16.1% 62%
4 D2 Industrial Wastewater Treatment and Discharge
CH4 45,608 45,608 5.3% 67%
3 C7 Rice Cultivation CH4 35,994 35,994 4.2% 71%
4A 2a Unmanaged Waste Disposal Sites
CH4 33,123 33,123 3.9% 75%
3 C4 Direct N2O Soils N2O 32,575 32,575 3.8% 79%
2 A1 Cement Production CO2 24,192 24,192 2.8% 82%
1 A4 b Residential CO2 20,581 20,581 2.4% 84%
3A1 Enteric Fermentation CH4 16,084 16,084 1.9% 86%
1 B2 Oil and Natural Gas CH4 14,095 14,095 1.6% 88%
4 D1 Domestic Wastewater Treatment and Discharge
CH4 14,066 14,066 1.6% 89%
1 A4 b Residential CH4 9,788 9,788 1.1% 90%
1 A5 Non-Specified CO2 8,640 8,640 1.0% 91%
3 C5 Indirect N2O Soils N2O 8,520 8,520 1.0% 92%
2 B1 Ammonia Production CO2 7,947 7,947 0.9% 93%
3 C6a Direct N2O from manure N2O 7,625 7,625 0.9% 94%
1 B2 Iron and Steel Production CO2 6,256 6,256 0.7% 95%
3 C3 Oil and Natural Gas CO2 6,190 6,190 0.7% 96%
2 C1 Urea Fertilization CO2 4,836 4,836 0.6% 96%
1 A4 a Commercial/Institutional CO2 2,826 2,826 0.3% 97%
4 D1 Domestic Wastewater Treatment and Discharge
N2O 2,659 2,659 0.3% 97%
2 D2 Paraffin Wax Use CO2 2,284 2,284 0.3% 97%
1 B1 Solid Fuels CH4 2,221 2,221 0.3% 97%
3A2 Transportation N2O 2,056 2,056 0.2% 98%
2 B8 Manure Management CH4 2,031 2,031 0.2% 98%
1 A4 b Petrochemical and Carbon Black Production
CO2 1,946 1,946 0.2% 98%
3 C2 Residential N2O 1,934 1,934 0.2% 98%
4 C2 Liming CO2 1,920 1,920 0.2% 99%
1 A3 Open Burning Waste CO2 1,748 1,748 0.2% 99%
3 C1b Biomass Burning CL CH4 1,204 1,204 0.1% 99%
3C6b Indirect N2O from manure N2O 1,202 1,202 0.1% 99%
4 C2 Open Burning Waste CH4 1,111 1,111 0.1% 99%
1 A2 Manufacturing Industries and Construction
N2O 985 985 0.1% 99%
1 A1 Energy Industries N2O 836 836 0.1% 99%
1 A3 Transportation CH4 792 792 0.1% 99%
3 C1c Biomass Burning GL CH4 716 716 0.1% 100%
4B Nitric Acid Production N2O 524 524 0.1% 100%
4B Manufacturing Industries and Construction
CH4 463 463 0.1% 100%
2 B2 Biomass Burning CL N2O 461 461 0.1% 100%
1 A2 Aluminium Production CO2 320 320 0.0% 100%
3 C1b Biomass Burning GL N2O 274 274 0.0% 100%
2 C3 Other Process Uses of CO2 221 221 0.0% 100%
90 Analisis Kategori Kunci
Carbonates
3 C1c Lubricant Use CO2 206 206 0.0% 100%
2 A4 Open Burning Waste N2O 201 201 0.0% 100%
2 D1 Biological Treatment of Solid Waste
N2O 199 199 0.0% 100%
4 C2 Lime Production CO2 153 153 0.0% 100%
2 A2 Lead Production CO2 113 113 0.0% 100%
2 C5 Others - natrium carbonate in pulp & paper industry
CO2 99 99 0.0% 100%
2 H1 Energy Industries CH4 69 69 0.0% 100%
1 A1 Petrochemical and Carbon Black Production
CH4 67 67 0.0% 100%
2 B8 Commercial/Institutional CH4 57 57 0.0% 100%
1 A4 a Glass Production CO2 31 31 0.0% 100%
2 A3 Carbide Production CO2 29 29 0.0% 100%
2 B5 Non-Specified CH4 25 25 0.0% 100%
1 A5 Non-Specified N2O 22 22 0.0% 100%
1 A5 Commercial/Institutional N2O 15 15 0.0% 100%
1 A4 a Oil and Natural Gas N2O 12 12 0.0% 100%
1 B2 Zinc Production CO2 10 10 0.0% 100%
2 C6 Biological Treatment of Solid Waste
CH4 5 5 0.0% 100%
2 H2 Others - natrium carbonate in food & beverages industry
CO2 5 5 0.0% 100%
2 B4 Iron and Steel Production CH4 0 - 0.0% 100%
2 B5 Caprolactam, Glyoxal and Glyoxylic Acid
CH4 - 0.0% 100%
2 C1 Carbide Production CH4 - 0.0% 100%
2 C2 Ferroalloys Production CO2 - 0.0% 100%
2 B4 Caprolactam, Glyoxal and Glyoxylic Acid
N2O - 0.0% 100%
1 A1 Energy Industries CO2 222,307 222,307 25.9% 26%
1 A2 Manufacturing Industries and Construction
CO2 170,145 170,145 19.8% 46%
1 A3 Transportation CO2 138,397 138,397 16.1% 62%
4 D2 Industrial Wastewater Treatment and Discharge
CH4 45,608 45,608 5.3% 67%
3 C7 Rice Cultivation CH4 35,994 35,994 4.2% 71%
4A 2a Unmanaged Waste Disposal Sites
CH4 33,123 33,123 3.9% 75%
3 C4 Direct N2O Soils N2O 32,575 32,575 3.8% 79%
2 A1 Cement Production CO2 24,192 24,192 2.8% 82%
1 A4 b Residential CO2 20,581 20,581 2.4% 84%
3A1 Enteric Fermentation CH4 16,084 16,084 1.9% 86%
1 B2 Oil and Natural Gas CH4 14,095 14,095 1.6% 88%
4 D1 Domestic Wastewater Treatment and Discharge
CH4 14,066 14,066 1.6% 89%
1 A4 b Residential CH4 9,788 9,788 1.1% 90%
Analisis Ketegori Kunci 91
Tabel L.3 7-5. Rangkuman KCA untuk laporan Third National Communication (2007)
Metode kuantitatif yang digunakan: Pendekatan I
A B C D E
Kode kategori IPCC
Kategori IPCC GHG Identifikasi kriteria
Komentar
3D Peat Decomposition CO2 L1
1 A1 Energy Industries CO2 L1
1 A2 Manufacturing Industries and Construction CO2 L1
3B2b Non-Cropland to Cropland CO2 L1
1 A3 Transportation CO2 L1
3B6b Non-Otherland to Otherland CO2 L1
3B1a Forest remaining Forest CO2 L1
4 D2 Industrial Wastewater Treatment and Discharge
CH4 L1
3 C7 Rice Cultivation CH4 L1
3B2a Cropland remaining Cropland CO2 L1
4 A2 a Unmanaged Waste Disposal Sites CH4 L1
3 C4 Direct Soils N2O L1
2 A1 Cement Production CO2 L1
1 A4 b Residential CO2 L1
3B3b Non-Grassland to Grassland CO2 L1
3A1 Enteric Fermentation CH4 L1
1 B2 Oil and Natural Gas CH4 L1
4 D1 Domestic Wastewater Treatment and Discharge
CH4 L1
3B5b Non-Settlement to settlement CO2 L1
1 A4 b Residential CH4 L1
1 A5 Non-Specified CO2 L1
3 C5 Indirect Soils N2O L1
2 B1 Ammonia Production CO2 L1
3 C6a Direct from manure N2O L1
1 B2 Iron and Steel Production CO2 L1
3 C3 Oil and Natural Gas CO2 L1
3B1b Urea Fertilization CO2 L1
2 C1 Non-Forest to Forest CO2 L1
1 A4 a Commercial/Institutional CO2 L1
4 D1 Domestic Wastewater Treatment and Discharge
N2O L1
2 D2 Paraffin Wax Use CO2 L1
1 B1 Solid Fuels CH4 L1
1 A3 Transportation N2O L1
3A2 Manure Management CH4 L1
2 B8 Petrochemical and Carbon Black Production CO2 L1
1 A4 b Residential N2O L1
3 C2 Liming CO2 L1
4 C2 Open Burning Waste CO2 L1
3 C1b Biomass Burning CL CH4 L1
3C6b Indirect from manure N2O L1
4 C2 Open Burning Waste CH4 L1
1 A2 Manufacturing Industries and Construction N2O L1
1 A1 Energy Industries N2O L1
1 A3 Transportation CH4 L1
3 C1c Biomass Burning GL CH4 L1
4B Nitric Acid Production N2O L1
4B Manufacturing Industries and Construction CH4 L1
2 B2 Biomass Burning CL N2O L1
92 Analisis Kategori Kunci
1 A2 Aluminium Production CO2 L1
3 C1b Biomass Burning GL N2O L1
2 C3 Other Process Uses of Carbonates CO2 L1
3 C1c Lubricant Use CO2 L1
2 A4 Open Burning Waste N2O L1
2 D1 Biological Treatment of Solid Waste N2O L1
4 C2 Lime Production CO2 L1
2 A2 Lead Production CO2 L1
2 C5 Others - natrium carbonate in pulp&paper industry
CO2 L1
2 H1 Energy Industries CH4 L1
1 A1 Petrochemical and Carbon Black Production CH4 L1
2 B8 Commercial/Institutional CH4 L1
1 A4 a Glass Production CO2 L1
2 A3 Carbide Production CO2 L1
2 B5 Non-Specified CH4 L1
1 A5 Non-Specified N2O L1
1 A5 Commercial/Institutional N2O L1
1 A4 a Oil and Natural Gas N2O L1
1 B2 Zinc Production CO2 L1
2 C6 Biological Treatment of Solid Waste CH4 L1
2 H2 Others - natrium carbonate in food & beverages industry
CO2 L1
2 B4 Iron and Steel Production CH4 L1
2 B5 Caprolactam, Glyoxal and Glyoxylic Acid CH4 L1
2 C1 Carbide Production CH4 L1
2 C2 Ferroalloys Production CO2 L1
2 B4 Caprolactam, Glyoxal and Glyoxylic Acid N2O L1
3B3a Grassland remaining Grassland CO2 L1
3B4a Wetland remaining Wetland CO2 L1
3B4b Non-Wetland to Wetland CO2 L1
3B5a Settlement remaining Settlement CO2 L1
3B6a Otherland remaining Otherland CO2 L1
Checking Tool 93
LAMPIRAN 4. CHECKING TOOL UNTUK AKTIFITAS PENJAMINAN MUTU
LAMPIRAN 4.
CHECKING TOOL UNTUK AKTIFITAS PENJAMINAN MUTU
94 Checking Tool
1. PENDAHULUAN
Dalam pelaksanaan proses penjaminan mutu atau Quality Assurance, penyelenggara
inventarisasi GRK dapat menggunakan beberapa metode ataupun tools. Salah satu tools
tersebut adalah IPCC emission difference. Tools ini merupakan salah satu best practice dalam
sistem inventarisasi GRK Belanda yang bertujuan untuk mengevaluasi perubahan nilai estimasi
emisi dalam dua periode inventarisasi GRK. Jika terjadi perubahan yang cukup signifikan
terhadap suatu kategori maka penyelenggara inventarisasi GRK akan melakukan konfirmasi
lebih lanjut kepada penanggung jawab di instansi ataupun lembaga terkait. IPCC emission
difference checking tools yang merupakan bentuk dukungan Pemerintah Belanda untuk
peningkatan sistem inventarisasi GRK akan disesuaikan dengan kondisi yang ada di Indonesia.
Dalam pedoman penggunaan checking tools untuk aktifitas penjaminan mutu atau QA ini, akan
dijelaskan secara mendalam mengenai langkah-langkah melakukan analisis perbedaan nilai
emisi untuk dua tahun inventarisasi dengan menggunakan checking tools. Diharapkan
pedoman serta checking tools ini dapat membantu penyelenggara inventarisasi GRK dalam
melaksanakan kegiatan QA sehingga menghasilkan kualitas inventarisasi GRK yang memenuhi
prinsip transparansi (Transparency), akurasi (Accuracy), konsistensi (Consistency), komparabel
atau dapat diperbandingkan (Comparability), dan kelengkapan (Completeness).
2. PRINSIP DASAR IPCC EMISSION DIFFERENCE TOOLS
Pada dasarnya perhitungan emisi/serapan GRK untuk setiap kategori emisi didapatkan dari
perkalian antara Data Aktifitas (DA) dan Faktor Emisi (FE). Data aktifitas merupakan data
pembangunan ataupun aktifitas manusia (anthropogenic) yang dapat menghasilkan
emisi/serapan GRK sedangkan Faktor Emisi menunjukan besarnya emisi/serapan per satuan
unit kegiatan yang dilakukan. Terdapat banyak jenis Gas Rumah Kaca (GRK) yang berada di
atmosfer dan berpotensi menyebabkan terjadinya perubahan iklim global. Dari berbagai macam
jenis gas tersebut, GRK yang menjadi prioritas untuk dilakukan inventarisasi adalah CO2, CH4
dan N2O.
Berdasarkan IPCC 2006, sumber emisi/serapan yang masuk dalam inventarisasi GRK terdiri
dari 4 sektor utama yaitu sektor (i) energi, (ii) proses industri dan penggunaan produk, (iii)
pertanian, kehutanan, dan penggunaan lahan lainnya, dan (iv) limbah. Semua kategori
emisi/serapan untuk semua sektor tersebut harus dimasukkan dalam penyusunan hasil
inventarisasi GRK dan jenis GRK utamanya CO2, CH4, N2O, HFCs, PFCs, dan SF6. Hasil
estimasi emisi/serapan untuk tiap kategori dan jenis GRK kemudian akan disusun di dalam
laporan inventarisasi GRK nasional. Secara umum, penyusunan inventarisasi GRK dilakukan
secara berkala pada periode tertentu dan melibatkan semua instansi ataupun lembaga terkait.
Setiap periodenya, selalu ada upaya perbaikan yang dilakukan secara konsisten dan sejalan
dengan semakin berkembangnya ketersediaan serta kualitas data. Proses penyelenggaraan
inventarisasi GRK dalam satu siklus umumnya diselesaikan dalam periode satu tahun.
Penjelasan secara mendalam terkait tahapan pelaksanaan inventarisasi GRK tercantum pada
dokumen Pedoman QA/QC.
Salah satu tahapan yang menjadi fokus dari penyusunan inventarisasi GRK adalah
pemeriksaan inventarisasi GRK melalui mekanisme penjaminan mutu (QA). Penyelenggara
inventarisasi GRK, terutama untuk tingkat nasional akan melakukan pengecekan ulang
terhadap hasil inventarisasi GRK yang dilakukan oleh sektor ataupun daerah sebagai bagian
dari proses QA. Dalam pelaksanaan tahapan ini, penanggung jawab inventarisasi GRK
nasional memerlukan suatu checking tools yang dapat mengevaluasi hasil estimasi
emisi/serapan dari kategori sumber/rosot dari tiap sektor ataupun daerah. Salah satu checking
Checking Tool 95
tools yang dapat diimplementasikan di sistem inventarisasi GRK Indonesia adalah IPCC
emission difference tools.
Tools ini merupakan salah satu best practice yang telah diterapkan di sistem inventarisasi GRK
Belanda untuk mengidentifikasi kesalahan dan/atau penjelasan terkait kategori-kategori sumber
emisi yang mengalami perubahan secara signifikan jika dibandingkan dengan siklus
inventarisasi tahun sebelumnya. Di dalam sistem inventarisasi GRK Belanda, checking tools ini
akan dipersiapkan oleh national inventory compiler di setiap siklus tahun inventarisasi GRK
(sebelum dimasukkan ke dalam database nasional).
Tools ini diaplikasikan dalam format spreadsheet (SS) dan dapat didistribusikan kepada
lembaga ataupun instansi lainnya. National inventory compiler di Belanda akan mengunduh
data inventarisasi GRK tahun sebelumnya dari database ke dalam SS dan dibandingkan
dengan nilai estimasi emisi/serapan dari siklus inventarisasi GRK saat ini. Prinsip dari tools ini
sendiri adalah mengidentifikasi sumber emisi/serapan yang dikombinasikan dengan beberapa
jenis GRK yang berbeda, dimana perubahan emisi/serapan terjadi antara tahun inventarisasi
GRK sebelumnya (former inventory year) dan tahun inventarisasi GRK yang baru (new
inventory year). Jika terdapat perbedaan yang signifikan antara emisi di tahun ke-(t) dan (t-1)
pada kategori-kategori tertentu, maka penanggung jawab sektor terkait harus memberikan
penjelasan/justifikasi. SS yang berisi penjelasan dari sektor terkait merupakan basis pelaporan
tren emisi di laporan inventarisasi GRK Belanda. Alur penggunaan tools IPCC emission
difference di sistem inventarisasi GRK Belanda dijelaskan pada Gambar L.4 2-1.
Signifikan:
Definisi dari “signifikan” dapat diatur berdasarkan kebutuhan dari suatu negara. Jika melihat
best practice inventarisasi GRK di Belanda, mereka menggunakan ambang batas 5% untuk
tingkatan emisi sektor. Jika perubahan emisi dari suatu kategori sumber emisi memiliki
kontribusi lebih dari 5% total emisi sektor daripada perubahan nilai faktor emisi dan atau data
aktifitas, maka sector specialist memiliki kewajiban untuk memberikan penjelasan/justifikasi
Kriteria kedua untuk definisi signifikan adalah ambang batas 0,5% untuk total emisi nasional.
Jika perubahan emisi dari suatu kategori sumber emisi memiliki kontribusi lebih dari 0.5%
total emisi nasional (untuk jenis GRK spesifik) daripada perubahan nilai faktor emisi dan atau
data aktifitas, maka sector specialist memiliki kewajiban untuk memberikan
penjelasan/justifikasi
96 Checking Tool
Gambar L.4 2-1. Alur IPCC emission difference tools di sistem inventarisasi GRK Belanda
Berdasarkan penjelasan sebelumnya terkait dengan penggunaan tools IPCC emission
difference di sistem inventarisasi GRK Belanda, tools ini dimungkinkan untuk diterapkan di
Indonesia dalam rangka proses penjaminan mutu terhadap hasil inventarisasi GRK yang
dilakukan oleh penyelenggara inventarisasi GRK nasional (lembaga penanggung jawab
inventarisasi GRK nasional, koordinator sektor dan penanggung jawab sub-sektor). Namun,
perlu dilakukan modifikasi terhadap data input yang akan dimasukkan kedalam SS IPCC
emission difference tools. Hal dikarenakan terdapat beberapa perbedaan dari sistem
kelembagaan, proses pelaporan dan QA/QC antara Indonesia dan Belanda.
Modifikasi yang dilakukan adalah dengan menambahan beberapa kolom baru di dalam SS
IPCC emission difference tools yaitu kolom koordinator sektor dan penanggung jawab sub-
sektor. Selain itu, untuk mempercepat proses analisis, SS IPCC emission difference tools
dimodifikasi dengan membagi proses analisis berdasarkan sektor Energi, IPPU, Pertanian,
LULUCF dan Limbah. Hal ini bertujuan agar tools ini dapat pula digunakan oleh koordinator
sektor untuk mengidentifikasi alasan perubahan nilai emisi per kategori dan GRK tertentu dari
dua periode inventarisasi GRK. Proses ini merupakan salah satu kewajiban dari koordinator
masing-masing sektor untuk memastikan tahapan inventarisasi GRK dari penanggung jawab
sub-sektor mereka ataupun pemerintah daerah telah dilakukan dengan kaidah yang benar
(penjaminan mutu). Informasi perubahan nilai emisi per kategori dan GRK yang signifikan juga
dapat membantu percepatan proses evaluasi yang dilakukan lembaga penanggung jawab
inventarisasi GRK nasional. Detail alur proses pemeriksaan hasil inventarisasi GRK dari
penanggung jawab sub-sektor/daerah yang dilakukan oleh koordinator sektor dideskripsikan
dalam Gambar L.4 2-2.
Koordinator sektor akan memasukkan data-data emisi yaitu data aktifitas, faktor emisi dan emisi
tahun inventarisasi saat ini yang telah dilakukan perhitungannya oleh sub-sektor atau unit
terkait ke dalam spreadsheet (tab “Checks_Sector specialist_sektor terkait). Sebelumnya,
koordinator sektor juga telah memasukkan parameter-parameter seperti data aktifitas, faktor
emisi serta emisi tahun sebelumnya yang digunakan sebagai basis perbandingan. Faktor emisi
yang digunakan sebagai perbandingan antara data inventarisasi GRK tahun ini dan tahun
sebelumnya adalah implied emission factor (IEF).
Checking Tool 97
Gambar L.4 2-2. Alur IPCC emission difference tools untuk tingkat sektor/daerah
Penggunaan IEF bertujuan untuk mendapatkan informasi perubahan nilai emisi yang
diakibatkan perubahan nilai faktor emisi data tahun (t-1) ke tahun (t). IEF didapatkan dari hasil
pembagian antara nilai estimasi emisi/serapan dan data aktifitas untuk masing-masing kategori.
Setelah dilakukan input parameter-parameter yang dibutuhkan, tools ini kemudian secara
otomatis akan mengidentifikasi kategori emisi mana saja yang perlu dikonfirmasi ulang ke
penanggung jawab sub-sektor/pemerintah daerah.
Proses yang sama juga terjadi pada lembaga penanggung jawab IGRK nasional yaitu
melakukan pengecekan ulang terhadap hasil inventarisasi GRK secara menyeluruh dari tiap
koordinator sektor sebagai bagian dari proses penjaminan mutu (QA) dan lakukan revisi apabila
diperlukan. Perbedaan utama dari alur yang dilakukan pada tingkat koordinator sektor dan
lembaga penanggung jawab inventarisasi GRK nasional adalah kriteria yang digunakan untuk
mengidentifikasi perubahan emisi dari tahun (t-1) ke (t) itu signifikan atau tidak. Kriteria tersebut
adalah perubahan emisi dari suatu kategori sumber emisi memiliki kontribusi lebih dari 0.5%
total emisi nasional (untuk jenis GRK spesifik) daripada perubahan nilai faktor emisi dan atau
data aktifitas. Jika kriteria-kriteria tersebut terpenuhi, maka koordinator sektor memiliki
kewajiban untuk memberikan penjelasan secara mendalam mengenai alasan/justifikasi suatu
kategori emisi mengalami perubahan nilai yang signifikan dari dua periode inventarisasi GRK.
Informasi terkait alur penggunaan tools IPCC emission difference untuk level lembaga
penanggung jawab inventarisasi GRK nasional dijelaskan pada Gambar L.4 2-3.
98 Checking Tool
Gambar L.4 2-3. Alur IPCC emission difference tools untuk tingkat nasional
Checking Tool 99
Berikut merupakan instruksi detail terkait penggunaan checking tools yang akan diterapkan di
sistem inventarisasi GRK Indonesia.
Instruksi umum penggunaan tools IPCC emission difference
Langkah 1: Buka spreadsheet tools kemudian lanjutkan dengan mengisi sheet
“Checks_Sector specialist” untuk masing-masing sektor
Langkah 2: Isi kolom koordinator sektor, Sub-sektor/unit pelaksana, Kode IPCC,
Deskripsi sumber, Data aktifitas tahun (t-1), Data aktifitas (t), GRK,
Emisi/sorot (t-1), Emisi/sorot (t), Unit FE, FE (t-1), FE (t) dengan kondisi
inventarisasi tahun terbaru dan tahun sebelumnya
Langkah 3: Masukan nilai total emisi di target sektor di kolom “Tot_per_target sector” dan
total emisi nasional di kolom “Tot_per_component”
Langkah 4: Lihat perubahan nilai emisi di kolom “Em_deviation”. Perubahan ini
diakibatkan oleh perubahan data aktifitas dan faktor emisi. Koordinator sektor
ataupun penanggung jawab sub-sektor/unit pelaksana yang bertanggung
jawab untuk setiap kategori harus dapat menjelaskan perubahan nilai data
aktifitas dan faktor emisi jika kriteria-kriteria terkait telah terpenuhi
Langkah 5: Untuk memfasilitasi penggunaan dan identifikasi kombinasi sumber/gas yang
membutuhkan justifikasi, pengguna tools dapat menganalisis nilai di kolom
“Total (share of emissions in target total)”. Pada kolom ini, persentase total
emisi target sektor dihitung untuk mendapatkan informasi terkait persentase
suatu kategori emisi terhadap total emisi sektor di tahun (t-1). Untuk
memudahkan proses analisis, dibuatlah suatu matriks kriteria yang bertujuan
untuk memberikan informasi perubahan nilai emisi dan kontribusinya
terhadap target sektor secara kuantitatif. Angka-angka yang digunakan
berdasarkan pada best practice sistem inventarisasi GRK di Belanda.
Gambar L.4 2-4. Matriks kriteria terkait dengan nilai perubahan emisi dari tahun (t-1) ke tahun t
Pada Gambar L.4 2-4, terlihat bahwa kontribusi kategori emisi terhadap total emisi sektor di
tahun ke (t-1) dapat dibagi menjadi 4 kriteria yaitu:
1. High (tinggi): jika kategori sumber emisi berkontribusi lebih dari 10% total emisi sektor
2. Middle (menengah): Jika kategori sumber emisi berkontribusi lebih dari 2.5% total emisi
sektor
3. Low (rendah): Jika kategori sumber emisi berkontribusi lebih dari 0.1% total emisi
sektor
4. Negligible (dapat diabaikan): Jika kategori sumber emisi yang berkontribusi kurang
dari atau sama dengan 0.1% total emisi sektor
EF or AD EF or AD EF or AD
High Middle Low
Markers Emission Contribution to 1 2 3
Target sector > > <=
1 High > 10.0% 15% 5% 5%
2 Middle > 2.5% 60% 20% 20%
3 Low > 0.1% 1500% 500% 500%
4 Negligible <= 0.1% 4500% 1500% 1500%
Changes in
100 Checking Tool
Kolom berikutnya menjelaskan kriteria perubahan nilai data aktifitas dan faktor emisi dari tahun
(t-1) ke tahun t. Terdapat 3 kriteria terkait dengan persentase perubahan nilai data aktifitas dan
faktor emisi, yaitu:
1. High (tinggi): jika perubahan nilai data aktifitas dan faktor emisi lebih dari 15% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 10% total emisi sektor
jika perubahan nilai data aktifitas dan faktor emisi lebih dari 60% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 2.5% total emisi sektor
jika perubahan nilai data aktifitas dan faktor emisi lebih dari 1500% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 0.1% total emisi sektor
jika perubahan nilai data aktifitas dan faktor emisi lebih dari 4500% untuk kategori-kategori yang memiliki kontribusi emisi kurang dari 0.1% total emisi sektor
2. Medium (menengah) jika perubahan nilai data aktifitas dan faktor emisi lebih dari 5% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 10% total emisi sektor
jika perubahan nilai data aktifitas dan faktor emisi lebih dari 20% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 2.5% total emisi sektor
jika perubahan nilai data aktifitas dan faktor emisi lebih dari 500% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 0.1% total emisi sektor
jika perubahan nilai data aktifitas dan faktor emisi lebih dari 1500% untuk kategori-kategori yang memiliki kontribusi emisi kurang dari 0.1% total emisi sektor
3. Rendah jika perubahan nilai data aktifitas dan faktor emisi kurang dari /sama dengan 5% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 10% total emisi sektor
jika perubahan nilai data aktifitas dan faktor emisi kurang dari /sama dengan 20% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 2.5% total emisi sektor
jika perubahan nilai data aktifitas dan faktor emisi kurang dari /sama dengan 500% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 0.1% total emisi sektor
jika perubahan nilai data aktifitas dan faktor emisi kurang dari /sama dengan 1500% untuk kategori-kategori yang memiliki kontribusi emisi kurang dari 0.1% total emisi sektor
Berikutnya adalah identifikasi latar belakang perubahan nilai emisi dari tahun (t-1) ke tahun t.
Pada Gambar L.4 2-4 dapat dilihat bahwa untuk kriteria kontribusi emisi untuk kategori sektor
dibagi menjadi empat. Masing-masing kriteria ditandai dengan angka “1” (kontribusi paling
tinggi) sampai dengan “4” (kontribusi paling rendah). Selain itu, kriteria lain yang digunakan
adalah perubahan data aktifitas dan faktor emisi (3 kriteria). Masing-masing kriteria ditandai
dengan angka “1” (perubahan paling tinggi) hingga “3” (perubahan paling rendah). Secara
otomatis, masing-masing perubahan untuk emisi, data aktifitas dan faktor emisi akan
dikelompokan sesuai dengan kriteria masing-masing: sesuai dengan nilai yang ada pada kolom
“Total (share of emissions in target total)”. Pada kolom “legenda” akan muncul kombinasi (dua
digit) kriteria untuk perubahan data aktifitas dan faktor emisi. Penjelasan gabungan kriteria akan
dijelaskan secara detail padaTabel L.4 2-1
Checking Tool 101
Tabel L.4 2-1. Penjelasan terkait perubahan data aktifitas dan faktor emisi
Kode Penjelasan Komentar
11 AD(++) * EF(++) Activity Data show a strong increase and Emission Factor shows a strong increase
12 AD(++) * EF(+) Activity Data show a strong increase and Emission Factor has increased
13 AD(++) * EF(=) Activity Data show a strong increase and Emission Factor is about equal
21 AD(+) * EF(++) Activity Data show an increase and Emission Factor shows a strong increase
22 AD(+) * EF(+) Activity Data show an increase and Emission Factor has increased
23 AD(+) * EF(=) Activity Data show an increase and Emission Factor is about equal
31 AD(=) * EF(++) Activity Data are about equal and Emission Factor shows a strong increase
32 AD(=) * EF(+) Activity Data are about equal and Emission Factor has increased
33 AD(=) * EF(=) Activity Data are about equal and Emission Factor is about equal
00 x Trend in Activity Data and Emission Factor are not calculated. Please explain the changes based on other information/parameters.
1-1 AD(++) * EF(--) Activity Data show a strong increase and Emission Factor shows a strong decrease
1-2 AD(++) * EF(-) Activity Data show a strong increase and Emission Factor shows a decrease
1-3 AD(++) * EF(=) Activity Data show a strong increase and Emission Factor is about equal
2-1 AD(+) * EF(--) Activity Data show an increase and Emission Factor shows a strong decrease
2-2 AD(+) * EF(-) Activity Data show an increase and Emission Factor shows a decrease
2-3 AD(+) * EF(=) Activity Data show an increase and Emission Factor is about equal
3-1 AD(=) * EF(--) Activity Data are about equal and Emission Factor shows a strong decrease
3-2 AD(=) * EF(-) Activity Data are about equal and Emission Factor shows a decrease
3-3 AD(=) * EF(=) Activity Data are about equal and Emission Factor is about equal
-11 AD(--) * EF(++) Activity Data show a strong decrease and Emission Factor shows a strong increase
-12 AD(--) * EF(+) Activity Data show a strong decrease and Emission Factor has increased
-13 AD(--) * EF(=) Activity Data show a strong decrease and Emission Factor is about equal
-21 AD(-) * EF(++) Activity Data show a decrease and Emission Factor shows a strong increase
-22 AD(-) * EF(+) Activity Data show a decrease and Emission Factor has increased
-23 AD(-) * EF(=) Activity Data show a decrease and Emission Factor is about equal
-31 AD(=) * EF(++) Activity Data are about equal and Emission Factor shows a strong increase
-32 AD(=) * EF(+) Activity Data are about equal and Emission Factor has increased
-33 AD(=) * EF(=) Activity Data are about equal and Emission Factor is about equal
-1-1 AD(--) * EF(--) Activity Data show a strong decrease and Emission Factor shows a strong decrease
-1-2 AD(--) * EF(-) Activity Data show a strong decrease and Emission Factor shows a decrease
-1-3 AD(--) * EF(=) Activity Data show a strong decrease and Emission Factor is about equal
-2-1 AD(-) * EF(--) Activity Data show a decrease and Emission Factor shows a strong decrease
-2-2 AD(-) * EF(-) Activity Data show a decrease and Emission Factor shows a decrease
-2-3 AD(-) * EF(=) Activity Data show a decrease and Emission Factor is about equal
-3-1 AD(=) * EF(--) Activity Data are about equal and Emission Factor shows a strong decrease
-3-2 AD(=) * EF(-) Activity Data are about equal and Emission Factor shows a decrease
102 Checking Tool
-3-3 AD(=) * EF(=) Activity Data are about equal and Emission Factor is about equal
Langkah 6: Setelah analisis terhadap perubahan emisi, data aktifitas dan faktor emisi
dilakukan, kemudian analisis dilanjutkan pada kolom “Change in emission
Target sector” dan “Change in National Emission”
Kolom “Change in emission Target sector” merupakan persentase perubahan total emisi target
sektor akibat perubahan emisi dari kategori tertentu untuk tahun inventori (t-1) dan (t).
Berdasarkan “best practice” dari Belanda, jika persentanse perubahan lebih dari 5% maka
penyelenggara inventarisasi GRK terkait harus menjelaskan alasan perubahan di kolom
“Explanation by sector specialist”.
Kolom “Change in National Emission” merupakan persentase perubahan total emisi nasional
akibat perubahan emisi dari kategori tertentu untuk tahun inventori (t-1) dan (t). Berdasarkan
“best practice” dari Belanda, jika persentase perubahan lebih dari 0.5% maka
koordinator/penanggung jawab sub-sektor/unit pelaksana harus dapat menjelaskan alasan
perubahan di kolom “Explanation by sector specialist”. Dalam tools ini, jika kedua kondisi
tersebut terjadi maka kedua kolom tersebut akan berubah warna. Hal itu menandakan bahwa
koordinator/penanggung jawab sub-sektor/unit pelaksana harus menjelaskan alasan perubahan
tersebut.
Langkah 7: Setelah penjelasan masing-masing kategori telah dikemukakan oleh
koordinator/penanggung jawab sektor (berikut dengan identitas pengguna
yang ada di kolom “Penanggung jawab sub-sektor/daerah maka spreadsheet
ini wajib untuk dikembalikan ke koordinator sektor dan diteruskan ke
penanggung jawab inventarisasi GRK nasional untuk dievaluasi kembali
3. PELAPORAN
Agar alasan-alasan terkait perubahan emisi dari tahun (t-1) ke tahun (t) dapat diterima dengan
baik oleh penanggung jawab inventarisasi GRK nasional, maka perlu dibuat suatu laporan yang
memberikan informasi kategori mana saja yang mengalami perubahan nilai emisi secara
signifikan. Informasi-informasi yang harus dituliskan di dalam laporan:
Kategori mana saja yang menjadi isu dan perlu dikonfirmasi oleh koordinator sektor ke
penanggung jawab sub-sektor/daerah
Bagaimana proses konfirmasi tersebut dilakukan (penjelasan alur)
Apa kriteria yang digunakan dalam proses konfirmasi
Batasan-batasan dari proses tersebut yang telah teridentifikasi
Apa umpan balik yang didapatkan dari sub-sektor/unit pelaksana
Langkah yang diambil oleh koordinator sektor terkait dengan temuan-temuan selama
proses konfirmasi
Rekomendasi untuk peningkatan sistem inventarisasi GRK
Laporan ini harus dilampirkan dalam laporan QA/QC dari tahap penanggung jawab sub-sektor
hingga lembaga penanggung jawab IGRK nasional.
Checking Tool 103
4. CONTOH PENGGUNAAN TOOLS IPCC EMISSION DIFFERENCE DI SEKTOR ENERGI
Pada penggunaan tools IPCC emission difference untuk sektor energi terdapat beberapa
proses yang dilakukan hingga mendapatkan hasil sesuai dengan penjelasan pada instruksi
umum di atas, yaitu:
1. Koordinator sektor energi mengisi kolom koordinator sektor sesuai dengan mekanisme
kelembagaan yang telah ditunjuk pada Permen KLHK no.73/2017 dan kolom
penanggung jawab sub-sektor untuk lembaga yang bertanggung jawab dalam
pengelolaan kategori tersebut (berdasarkan klasifikasi IPCC).
2. Koordinator sektor energi kemudian memasukan data-data terkait perhitungan emisi per
jenis gas rumah kaca (data aktifitas dan emisi/sorot) untuk setiap kategori emisi kedalam
spreadsheet tools untuk tahun inventarisasi (t-1) dan (t). Faktor emisi (IEF) untuk tahun
inventarisasi (t-1) dan (t) didapatkan dari pembagian antara kolom “emisi/sorot” dengan
“data aktifitas” (Data tahun ke (t-1) dan (t) merupakan data inventarisasi GRK tahun
2013 & 2014
104 Checking Tool
3. Masukan nilai total emisi di target sektor di kolom “Tot_per_target sector” dan total emisi
nasional di kolom “Tot_per_component” (nilai di kedua kolom ini didapatkan
berdasarkan penjumlahan emisi di tahun (t-1) atau 2013 untuk masing-masing jenis gas)
4. Untuk mempermudah perhitungan jumlah emisi di tahun 2013 per jenis gas, pengguna
dapat menggunakan fitur filter yang ada di tiap kolom spreadsheet. Langkah pertama
adalah lakukan filter terhadap gas yang akan dilakukan penjumlahan emisinya, sebagai
contoh gas CO2. Kemudian, lakukan perhitungan sum untuk kolom “Emisi/sorot tahun
2013) dan masukan hasil penjumlahan pada kolom “Tot_per_target sector”. Untuk kolom
“Tot_per_component” dilakukan ketika semua sektor sudah mengisi parameter-
parameter terkait dan akan dilakukan proses yang sama untuk total emisi tahun 2013
gas CO2.
5. Lihat perubahan nilai emisi di kolom “Em_deviation”. Perubahan ini diakibatkan oleh
perubahan data aktifitas dan faktor emisi. Penjelasan terkait perubahan tersebut dapat
dilihat pada kolom “explanation of difference”. Masing-masing penjelasan kode yang
terlampir pada kolom “explanation of difference”, dapat dilihat pada Tabel L.4 2-1.
Checking Tool 105
6. Kolom “Total (share of emissions in target total)” memberikan penjelasan mengenai
kontribusi suatu kategori emisi terhadap total emisi sektoral pada jenis gas tertentu
untuk tahun (t-1) atau 2013. Warna-warna yang ada di tiap cell merepresentasikan
kriteria kontribusi kategori emisi per jenis gas (detail penjelasan terkait terlampir pada
Gambar L.4 2-4.
7. Tahap terakhir yang dilakukan ada melakukan identifikasi perubahan nilai emisi per
kategori pada kolom “Total (share of emissions in target total)” untuk checking oleh
koordinator sektor. Jika terjadi perubahan emisi untuk periode 2013 dan 2014 secara
signfikan sesuai kriteria yang telah dijelaskan sebelumnya, maka cell akan berubah
warna. Ketika hal ini terjadi, sub-sektor/unit pelaksana wajib untuk memberikan
penjelasan pada kolom “Explanation by sector specialist”.
8. Setelah semua kolom penjelasan terisi oleh penanggung jawab sub-sektor di sektor
energi, spreadsheet ini kemudian akan dikembalikan lagi ke koordinator sektor untuk
dilakukan review kembali dan kemudian dilaporkan ke penanggung jawab IGRK
nasional.