LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS… · Peta Daerah Aliran Sungai Brantas dari Ditjen PDAS Kementrian Lingkungan Hidup dan Kehutanan 2015.

MEI 2018

Laporan ini dibuat untuk dikaji oleh Badan Pembangunan Internasional Amerika Serikat (USAID).

Dokumen ini disiapkan oleh DAI.

LAPORAN KAJIAN DAMPAK

PERUBAHAN IKLIM PADA

DAERAH ALIRAN SUNGAI

(DAS) BRANTAS, JAWA TIMUR USAID ADAPTASI PERUBAHAN IKLIM DAN KETANGGUHAN (APIK)

LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI

JAWA TIMUR

i

LAPORAN KAJIAN DAMPAK

PERUBAHAN IKLIM PADA

DAERAH ALIRAN SUNGAI

(DAS) BRANTAS PROVINSI

JAWA TIMUR

USAID ADAPTASI PERUBAHAN IKLIM DAN KETANGGUHAN

(APIK)

Program Title : USAID Adaptasi Perubahan Iklim dan Ketangguhan

Sponsoring USAID Office : USAID/Indonesia Office of Environment

Contract Number : AID-497-C-16-00003

Contractor : DAI

Date of Publication : MEI 2018

Penulis

Drs. Arif Wibowo, MSc, DR Ari Mochamad, Ir. Raphael Anindito. MSc., Dr. Perdinan, dan Hilda Ayu

Pratikasiwi

Foto cover:

Peta Daerah Aliran Sungai Brantas dari Ditjen PDAS Kementrian Lingkungan Hidup dan Kehutanan

2015.

Publikasi ini dibuat dengan dukungan Rakyat Amerika melalui Badan Pembangunan

Internasional Amerika Serikat (USAID). Isi dari publikasi ini merupakan sepenuhnya

tanggung jawab penulis dan tidak mencerminkan pandangan pemerintah Amerika Serikat

ataupun USAID.


JAWA TIMUR

ii

DAFTAR ISI

DAFTAR ISI .................................................................................................................................................................. ii

DAFTAR GAMBAR ................................................................................................................................................... iv

DAFTAR TABEL ........................................................................................................................................................ vi

DAFTAR SINGKATAN .......................................................................................................................................... vii

RINGKASAN ............................................................................................................................................................ viii

SUMMARY ................................................................................................................................................................... x

BAB I. INFORMASI UMUM WILAYAH DAS BRANTAS ................................................................................. 1

1.1. KONDISI GEOGRAFIS DAS BRANTAS ............................................................................................ 1

1.2. KONDISI IKLIM DAS BRANTAS......................................................................................................... 2

1.3. SUMBER DAYA AIR DAS BRANTAS ................................................................................................. 2

1.4. KEADAAN SUMBER DAYA AIR DI DAS BRANTAS .................................................................... 4

1.5. WILAYAH KAJIAN DI DAS BRANTAS ............................................................................................. 4

BAB 2. DAMPAK IKLIM SEKTOR PERTANIAN DI DAS BRANTAS ........................................................... 6

2.1. DAMPAK IKLIM PADA SEKTOR PERTANIAN DI DAS BRANTAS ......................................... 6

2.2. PEMODELAN DAMPAK PERUBAHAN IKLIM SEKTOR PERTANIAN .................................... 7

2.3. PEMODELAN DAMPAK EKONOMI AKIBAT PERUBAHAN IKLIM ......................................... 8

BAB 3. PENGEMBANGAN METODE VALUASI DAMPAK IKLIM ............................................................. 10

3.1. DATA ........................................................................................................................................................ 10

3.2. PENDEKATAN UMUM ........................................................................................................................ 10

3.3. MODEL PRODUKTIVITAS ................................................................................................................. 11

3.4. KALIBRASI HASIL MODEL ................................................................................................................. 13

3.5. PERHITUNGAN NILAI GROSS MARGIN (GM) .............................................................................. 15

BAB 4. ANALISIS VALUASI DAMPAK PERUBAHAN IKLIM ....................................................................... 16

4.1. SKENARIO PERUBAHAN IKLIM ............................................................................................................ 16

4.2. HASIL ANALISIS VALUASI DAMPAK PERUBAHAN IKLIM ............................................................ 17

4.3. HASIL ANALISIS DAMPAK PERUBAHAN IKLIM PADA GROSS MARGIN (GM) ........................ 23

4.4. DISKUSI .......................................................................................................................................................... 26

BAB 5. DAMPAK IKLIM PADA SEKTOR SUMBER DAYA AIR DI DAS BRANTAS .............................. 29

5.1. SUMBER DAYA AIR DI DAS BRANTAS ............................................................................................... 29

5.2. PEMODELAN DAMPAK PERUBAHAN IKLIM SEKTOR SUMBER DAYA AIR .......................... 30

5.3. PEMODELAN DAMPAK EKONOMI PERUBAHAN IKLIM SEKTOR SUMBER DAYA AIR .... 32

5.4. PENGEMBANGAN METODE VALUASI DAMPAK IKLIM ............................................................... 33

5.4.1. Data .................................................................................................................................................... 33

5.4.2. Pendekatan Umum .......................................................................................................................... 34

5.4.3. Model Water Balance ....................................................................................................................... 35

5.4.4. Validasi Model .................................................................................................................................. 37


JAWA TIMUR

iii

BAB 6. ANALISIS DAMPAK PERUBAHAN IKLIM .......................................................................................... 41

6.1. SKENARIO PERUBAHAN IKLIM ............................................................................................................ 41

6.2. ANALISIS DAMPAK PERUBAHAN IKLIM PADA KETERSEDIAAN AIR WILAYAH ................ 42

6.3. HASIL ANALISIS DAMPAK PERUBAHAN IKLIM PADA PASOKAN-PERMINTAAN .............. 47

BAB 7. DISKUSI ........................................................................................................................................................ 59

DAFTAR PUSTAKA ................................................................................................................................................ 61


JAWA TIMUR

iv

DAFTAR GAMBAR Gambar 1: Peta Wilayah DAS Brantas ................................................................................................................. 1

Gambar 2: Peta Wilayah Kajian DAS Brantas ...................................................................................................... 5

Gambar 3: Rekapitulasi Dampak Kejadian Bencana terhadap Sektor Pertanian di DAS Brantas ........... 6

Gambar 4: Diagram Alir Proses Penyusunan Pemodelan Valuasi Dampak Perubahan Iklim

terhadap Produksi Tanaman Pangan Wilayah DAS Brantas ...................................................... 11

Gambar 5: Grafik Perbandingan Produktivitas Antara Aktual dan Estimasi Model ................................. 13

Gambar 6: Grafik Perbandingan Nilai Produksi Rataan Selama Tahun 2007-2016 Hasil Estimasi

Model dan Nilai Produksi Actual Berdasarkan Laporan BPS ..................................................... 15

Gambar 7: Nilai Gross Margin pada Data Model ............................................................................................... 15

Gambar 8: Proyeksi Perubahan Curah Hujan Periode Tahun 2021-2050 ................................................. 16

Gambar 9: Proyeksi Perubahan Suhu Udara Periode Tahun 2021-2050 ................................................... 17

Gambar 10: Perubahan Produksi Akibat Perubahan Iklim di Kota Malang ................................................. 18

Gambar 11: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Malang ..................................... 19

Gambar 12: Perubahan Produksi Akibat Perubahan Iklim di Kota Batu .................................................... 20

Gambar 13: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Blitar ........................................ 20

Gambar 14: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Mojokerto .............................. 21

Gambar 15: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Sidoarjo ................................... 22

Gambar 16: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Jombang .................................. 22

Gambar 17: Perubahan Gross Margin Akibat Perubahan Iklim di Kota Malang ......................................... 23

Gambar 18: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Malang ............................... 24

Gambar 19: Perubahan Gross Margin Akibat Perubahan Iklim di Kota Batu .............................................. 24

Gambar 20: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Blitar ................................. 25

Gambar 21: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Mojokerto ....................... 25

Gambar 22 Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Sidoarjo ............................. 26

Gambar 23: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Jombang ............................ 26

Gambar 24: Peta Kejadian Kekeringan 7 Kabupaten di DAS Brantas ......................................................... 29

Gambar 25: Diagram Alir Proses Penyusunan Pemodelan Valuasi Dampak Perubahan Iklim

terhadap Ketersediaan Air Wilayah DAS Brantas ....................................................................... 35

Gambar 26: Grafik Pasokan-Permintaan Bulanan pada 7 Kabupaten Tahun 2015................................... 38

Gambar 27: Grafik Pasokan-Permintaan Tahunan Setiap Kabupaten pada Bulan Kering (Juni-

Oktober) ................................................................................................................................................ 40

Gambar 28 Skenario Model Untuk Menduga Dampak Perubahan Iklim terhadap Ketersediaan

Air Domestik ........................................................................................................................................ 41

Gambar 29: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kota Malang ................ 42

Gambar 30: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten Malang ...... 43

Gambar 31: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kota Batu ..................... 44

Gambar 32: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten Blitar ........ 44

Gambar 33: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten

Mojokerto .............................................................................................................................................. 45


Sidoarjo .................................................................................................................................................. 46


Jombang .................................................................................................................................................. 46

Gambar 36: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kota Malang .......... 48

Gambar 37: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kota Malang ............. 48

Gambar 38: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kabupaten

Malang ..................................................................................................................................................... 49

Gambar 39: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kabupaten

Malang ..................................................................................................................................................... 50

Gambar 40: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kota Batu ............... 51

Gambar 41: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kota Batu.................. 51


JAWA TIMUR

v


Blitar ........................................................................................................................................................ 52

Gambar 43: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kabupaten Blitar ..... 53


Mojokerto .............................................................................................................................................. 54


Mojokerto .............................................................................................................................................. 54


Sidoarjo .................................................................................................................................................. 55


Sidoarjo .................................................................................................................................................. 56


Jombang .................................................................................................................................................. 57


Jombang .................................................................................................................................................. 58


JAWA TIMUR

vi

DAFTAR TABEL Tabel 1: Pemanfaatan Air di Wilayah Brantas ...................................................................................................... 2

Tabel 2: Keadaan Debit Sungai di DAS Brantas................................................................................................... 3

Tabel 3: Pemodelan Dampak Perubahan Iklim pada Sektor Pertanian ......................................................... 8

Tabel 4: Hasil Regresi Model GDD-HDD Menggunakan Fixed Effect ........................................................... 13

Tabel 5: Skenario Perubahan Iklim untuk DAS Brantas ................................................................................. 17

Tabel 6: Persen Perubahan Produksi dan Gross Margin (GM) Akibat Perubahan Iklim ........................... 27

Tabel 7: Pemodelan Dampak Perubahan Iklim pada Sektor Sumber Daya Air ......................................... 30

Tabel 8: Matriks Kejadian Kekeringan di DAS Brantas................................................................................... 37

Tabel 9: Skenario Perubahan Iklim untuk DAS Brantas ................................................................................. 41

Tabel 10: Persen Perubahan Pasokan-Permintaan Akibat Perubahan Iklim ............................................... 59

Tabel 11: Persen Perubahan Terdampak Akibat Perubahan Iklim ............................................................... 60


JAWA TIMUR

vii

DAFTAR SINGKATAN ADB Asian Development Bank

BAPPEDA Badan Perencanaan Daerah

BMKG Badan Meteorologi Klimatologi dan Geofisika

BNPB Badan Nasional Penanggulangan Bencana

BPBD Badan Penanggulangan Bencana Daerah

BPS Badan Pusat Statistik

BPTP Balai Pengkajian Teknologi Pertanian

DAS Daerah Aliran Sungai

DEM Digital Elevation Model

DPRD Dewan Perwakilan Rakyat Daerah

DSSAT The Decision Support System for Agrotechnology Transfer

ENSO El-Nino Southern Oscilation

ETP Evapotranspirasi

FAO The Food and Agriculture Organization

GDD Growing Degree Days

GCM Global Climate Model

GKG Gabah Kering Giling

GM Gross Margin

HDD High Degree Days

HEC-HMS Hidrologic Engineering Center – The Hydrologic Modeling

System

HIPPAM Himpunan Penduduk Pemakai Air Minum

IPCC Intergovemental Panel on Climate Change

NASA The National Aeronautics and Space Administration

PDAM Perusahaan Daerah Air Minum

PDB Produk Domestik Bruto

UNDP United Nations Development Programme

USGCRP The US Global Change Research Program

WEAP Water Evaluatioan And Planning


JAWA TIMUR

viii

RINGKASAN Daerah aliran sungai (DAS) Brantas merupakan salah satu wilayah sungai strategis nasional yang meliputi

beberapa Kabupaten di Provinsi Jawa Timur. Pada masa mendatang, perubahan iklim global diperkirakan

menjadi salah satu faktor yang berdampak terhadap produksi tanaman pangan dan dan pemenuhan

kebutuhan air domestik. Perkiraan dampak tersebut dikarenakan perubahan iklim global berdampak

terhadap perubahan pola dan besaran curah hujan diberbagai wilayah di dunia. Studi ini diarahkan untuk

menganalisis dampak perubahan iklim terhadap produksi tanaman pangan, yaitu: produksi padi dan

pemenuhan kebutuhan air domestik. Wilayah studi meliputi tujuh (7) Kabupaten dan Kota disekitar

DAS Brantas, yaitu: Kabupaten Malang, Kabupaten Blitar, Kabupaten Sidoarjo, Kabupaten Jombang,

Kabupaten Mojokerto, Kota Batu dan Kota Malang.

Analisis dampak perubahan iklim terhadap produksi padi dilakukan menggunakan model empiris yang

dikalibrasi untuk wilayah studi dengan variabel bebas produktivitas tanaman padi dan variabel tidak

bebas nilai GDD (Growing Degree Days) dan HDD (High Degree Days), dan curah hujan. Model tersusun

digunakan untuk melakukan valuasi dampak perubahan iklim terhadap perubahan tingkat produksi padi

dan perubahan nilai Gross Margin (GM). Nilai produksi dihitung dengan mengalikan produktivitas dengan

luas panen. Sementara, nilai GM dihitung berdasarkan selisih antara pendapatan (i.e., produksi dikalikan

harga jual) dan biaya produksi. Kecuali nilai produktivitas padi yang berubah mengikuti perubahan suhu

(GDD dan HDD) dan curah hujan, variabel lain yang dipergunakan dalam analisis diasumsikan tetap

untuk mengisolasi dampak perubahan iklim terhadap produksi padi dan nilai GM. Proyeksi perubahan

iklim masa depan diperoleh berdasarkan luaran model iklim dibawah skenario RCP4.5 yang

menunjukkan adanya perbedaan nilai proyeksi khususnya curah hujan. Hasil simulasi menunjukkan

produksi tanaman padi pada wilayah dataran rendah yang saat ini sudah cukup panas, yaitu: Kabupaten

Jombang, Kabupaten Sidoarjo dan Mojokerto, memiliki kecenderungan untuk berkurang dimasa depan

sebesar 7-8% dari nilai produksi rataan (Sidoarjo: 205,000 Ton/tahun, Mojokerto: 302,000 Ton/tahun,

Jombang: 412,000 Ton/tahun). Kondisi tersebut berdampak terhadap penurunan nilai GM pada ketiga

lokasi tersebut sebesar sampai 11-14%, dengan nilai GM rataan: Sidoarjo: Rp 633 Miliar, Mojokerto:

Rp 885 Miliar, dan Jombang: Rp 1.16 Triliun. Sementara, untuk wilayah studi lainnya, dampaknya

menunjukkan kecenderungan bervariasi tergantung skenario perubahan curah hujan. Kondisi tersebut

mendorong perlunya perhatian terhadap kegiatan adaptasi sehingga potensi kerugian dapat dihindari

atau paling tidak dikurangi

Penilaian dampak perubahan iklim di masa depan terhadap pemenuhan kebutuhan air domestik

dilakukan menggunakan model yang disusun berdasarkan perbedaan antara ketersediaan dan

permintaan air. Ketersediaan air dihitung menggunakan konsep neraca air dengan masukan curah hujan,

sementara permintaan air domestik dihitung berdasarkan jumlah populasi dikalikan dengan standar

kebutuhan air harian. Penilaian dampak difokuskan selama musim kering dengan asumsi penduduk

wilayah studi memperoleh air domestik dari sumur-sumur air tanah. Secara umum, penurunan curah

hujan di suatu wilayah berakibat pada penurunan ketersediaan air, sementara pertumbuhan penduduk

berakibat pada peningkatan atas kebutuhan air domestik. Dengan menggunakan skenario perubahan

curah hujan dan pertumbuhan penduduk, hasil simulasi model menunjukkan rata-rata kenaikan

persediaan air di tujuh (7) Kabupaten wilayah studi > 20%, kecuali Kota Batu ~18% dengan skenario

kenaikan curah hujan dan penduduk tetap. Sementara, penurunan ketersediaan air berada di kisaran -

9% hingga -14% apabila perubahan iklim dimasa depan berdampak terhadap penurunan curah hujan

selama musim kering. Dibandingkan kondisi saat ini, Kota Malang, Kabupaten Sidoarjo dan Kabupaten

Jombang diproyeksikan mengalami defisit pemenuhan kebutuhan air domestik. Hal tersebut berakibat


JAWA TIMUR

ix

terhadap populasi terdampak yang kebutuhan air domestiknya dapat tidak terpenuhi. Kabupaten lain,

yaitu: Kabupaten Malang, Blitar, Mojokerto dan Kota Batu, diproyeksikan masih dapat memenuhi

kebutuhan air domestik menggunakan air tersedia yang berasal dari curah hujan, walaupun ketersediaan

airnya diproyeksikan akan mengalami penurunan. Hal tersebut menunjukkan manajemen sumberdaya

air diperlukan agar pemenuhan kebutuhan air domestik dapat terjaga dan berkesinambungan.


JAWA TIMUR

x

SUMMARY Brantas river basin (daerah aliran sungai - DAS) is one of the national strategic river areas covering

several districts in East Java Province. In the future, global climate change is expected to affecting the

production of food crops and the fulfillment of domestic water needs. This estimate is considering

global climate change alters rainfall pattern and magnitude over various regions in the world. This

study is directed to analyze the impacts of climate change on food crop production, namely: rice

production, and the fulfillment of domestic water needs. The study area covers seven (7) regencies

and cities around Brantas watershed, namely: Malang Regency, Blitar Regency, Sidoarjo Regency,

Jombang Regency, Mojokerto Regency, Batu City and Malang City.

Analysis of climate change impacts on rice production was done using calibrated empirical model for

study area with independent variables of rice productivity and dependent variables of GDD (Growing

Degree Days) and HDD (High Degree Days), and rainfall. The calibrated model is then employed to

assess the impacts of climate change on rice production levels and the value of Gross Margin (GM).

The value of production is calculated by multiplying the productivity by the harvested area. Meanwhile,

the value of GM is calculated based on the difference between income (i.e., production multiplied by

selling price) and production cost. With the exception of the value of paddy productivity as a function

of temperature (GDD and HDD) and rainfall, other variables used in the analysis are assumed to

remain constant, isolating the impacts of climate change on rice production and the value of GM.

Future climate change projection is obtained based on the climate model outputs simulated under

RCP4.5 scenario, which shows the variance in projection values especially for rainfall. Based on the

simulation results, rice production in lowland areas, whose climate condition is relatively hot, namely:

Jombang, Sidoarjo and Mojokerto regencies, exhibit a tendency to decrease in the future by 7-8% as

compared to the average of production value (i.e., Sidoarjo: 205,000 Ton/year, Mojokerto: 302,000

Ton/year, Jombang: 412,000 Ton/year). These tendencies will decline in the value of GM in the three

locations, amounted to about 11-14%, with the average GM value of Sidoarjo: Rp 633 billion, of

Mojokerto: Rp 885 billion, and of Jombang: Rp 1.16 trillion. Meanwhile, for the other study areas, the

impact assessments show a tendency to vary depending on the rainfall change scenarios. These

conditions encourage the needs for implementing adaptation activities so that the potential losses can

be avoided or at least reduced.

Assessment of the future impacts of climate change on the fulfillment of domestic water needs is

completed using a model based on the difference between water supply and demand. The availability

of water is calculated using the concept of water balance with rainfall as input, while domestic water

demand is calculated based on the number of population multiplied by the standard daily water

requirements. The impact assessment was focused during the dry season and assumed domestic water

was obtained from groundwater wells. In general, lower rainfall will decrease water availability, while

population growth will increase the demand for domestic water. On the basis of rainfall change and

population growth scenario, the model simulation shows that water availability will increase of about

> 20% for most districts of the study area, with the exception of Batu City ~ 18%, under the scenario

of higher rainfall and no population growth. Meanwhile, the decrease of water availability will be in the

range of -9% to -14% under the scenario of lower rainfall during the dry season. Compared to the

current condition, Malang City, Sidoarjo Regency and Jombang Regency are projected to suffer from

the impacts of climate change on fulfilling domestic water needs (i.e., deficit status). Further analysis

shows the numbers of affected population whose domestic water needs maynot be fulfilled. Meanwhile,

decreasing rainfall projected for the other districts, namely: Malang, Blitar, Mojokerto and Batu


JAWA TIMUR

xi

districts, may not directly impact the fulfillment of the domestic water demand, indicating the water

supply for these districts may still be sufficient. This situation encourages that management of water

resources should be devised and implemented so that the fulfillment of domestic water demand can

be sustained and maintained


JAWA TIMUR

1

BAB I. INFORMASI UMUM WILAYAH DAS

BRANTAS

1.1. KONDISI GEOGRAFIS DAS BRANTAS

Daerah aliran sungai (DAS) Brantas merupakan wilayah sungai strategis nasional berdasarkan Permen

PU No. 11A Tahun 2006. DAS Brantas merupakan DAS terbesar kedua di Pulau Jawa, terletak di

Provinsi Jawa Timur pada 110°30’ BT sampai 112°55’ BT dan 7°01’ LS sampai 8°15’ LS. Panjang Sungai

Brantas mencapai 320 km dengan luas DAS sebesar 14.103 km2 yang mencakup 25% luas Provinsi Jawa

Timur atau 9% luas Pulau Jawa.

Wilayah sungai Brantas terdiri dari DAS Brantas seluas 11,988 km2 dan lebih dari 100 DAS kecil yang

mengalir ke pantai selatan Pulau Jawa, antara lain DAS Kali Tengah, DAS Ringin Bandulan, DAS Kondang

Merak dan DAS kecil lainnya dengan total luas sekitar 2,115 km2. Batas administrasi Wilayah DAS

Brantas meliputi 9 Kabupaten (Malang, Blitar, Tulungagung, Trenggalek, Kediri, Nganjuk, Jombang,

Mojokerto dan Sidoarjo) dan 6 Kota (Batu, Malang, Blitar, Kediri, Mojokerto dan Surabaya) yang

merupakan 26.5% dari wilayah Provinsi Jawa Timur (Sisdat BBWS Brantas 2011). Penduduk di das

Brantas mencapai 15,90 juta orang (2005) atau 42,89% dari penduduk Jawa Timur dan mempunyai

kepadatan rata-rata 1.272 orang/km².

Gambar 1: Peta Wilayah DAS Brantas

Sumber: PSDA WS Brantas 2010

Kondisi permukaan DAS Brantas juga dipengaruhi oleh kondisi relief, topografi, dan kemiringan lahan.

Secara umum kemiringan lahan DAS Brantas sangat kompleks dan terbagi dalam lima (5) kelas. (1)

Kemiringan lereng 0 – 8 % (datar) yang terdapat di dataran aluvial gunungapi. (2) Kemiringan lereng 8

– 15 % (landai) yang membentuk lereng kaki dan lereng bawah gunungapi. (3) Kemiringan Lereng 15 –


JAWA TIMUR

2

25 % (agak curam) yang dijumpai pada lereng tengah gunungapi. (4) Kemiringan lereng 25 – 40 %

(curam) dan (5) kemiringan lereng > 40 % yang membentuk lereng atas gunungapi. Daerah dengan

kemiringan hingga (>40%) terutama di sub DAS Borek Glidik, sedangkan daerah dengan kemiringan

rendah/datar (<8%) banyak terdapat di sub DAS Widas dan Lahar.

DAS Brantas dibagi menjadi dua kawasan yakni kawasan lindung dan kawasan budidaya. Kawasan

budidaya mencakup wilayah pedesaan yang difungsikan sebagai daerah pertanian dan daerah

pemukiman, sedangkan kawasan lindung diperuntukan sebagai wilayah yang keberadaannya untuk

menjaga keberlanjutan sistem ekosistem DAS. Tutupan lahan DAS Brantas didominasi oleh Sawah

(32.20% atau 387,584.62 ha), Pemukiman (16.41% atau 199,436.92 ha), Perkebunan (20.37% atau

247,492.60 ha), Hutan (7.05% atau 85,569.84 ha). Secara fisiografi terbagi menjadi lima unit, yakni: lajur

daratan alluvial, lajur perbukitan kendeng, lajur daratan tengah, lajur gunung api kuarter dan lajur

pegunungan selatan. Kondisi topografi bervariasi wilayah dataran, bukit dan gunung dengan ketinggian

mencapai 0 meter sampai dengan 3,675 meter. Kondisi jenis tanah terdiri dari tanah alluvial, andosol,

altosol, latosol, mediteran, grumusol dan regosol.

1.2. KONDISI IKLIM DAS BRANTAS

Wilayah DAS Brantas berada pada wilayah curah hujan berkarakteristik monsoonal dengan puncak

hujan terjadi di awal atau akhir tahun. Bulan basah terjadi pada awal November sampai dengan April

sedangkan bulan kering terjadi pada bulan Mei sampai dengan Oktober. Curah hujan rata-rata bulanan

maksimum terjadi pada bulan Januari yakni sebesar 398 mm sedangkan minimum terjadi pada bulan

Agustus sebesar 10 mm. Curah hujan rata-rata tahunan mencapai 2.000 mm sekitar 85% jatuh pada

musim hujan (Sisdat BBWS Brantas 2011). Suhu udara rata-rata mencapai 240C. Kelembaban udara

relatif tahunan rata-rata mencapai 85.33%.

1.3. SUMBER DAYA AIR DAS BRANTAS

Potensi air permukaan per tahun rata-rata 13 milyar m3, termanfaatkan sebesar 5-6 milyar m3/tahun.

Keadaan debit sungai pada wilayah DAS Brantas terbesar terdapat pada sungai Ngrowo (mencapai

1,771 m3/detik sedangkan terkecil ada diwilayah sungai lahor mencapai 0.43 m3/detik. Sumber

tangkapan air untuk DAS Brantas secara berturut-turut antara lain Sub-DAS Konto (10% luasan DAS

Brantas), Sub DAS Brantas-Bango-Amprong (35% luasan DAS Brantas), dan Sub DAS Lesti-Genteng

(17% luasan DAS Brantas). Wilayah tersebut menjadi fokus untuk Forum pengelolaan DAS dan

digunakan masyarakat sebagai sumber air untuk keperluan domestik oleh Himpunan Penduduk Pemakai

Air Minum (HIPPAM) dan Perusahaan Daerah Air Minum (PDAM) (Hakim dan Wienarto 2010).

Pemanfaatan air di wilayah Brantas meliputi irigasi, domestik/non-domestik, PDAM dan industri tahun

2005 dan proyeksi tahun 2020 dan 2030 ditunjukkan Tabel 1.

Tabel 1: Pemanfaatan Air di Wilayah Brantas

Pemanfaatan Tahun

2005 2020 2030

Irigasi (juta m³/tahun) 3,610 3,765 3,718

Domestik/Non-Domestik (m³/detik) 65.04 81.34 90,51

PDAM (m³/detik) 20.732 25.239


JAWA TIMUR

3

Industri (m³/detik) 4.74 6.38 7.48

Tambak (m³/detik) 19.6 19.6 19.6

Sumber: BBWS 2011

Tabel 2: Keadaan Debit Sungai di DAS Brantas

No DAS/ Sub DAS Sungai Utama Debit Sungai (m3/detik)

Maksimum Minimum Rata-Rata

I. Brantas Hulu

1 Ambang Brantas (Stasiun Gadang) 1582 20 60

2 Lesti Lesti 1485 19 43.1

3 Melamon Metro 14.04 5.03 9.79

Lahor 4.74 0.48 2.07

II. Brantas Tengah

1 Ngrowo Ngasinan Ngrowo 1771 63 60

Ngasinan 1667 16 42

2 Lahar Lekso 357.73 3.39 18.56

Jimbe 528 23 25.5

Bladak 46.41 0.71 2.56

3 Widas Widas 218 2 5.39

4 Konto Konto 46.75 0.59 3.38

III. Brantas Hilir

1 Bluwek Beng 32.66 2.5 7.58

2 Brangkal Brangkal 640 3 32.47

3 Maspo Sadar pm pm pm

Mas pm pm pm

Porong 1487 12 366.1

DAS Brantas Brantas (Stasiun Perning) 86 112 254

Sumber: Perum Jasa Tirta I dan Dinas Pengairan 2006


JAWA TIMUR

4

1.4. KEADAAN SUMBER DAYA AIR DI DAS BRANTAS

DAS Brantas merupakan wilayah yang sangat berpotensi dan memiliki peran cukup besar pada wilayah

Jawa Timur. Sebagai salah satu lumbung pangan nasional, hampir 60% persawahan di Jawa Timur dialiri

oleh sungai-sungai DAS-Brantas. Beberapa potensi lain dari DAS Brantas adalah:

- Memenuhi kebutuhan air pada musim kemarau

- Menunjang ketahanan air dan ketahanan pangan

- Pembangkit listrik tenaga mini dan pembangkit listrik tenaga air

- Pengembangan potensi sektor unggulan seperti pertanian, perkebunan dan pariwisata

Selanjutnya perkembangan dan pertumbuhan jumlah penduduk menjadi tantangan kedepan dalam

menjangkau kebutuhan masyarakat. Perkembangan penduduk dan pemukiman mendorong perlunya

strategi dalam penyusunan pola penggunaan lahan. Adapun dampak yang mungkin muncul adalah

turunnya kualitas DAS akibat perubahan alih fungsi lahan. Beberapa pemicu tersebut adalah:

- Peningkatan jumlah penduduk, pembangunan dan pengembangan industri, pengembangan

pemukiman, sampah dan limbah industri

- Minimnya kapasitas dalam pencegahan dan upaya rehabilitasi kerusakan sumberdaya alam

- Kegagalan pasar

- Kebijakan belum berpihak pada pelestarian maupun konservasi ketahanan sumberdaya alam

- Minimnya koordinasi para pihak dan masyarakat dalam partisipasi dalam konteks pemanfaatan

dan pelestarian sumberdaya alam

Pada tahun (2012), Litbang Pertanian mengemukakan lahan tanaman pangan, upaya konservasi tanah

dan air menjadi perhatian utama. Pada wilayah hulu isu-isu difokuskan kepada (1) pendekatan melalui

upaya partisipatif (2) masih lemahnya kebijakan pemerintah dan lembaga yang didasarkan kepada

pendekatan kuantitaif dan dokumentasi pengetahuan (metode pengelolaan lahan berkelanjutan) (3)

lemahnya koordinasi dan keterpaduan diantara para pihak, pendekatan sectoral dalam pengelolaan

lahan masih dominan (4) pertimbangan dampak pada fungsi DAS kurang diperhatikan dalam pelaksanaan

proyek pada tingkat masyarakat (5) lemahnya penegakan hukum (6) kemiskinan yang terjadi semakit

meningkat pasca krisis ekonomi tahun 1997 (7) kesadaran masyarakat lokal mengenai degradasi lahan

masih rendah dan (8) kurangnya desiminasi informasi secara partisipatif.

1.5. WILAYAH KAJIAN DI DAS BRANTAS

Wilayah kajian pada laporan ini terdiri dari 7 Kabupaten dan Kota di sepanjang DAS Brantas. Kabupaten

dan Kota tersebut terdiri dari Kabupaten Malang, Kabupaten Blitar, Kabupaten Sidoarjo, Kabupaten

Jombang, Kabupaten Mojokerto, Kota Batu dan Kota Malang. Wilayah kajian tersebut berada di bagian

DAS Brantas sebelah Timur dari hulu hingga hilir DAS Brantas.


JAWA TIMUR

5

Gambar 2: Peta Wilayah Kajian DAS Brantas


JAWA TIMUR

6

BAB 2. DAMPAK IKLIM SEKTOR PERTANIAN DI DAS

BRANTAS

2.1. DAMPAK IKLIM PADA SEKTOR PERTANIAN DI DAS BRANTAS

Menurut laporan ilmiah yang diterbitkan oleh World Bank (2013), kemungkinan meningkatnya suhu

bumi dua dekade mendatang akan memperberat tantangan pembangunan di kawasan Asia Tenggara

dan berpotensi merusak perbaikan pembangunan yang telah tercapai. Laporan ADB (2009)

menyebutkan bahwa negara-negara di kawasan Asia Tenggara telah menderita kerugian parah akibat

perubahan iklim dengan biaya rata-rata perubahan iklim yang setara dengan 6,7 persen dari Produk

Domestik Bruto (PDB) setiap tahunnya terutama di Negara Filipina, Indonesia, Thailand dan Vietnam,

jika dilakukan skenario penanganan biasa. Indonesia sebagai Negara dengan perekonomian terbesar di

Asia Tenggara akan paling menderita akibat perubahan iklim terutama kekeringan dan banjir, karena

fenomena ini akan menurunkan produksi pangan dan kapasitas produksi. PDB Indonesia, 15%

merupakan sumbangan dari sektor pertanian dimana 41% dari angkatan kerja tergantung dari sektor

tersebut. Hasil kajian FAO (2005) menunjukkan variabilitas dan perubahan iklim mempengaruhi 11%

lahan pertanian di negara-negara berkembang yang dapat mengurangi produksi bahan pangan dan

menurunkan Produk Domesik Bruto (PDB) sampai 16%.

DAS Brantas sebagai salah satu DAS terbesar di Jawa Timur, digunakan untuk keperluan sektor

pertanian sekitar 2,77 miliar meter-kubik pertahun atau sekitar 40% dari kapasitas air permukaannya.

Kerugian akibat berkurangnya debit aliran sungai DAS Brantas tentu menyebabkan wilayah pertanian

kekeringan dan gagal panen. Kejadian tahun 2012 ketika Jawa Timur harus dilanda kekeringan

berkepanjangan menyebabkan puluhan ribu hektar sawah pertanian gagal panen. Salah satunya adalah

Bendungan Karangkates yang memasok air di Daerah Aliran Sungai (DAS) sekitar Kali Brantas,

kapasitasnya semakin menurun sampai 50%. Padahal daerah terdampak kekeringan tersebut merupakan

wilayah pertanian produktif yang selama ini menjadi lumbung pangan Nasional. Hal tersebut

menyebabkan pemerintah daerah melalui dana cadangan harus menggelontorkan sekitar 10 Miliar

Rupiah untuk menanggulangi gagal panen dan krisis pangan (DPRD Jatim 2012). Gambar 3 menunjukkan

sebagian besar daerah DAS Brantas mengalami kekeringan maupun banjir yang berdampak pada

penurunan produksi tanaman khususnya tanaman padi, kerusakan lahan pertanian, dan gagal panen.

Gambar 3: Rekapitulasi Dampak Kejadian Bencana terhadap Sektor Pertanian di DAS

Brantas


JAWA TIMUR

7

Sampai saat ini belum ada penelitian terkait dengan dampak perubahan iklim di sektor ekonomi

khususnya terkait pertanian di DAS Brantas. Padahal perhitungan biaya ekonomi akibat dampak

perubahan iklim dapat digunakan sebagai acuan dalam pengalokasian dana untuk penanggulangan

maupun pemulihan akibat bencana perubahan iklim. Saat ini, acuan pemerintah dalam menghitung

jumlah kerugian materil dari suatu bencana masih mempertimbangkan metode yang digunakan oleh

BNPB dan Bappenas yaitu Damage and Loss Assessment (DALA).

2.2. PEMODELAN DAMPAK PERUBAHAN IKLIM SEKTOR PERTANIAN

Sektor pertanian merupakan salah satu sektor yang sangat bergantung terhadap iklim. Kejadian bencana

seperti, banjir dan kekeringan merupakan indikasi fenomena perubahan iklim yang saat ini sedang terjadi

yang dapat mempengaruhi kegiatan pertanian dan terutama berdampak terhadap produksi pertanian

(Ruminta and Handoko 2012). Menurut laporan IPCC (2008) negara berkembang lebih cenderung

terkena dampak perubahan iklim yang jauh lebih besar dibandingkan negara maju akibat kurangnya

langkah-langkah adaptasi terhadap perubahan iklim. Langkah-langkah adaptasi terhadap perubahan iklim

dapat dilakukan dengan cara mengidentifikasi dampak perubahan iklim dan melakukan pendugaan

kondisi iklim masa depan serta dampaknya terhadap sektor pertanian di masa depan. Hal tersebut

dapat dilakukan dengan melakukan pemodelan dampak perubahan iklim terhadap sektor pertanian.

Pemodelan dampak perubahan iklim dilakukan mengacu pada studi literatur yang sudah ada. Kompilasi

studi literatur disajikan pada Tabel 3. Kajian yang dilakukan oleh Challinor et al. (2014) dengan

melakukan meta-analisis untuk mengetahui dampak perubahan iklim dengan dan tanpa diterapkannya

adaptasi terhadap tanaman jagung, padi, dan gandum di wilayah tropis dan lintang tinggi. Metode yang

digunakan adalah bootstrap dengan perubahan suhu, produktivitas padi, dan jagung sebagai variabel

kajian. Hasil kajian Challinor et al. (2014) menunjukkan bahwa produktivitas padi dan jagung di wilayah

tropis mengalami penurunan seiring meningkatnya suhu tanpa diterapkannya adaptasi. Penurunan

produktivitas tanaman jagung dan padi tanpa diterapkannya adaptasi mencapai 20% dan 10% secara

berturut-turut dengan skema peningkatan suhu tertinggi (5⁰C). Penerapan adaptasi pada kedua

tanaman mengurangi dampak penurunan produktivtas yang lebih kecil dibandingkan tanpa

diterapkannya adaptasi.

Model mekanis digunakan untuk mengetahui dampak perubahan iklim terhadap sektor pertanian,

seperti yang telah dilakukan Han et al. (2013). Pemodelan mekanistik Han et. al (2013) menggunakan

DSSAT 4.0-CERES-rice dengan model GCM (GFDL_CM2.0, GFDL_CM2.1, CCSM3, dan

UKMO_HadGEM1) dengan skenario A1B. Hasil studi menunjukkan produktivitas padi memiliki

hubungan logaritmik dengan CO₂ sedangkan suhu memiliki hubungan linier dan berbanding terbalik,

yang menunjukkan bahwa peningkatan suhu akan menurunkan produktivitas padi. AquaCrop

merupakan salah satu model mekanistik yang digunakan dalam memproyeksikan dampak perubahan

iklim terhadap produktivitas tanaman, seperti yang telah dilakukan oleh Bird et al. (2014), untuk

memproyeksikan produktivitas gandum dan tomat akibat dampak perubahan iklim. Hasil model

AquaCrop mampu merepresentasikan hasil observasi lapang dengan ketentuan parameterisasi yang

dilakukan telah sesuai (mewakili) dengan kondisi wilayah kajian. Hasil proyeksi dampak perubahan iklim

terhadap produktivitas gandum dan tomat menunjukkan produktivitas kedua tanaman tersebut sangat

membutuhkan air irigasi yang cukup banyak di masa depan.

Model empirik dalam pendugaan produksi jagung menggunakan GDD (Growing Degree Days) dan HDD

(Heat Degree Days) dilakukan oleh Roberts et al. (2017). Penelitian tersebut menggunakan parameter

suhu dan curah hujan dalam satu musim tanam jagung dalam memodelkan produksi tanaman jagung.

Hasil model tersebut menghasilkan R² sebesar 0.6 yang menunjukkan model mampu mempersentasikan

produksi jagung sebesar 60% sedangkan sisanya dipengaruhi faktor lain. Variabel suhu (GDD dan HDD)

mempunyai pengaruh yang lebih besar dibandingkan dengan variable curah hujan (Roberts et al. 2017).


JAWA TIMUR

8

Tabel 3: Pemodelan Dampak Perubahan Iklim pada Sektor Pertanian Jenis

model

Fokus Lokasi Variabel Reference Metode Hasil

Empiris Produktivitas

padi

Tropis Perubahan produktivitas padi,

perubahan suhu

Challinor et

al. 2014

Bootstrap Peningkatan suhu

menyebabkan

penurunan produktivitas

padi


jagung

Tropis Perubahan produktivitas

jagung, perubahan suhu

Challinor et

al. 2014

Bootstrap Peningkatan suhu

menyebabkan

penurunan produktivitas

jagung


jagung

Amerika

Serikat

Suhu maksimum dan minimum

harian, curah hujan satu musim

tanam

Roberts et al.

2017

Model

Logaritmik

Model suhu dan curah

hujan untuk produksi

jagung mempunyai R² =

0.6

Mekanis Produktivitas

padi

Gwanggu,

Korea

Produksi padi, suhu, radiasi

matahari, dan CO2, serta

penghitungan water use

efficiency dan radiation use

efficiency

Han et. Al

2013

DSSAT4.0-

CERES-rice CO₂ memiliki hubangan

logaritmik terhadap

produktivitas padi.

Suhu memiliki hubungan

linier terbalik dengan

produktivitas padi


gandum

Sardinia Produktivitas gandum,

Kerapatan tanaman, waktu

tanam, jumlah hari tanaman

siap panen, indeks panen,

kandungan air tanah, dan jenis

tanah

Bird et al.

2014

AquaCrop Produktivitas gandum

dapat diduga dan di

masa depan

membutuhkan air irigasi

dalam jumlah yang lebih

banyak


tomat

Tunisia Produktivitas tomat,

Kerapatan tanaman, waktu

tanam, jumlah hari tanaman

siap panen, indeks panen,

Bird et al.

2014

AquaCrop Produktivitas tomat

dapat diduga dan di

masa depan

membutuhkan air irigasi

dalam jumlah yang lebih

banyak


gandum

Cina Produktivitas gandum, suhu

minimum, suhu maksimum,

suhu rata-rata, curah hujan,

kecepatan angin, lama

penyinaran matahari,

parameter tanah (fraksi pasir,

liat pada kedalaman (0-100

cm)

Sulin et al.

2016

WOFOST r = 0.73

RMSE = 642 Kg/ha

RE = 4.4%

Mekanis Produksi,

harga,

konsumsi

Indonesia Model Iklim Hutabarat

2012

ICASEPS Dampak perubahan

iklim terhadap produksi,

harga, konsumsi.

Mekanis Kesesuaian

iklim

tanaman

sorgum

Afrika Curah hujan, maksimum,

minimum, dan rata-rata suhu

udara, GCM, sebaran

pertanaman

Villegas et al.

2013

EcoCrop Kesesuaian iklim

tanaman sorgum

mengalami perubahan

pada beberapa wilayah

2.3. PEMODELAN DAMPAK EKONOMI AKIBAT PERUBAHAN IKLIM

Menurut Ackerman dan Stanton (2008), kenaikan suhu mencapai 6 derajat Fahrenheit, berakibat pada

hasil panen di seluruh dunia akan turun. Penurunan hasil panen akan lebih drastis untuk negara tropis

dibanding dengan pertanian di daerah beriklim sedang. Penelitian tersebut mengungkapkan hubungan

nilai pasar lahan pertanian Amerika Serikat dan iklimnya. Untuk wilayah penelitian dengan sistem

pertanian tadah hujan sangat bergantung dengan suhu dan curah hujan. Nilai tanah maksimal


JAWA TIMUR

9

(produktivitas pertanian ideal) terjadi saat suhu selama musim tanam yaitu April sampai September

sama dengan saat ini dan curah hujan selama musim tanam mencapai 31 inchi (78 cm) per tahun, jauh

di atas rata-rata historis 23 inchi (58 cm). Jika di masa depan terjadi peningkatan suhu maka nilai tanah

akan turun. Untuk tahun 2070 sampai 2099, studi tersebut memproyeksikan bahwa nilai rata-rata lahan

pertanian akan turun 62% di bawah skenario A2 IPCC. Variabel iklim yang paling kuat terkait dengan

penurunan nilai tanah tersebut adalah jumlah hari >93⁰ Fahrenheit (33.8⁰C), suhu yang buruk untuk

hampir semua tanaman pangan.

Laporan Proseding dari National Academy of Sciences (2013) mengungkapkan beberapa analisis terkait

perkiraan tahun 2050 dengan dan tanpa perubahan iklim:

1). Rata-rata efek perubahan iklim langsung terhadap hasil panen adalah penurunan 17 persen, namun

dengan perbedaan yang signifikan dengan model panen, wilayah, dan panen-iklim.

2). Rata-rata dampaknya adalah penurunan 11 persen karena petani merespons dengan mengubah

penggunaan input dan praktik pengelolaan pada area pertanian yang ada, memperluas produksi ke

daerah baru (peningkatan sekitar 8 persen) dan mengurangi konsumsi (penurunan sekitar 3 persen).

3). Rata-rata efek pada harga tanaman adalah kenaikan 20 persen, namun untuk beberapa tanaman

pangan di beberapa daerah harga tidak berubah sama sekali, sementara di negara lain kenaikannya lebih

dari 60 persen.

4) Perbedaan hasil model timbul dari asumsi yang berbeda yang dibuat oleh kelompok pemodelan di

tiga wilayah: Seberapa mudah mengonversi lahan non-pertanian menjadi sawah, seberapa besar petani

bisa merespons harga yang lebih tinggi dengan hasil yang lebih tinggi. Dan seberapa besar arus

perdagangan internasional dapat merespons dampak iklim regional yang berbeda.

Perhitungan produksi sereal, harga sereal dan risiko kelaparan yang terjadi secara global dilakukan oleh

Parry et al (2004) menggunakan metode Basic Linked System (BLS). Pendekatan umum BLS yaitu

merekontruksi semua aktivitas ekonomi yang dipresentasikan oleh model. Penelitian dimulai dengan

mensimulasi produksi hasil panen global. Hasil panen diproyeksikan oleh variable iklim, efek CO₂, dan

sistem pertanian yang berkontribusi terhadap produksi tanaman global. Pendekatan perubahan iklim

dilakukan melalui skenario SRES. Respon hasil panen terhadap variabel iklim didekati dengan analisis

statistik yang menghasilkan tingkat korelasi hingga 70%. Selanjutnya penilaiaan model ekonomi nasional

dilakukan melalui fungsi perdagangan, harga pasar dunia, dan aliran keuangan setiap komoditi. Nilai

tersebut menentukan harga komoditi tertentu secara global.

Furuya et al. (2015) melakukan penelitian terkait dampak perubahan iklim pada sektor ekonomi yang

mempengaruhi kelebihan konsumsi pada komoditi pertanian. Penelitian tersebut menggunakan DCGE

model yang mencangkup fungsi total produksi padi yang terintegrasi dengan pertumbuhan tanaman dan

model kuantitas tanaman. Variabel pendapatan petani, PDB (GDP) dan kelebihan konsumen di ukur

dengan nilai variasi yang sama. Nilai tersebut berdasarkan perubahan variabel iklim menggunakan GCM:

Miroc. Hasil penelitian menunjukkan kelebihan konsumsi akan meningkat karena harga padi menurun,

sesuai dengan produksi padi yang meningkat mengikuti perubahan iklim. PDB akan meningkat karena

perubahan iklim meningkatkan produksi di sektor manufaktur. Sementara pendapatan petani (lahan

pertanian) akan menurun karena harga padi dan tanah menurun dibawah level rata-rata.

UNDP (2011) melakukan penelitian terkait model perhitungan dampak ekonomi dari perubahan iklim

pada berbagai sektor salah satunya pertanian. Dalam laporan tersebut disebutkan dua (2) pendekatan

yang dilakukan untuk menilai dampak perubahan iklim di sektor pertanian yaitu Agronomi dan Agro-

ekonomi. Pendekatan Agronomi bergantung pada respon panen yang diamati terhadap tanah, iklim,

dan pengelolaan yang berbeda untuk mensimulasikan perubahan hasil panen tahunan rata-rata. Proyeksi

harga satuan tanaman dan areal panen digunakan untuk mengubah hasil ini menjadi nilai ekonomi.

Pendekatan Agro-ekonomi menggabungkan pendekatan agronomi untuk menentukan dampak

perubahan iklim terhadap hasil panen dengan model pasar pertanian untuk menentukan produksi

tanaman pangan, harga dan keuntungan ekonomi serta kerugian akibat perubahan iklim.


JAWA TIMUR

10

BAB 3. PENGEMBANGAN METODE

VALUASI DAMPAK IKLIM 3.1. DATA

Data untuk tujuh (7) kabupaten wilayah studi tersedia yang dipergunakan pada kajian ini meliputi data

iklim, data produksi dan data ekonomi pada skala administrasi maupun spasial selama 10 tahun (2007-

2016). Data tersebut adalah data sekunder yang berasal dari Badan Pusat Statistik dalam bentuk data

produksi, produktivitas dan luas panen tanaman pangan tingkat Kabupaten dari tahun 2007 hingga 2016.

Komoditas yang dipilih untuk mewakili tanaman pangan adalah padi sawah. Data lainnya adalah data

biaya produksi per luasan tanam (Ha) didapatkan dari data BPS Nasional.

Data iklim yang digunakan terdiri dari data data curah hujan tahunan, data suhu udara tahunan, suhu

udara harian, dan data suhu udara harian maksimum. Data suhu udara harian dan data suhu udara harian

maksimum didapatkan dari NASA Power (https://power.larc.nasa.gov/) dari tahun 2007-2016. Data

curah hujan tahunan dan suhu udara tahunan didapat dari data Kabupaten Dalam Angka (BPS).

Untuk mendapatkan informasi iklim spasial wilayah, kajian ini menggunakan data Worldclim. Data ini

dikembangkan dengan interpolasi iklim permukaan untuk lahan global dengan resolusi spasial 30 busur

yang setara dengan 1 km resolusi spasial. Data curah hujan Baseline WordClim merupakan rataan dari

tahun 1971-2000. Luaran WordClim untuk model iklim CSIRO, GFDL, CCCMA, dan MIROC tahun

2021-2050 dengan RCP 4.5 digunakan sebagai informasi proyeksi masa depan. Informasi batas

administrasi wilayah diperoleh dengan mengolah data vektor luaran Badan Informasi Geospasial (BIG)

dan Badan Pusat Statistik (BPS), sementara data ketinggian berasal dari data DEM SRTM.

3.2. PENDEKATAN UMUM

Pengembangan penyusunan model valuasi dampak perubahan iklim terhadap produksi padi bertujuan

untuk mengetahui nilai kenaikan dan penurunan tingkat produksi dan valuasi dampak pada komoditas

terpilih. Dengan melihat perubahan produksi dan gross margin melalui pemanfaatan informasi perubahan

iklim diharapkan dapat digunakan dalam perencanaan dan penyusunan kebijakan pembangunan nasional

maupun daerah dengan pertimbangan kondisi iklim.

Pengembangan model valuasi dampak dilakukan melalui pendekatan model empiris dengan

menggunakan informasi iklim yang mempengaruhi produksi tanaman. Berdasarkan review literature

faktor iklim yang banyak dipergunakan dalam sektor pertanian adalah curah hujan dan suhu udara.

Model disusun dengan mensimulasikan faktor-faktor iklim dengan faktor produksi tanaman untuk

memperoleh nilai Gross Margin/perbedaan antara nilai produksi dan biaya produksi (Gambar 4).

Penggunaan model empiris mengasumsikan interaksi antara variasi iklim dan proses-proses agronomi

seperti lahan, bibit, pupuk dan perlakuan yang mempengaruhi produktivitas tanaman direpresentasikan

dalam bentuk agregasi dampak faktor iklim terhadap produktivitas tanaman.

Secara sederhana, metode analisis dilakukan dengan menggunakan faktor iklim sebagai variable utama

yang mempengaruhi produktivitas. Estimasi nilai produktivitas selanjutnya dikalikan dengan informasi

luas panen sehingga didapatkan nilai produksi total. Nilai total penjualan (Revenue) diperoleh

berdasarkan hasil perkalian antara produksi dengan harga komoditas padi. Selanjutnya, untuk

memperoleh nilai Gross Margin, nilai revenue akan dikurangi biaya produksi pertanian padi. Nilai Gross

Margin dipergunakan sebagai indikator analisis valuasi dampak perubahan iklim pada sektor pertanian.

https://power.larc.nasa.gov/


JAWA TIMUR

11

Gambar 4: Diagram Alir Proses Penyusunan Pemodelan Valuasi Dampak Perubahan

Iklim terhadap Produksi Tanaman Pangan Wilayah DAS Brantas

Valuasi analisis dampak perubahan iklim terhadap produktivitas padi dihitung menggunakan model

produktivitas dengan masukan utama perubahan nilai variabel iklim, yaitu: perubahan suhu dan curah

hujan, di masa mendatang berdasarkan proyeksinya di masa depan. Adapun beberapa asumsi yang

dipergunakan, yaitu:

1. Luas panen di masa depan diasumsikan tetap

2. Harga penjulan padi Gabah Kering Giling (GKG) diasumsikan tidak berubah. Harga padi sama

untuk semua wilayah yaitu sebesar Rp 5,000/kg

3. Biaya produksi untuk tanaman padi diasumsikan sebesar Rp 12.7 juta/ha

3.3. MODEL PRODUKTIVITAS

Model produktivitas berbasis variabel Growing Degree Days (GDD) dan High Degree Days (HDD)

merupakan model empiris yang dipergunakan sebagai pendekatan untuk mensimulasikan proses

pertumbuhan tanaman berdasarkan ketersediaan air dan suhu udara. Model ini mengasumsikan tidak

adanya kerusakan akibat hama dan organisme serta tidak adanya penurunan nutrisi pada lahan pertanian

maupun faktor lain diluar iklim. Parameter iklim yang digunakan pada model ini adalah curah hujan dan

suhu udara. Perhitungan dilakukan dengan asumsi bahwa penurunan dan kenaikan produksi tanaman

pangan mempunyai hubungan yang kuat dengan perubahan suhu udara dan curah hujan. Hubungan suhu

dengan pertumbuhan tanaman dapat di dekati dengan nilai GDD dan HDD. Model ini menggunakan

data suhu harian selama satu kali musim tanam padi (umur tanaman) yaitu 120 hari (padi IR 64) untuk

menghitung nilai HDD. Model ini mengasumsikan bahwa nilai GDD-HDD satu musim tanam sama

untuk setiap musim tanam dengan pertimbangan informasi produksi atau produktivitas yang

dikeluarkan BPS dilaporkan untuk satu tahun.

Growing Degree Days (GDD): GDD merupakan akumulasi panas yang dihasilkan tanaman selama

proses perkembangan tanaman tersebut. Tanaman perlu mengumpulkan sejumlah GDD tertentu untuk

mencapai tahap pertumbuhan yang berbeda mulai dari penanaman sampai kematangan. GDD dapat

digunakan dalam penentuan umur tanaman hingga dapat mencapai panen. GDD melihat hubungan

antara laju pertumbuhan dan perkembangan tanaman dengan akumulasi suhu rata-rata harian diatas

suhu baku (dasar) berdasarkan jenis tanaman. Rumus matematika GDD:


JAWA TIMUR

12

Dimana T merupakan suhu harian yang akan dihitung jika lebih dari 10 ⁰C (T >10) selama satu musim

tanam. Perhitungan T menggunakan suhu rataan harian, (suhu maksimum-suhu minimum)/2), dan

mengabaikan sebaran frekuensi suhu tiap jam nya. Suhu baku adalah titik suhu yang menunjukkan tidak

terjadinya proses fisiologis tanaman. Suhu baku bervariasi pada setiap tanaman dan pada setiap proses

perkembangan. Untuk tanaman padi menggunakan suhu dasar (Tb) sebesar 10 ⁰C (Ghadekar 2001).

Nilai GDD digunakan sebagai representatif nilai suhu yang mempengaruhi tanaman. Pada beberapa

daerah kenaikan suhu akan menaikkan nilai GDD dan mempercepat proses pemasakan. Percepatan

proses pemasakan akan memberi kesempatan untuk melakukan penanaman padi yang lebih sering dan

meningkatkan produksi tahunannya.

High Degree Days (HDD): HDD dapat dikatakan mirip dengan GDD hanya saja suhu dasar yang di

gunakan sebesar 29 ⁰C (suhu ketika tanaman padi mulai terganggu). HDD merupakan akumulasi panas

diatas suhu perkembangan ideal tanaman padi (29 ⁰C) selama musim tanam tersebut. Penggunaan HDD

dimaksudkan untuk mengestimasi total suhu diatas suhu tanaman masih berkembang dengan baik.

Produksi umumnya akan menurun ketika terjadi heat stress akibat suhu yang terlalu tinggi. Apabila suhu

di atas ideal pertumbuhan tanaman terjadi maka diasumsikan produksi tanaman akan menurun.

Rumus matematika HDD:

Dimana nilai T merupakan rata-rata suhu maksimum harian di wilayah kajian. Penggunaan data suhu

maksimum digunakan sebagai analisis karena hampir sebagaian besar wilayah kajian memiliki suhu rata-

rata harian yang kurang dari suhu dasar (29 ⁰C).

Curah hujan (P) yang digunakan adalah curah hujan tahunan dengan asumsi kesetaraan waktu dengan

data produksi tahunan yaitu penjumlahan semua hasil produksi dalam setahun.

Dari beberapa kali percobaan didapatkan model yang paling sesuai untuk wilayah DAS Brantas yaitu

persamaan regresi kuadratik. Model GDD HDD yang digunakan memasukkan model fixed effect dalam

persamaan regresi. Fixed effect adalah model dengan intercept berbeda-beda untuk setiap subjek/cross

section (dalam hal ini kabupaten), tetapi slope setiap subjek tetap.

Persamaan regresi umum dari model Fixed Effect adalah sebagai berikut:

untuk i = 1,2, …, N dan t = 1,2, …, T, dimana N adalah jumlah unit/individu cross section dan T adalah

jumlah periode waktunya.

Setelah penentuan model regresi maka memasukkan ketiga variabel iklim (P, GDD, HDD) serta fungsi

kuadratik dari P (P²) dengan data aktual produktivitas (Y).

Hasil regresi model GDD-HDD menggunakan Fixed Effect:

Hasil regresi untuk seluruh data Wilayah DAS Brantas ditampilkan dalam Tabel 4. Hasil model dengan

fixed effect ini digunakan untuk mhengestimasi produktivitas seluruh Kabupaten dengan memasukkan

persamaan regresi hasil model pada masing-masing Kabupaten.

Yit = i + 1 X1it +2 X2it + eit

Y (Aktual)= α+ β₁P + β₂P² + β₃GDD + β₄HDD + Ɛ

= ሺ𝑇 − 10ሻ, {𝑇|𝑇 > 10}

+120

𝑛=𝑀𝑒𝑖

GDD

= ሺ𝑇 − 29ሻ, {𝑇|𝑇 > 29}

+120

𝑛=𝑀𝑒𝑖

HDD


JAWA TIMUR

13

Tabel 4: Hasil Regresi Model GDD-HDD Menggunakan Fixed Effect

Koefisien Variabel

Coef P P²

1000

GDD HDD R² R² adj

Model GDD HDD -2.072267 0.000688 -0.00017 0.003842 -0.00703 0.11 0.05

Note: jumlah data relatif sedikit untuk setiap kabupaten (2007-2015) hanya 9 data.

3.4. KALIBRASI HASIL MODEL

Kalibrasi model dilakukan dengan membandingkan rata-rata produktivitas antara data sesungguhnya

dengan data model. Gambar 5 memperlihatkan hasil perbandingan model GDD-HDD dengan hasil

produktivitas aktual pada tujuh Kabupaten wilayah DAS Brantas. Meskipun pada sebaran data setiap

tahun di setiap Kabupaten terdapat sedikit perbedaan dengan data aktual, namun secara keseluruhan,

model mampu mempu mempresentasikan tingkat produktivitas dengan baik. Hasil kalibrasi

menunjukkan model mampu digunakan dalam pendugaan proyeksi iklim masa depan. Berikut hasil

kalibrasi untuk setiap Kabupaten.

Kota Malang memiliki nilai produktivitas rata-rata sebesar 5.98 Ton/Ha. Model menduga nilai

produktivitas sebesar 6.02 Ton/Ha. Kabupaten Malang memiliki tingkat produktivitas rata-rata sebesar

6.97 Ton/Ha, sedangkan model memiliki rata-rata sebesar 7.01 Ton/Ha. Kota Batu bahkan memiliki

perbedaan sebesar 0.02 dari produktivitas aktualnya yaitu sebesar 5.72 Ton/Ha. Kabupaten Blitar

memiliki nilai rata-rata produktivitas aktual sebesar 5.75 Ton/Ha, sedangkan produktivitas model

mencapai 5.84 Ton/Ha. Kabupaten lain seperti Mojokerto memiliki rata-rata nilai produktivitas model

yang hampir sama dengan keadaan aktualnya sebesar 6.12 Ton/Ha untuk model dan 6.10 Ton/Ha untuk

nilai aktual. Kabupaten Sidoarjo memiliki data produksi tahun 2015 yang sedikit lebih tinggi dari

aktualnya namun rata-rata produktivitas modelnya mencapai 6.58 Ton/Ha sedangkan data aktualnya

sebesar 6.55 Ton/Ha. Kabupaten Jombang memiliki perbedaan produktivitas tahunan yang lebih

beragam, namun memiliki rata-rata model dan aktual yang sama yaitu sebesar 5.82 Ton/Ha. Informasi

grafis kalibrasi disajikan pada Gambar 5.

Gambar 5: Grafik Perbandingan Produktivitas Antara Aktual dan Estimasi Model

0

2

4

6

8

20

07

20

08

20

09

20

10

20

11

20

12

20

13

20

14

20

15

20

16

Pro

du

ktiv

itas

(To

n/H

a)

Kota Malang

Aktual Estimasi

0

2

4

6

8

20

07

20

08

20

09

20

10

20

11

20

12

20

13

20

14

20

15

20

16

Pro

du

ktiv

itas

(To

n/H

a)

Kabupaten Malang

Aktual Estimasi


JAWA TIMUR

14

Selanjutnya, perhitungan nilai produksi didekati dengan perkalian antara produktivitas dan luas panen

setiap tahun. Gambar 6 menunjukkan nilai rataan produksi selama tahun 2007-2016 antara data aktual

dan estimasi model. Secara keseluruhan, produksi estimasi model semua Kabupaten memiliki nilai yang

hampir sama dengan nilai yang produksi aktualnya. Kota Malang memiliki rata-rata produksi sebesar

12,100 Ton/tahun dengan nilai model sebesar 12,300 Ton. Kabupaten Malang berada di kisaran

produksi 418,000 Ton, sedangkan nilai model mampu mendekati hingga 413,000 Ton. Kota Batu berada

pada kisaran produksi sebesar 5,300 Ton/tahun dan nilai model sebesar 5,400 Ton, sedangkan

Kabupaten Mojokerto berada dikisaran antara 302,000 Ton/tahun. Kabupaten lain seperti Blitar yang

memiliki rataan produksi sebesar 300,000 Ton dan mampu di dekati dengan model sekitar 304,000

Ton/tahun. Begitupun dengan Kabupaten Sidoarjo yang memiliki nilai produksi sebesar 205,000

Ton/tahun. Kabupaten Jombang memiliki tingkat akurasi yang lebih baik dari kabupaten lainnya dengan

nilai produksi baik model maupun aktual senilai 412,000 Ton/Ha.

0

2

4

6

82

00

7

20

08

20

09

20

10

20

11

20

12

20

13

20

14

20

15

20

16

Pro

du

ktiv

itas

(To

n/H

a)Kota Batu

Aktual Estimasi

0

2

4

6

8

20

07

20

08

20

09

20

10

20

11

20

12

20

13

20

14

20

15

20

16

Pro

du

ktiv

itas

(To

n/H

a)

Kabupaten Blitar

Aktual Estimasi

0

2

4

6

8

20

07

20

08

20

09

20

10

20

11

20

12

20

13

20

14

20

15

20

16

Pro

du

ktiv

itas

(To

n/H

a)

Kabupaten Mojokerto

Aktual Estimasi

0

2

4

6

8

20

07

20

08

20

09

20

10

20

11

20

12

20

13

20

14

20

15

20

16

Pro

du

ktiv

itas

(To

n/H

a)

Kabupaten Sidoarjo

Aktual Estimasi

0

2

4

6

8

20

07

20

08

20

09

20

10

20

11

20

12

20

13

20

14

20

15

20

16

Pro

du

ktiv

itas

(To

n/H

a)

Kabupaten Jombang

Aktual Estimasi


JAWA TIMUR

15

Gambar 6: Grafik Perbandingan Nilai Produksi Rataan Selama Tahun 2007-2016 Hasil

Estimasi Model dan Nilai Produksi Actual Berdasarkan Laporan BPS

3.5. PERHITUNGAN NILAI GROSS MARGIN (GM)

Perhitungan nilai Gross Margin didapatkan dari nilai total produksi dikalikan harga komoditas (Revenue)

dikurangi biaya atau ongkos produksi. Biaya produksi dihitung dari perkalian antara luas panen dan

biaya produksi sebesar 12,7 juta/Ha (BPS). Nilai Gross Margin disajikan pada Gambar 7. Nilai GM

tertinggi berada di Kabupaten Malang sebesar Rp 1.3 Triliun dan terendah berada di Kota Batu sebesar

Rp 15 Miliar. Selain Kota Batu, Kota Malang juga hanya memiliki nilai GM dikisaran Rp 35.5 Miliar. Hal

ini disebabkan luas lahan pertanian di kedua wilayah tersebut tidak seluas daerah lain. Kabupaten

Mojokerto memiliki nilai GM dikisaran Rp 885 Miliar. Nilai ini hampir setara dengan Gross Margin

Kabupaten Blitar sebesar Rp 859 Miliar. Kabupaten Sidoarjo memiliki nilai Gross Margin sebesar Rp 633

Miliar. Sedangkan Kabupaten Jombang memiliki Gross Margin dengan nilai hampir sama dengan

Kabupaten Malang yaitu sebesar Rp 1.16 Triliun.

Gambar 7: Nilai Gross Margin pada Data Model

0

50.000

100.000

150.000

200.000

250.000

300.000

350.000

400.000

450.000

KotaMalang

Kab.Malang

Kota Batu Kab.Blitar

Kab.Mojokert

o

Kab.Sidoarjo

Kab.Jombang

Aktual 12.163 418.468 5.355 300.142 301.446 205.023 412.551

Model GDD-HDD 12.300 413.228 5.406 304.008 302.504 206.318 412.441

Pro

du

ksi (

Ton

)

35.560

1.316.963

15.080

859.808 884.853633.547

1.163.099


JAWA TIMUR

16

BAB 4. ANALISIS VALUASI DAMPAK

PERUBAHAN IKLIM 4.1. SKENARIO PERUBAHAN IKLIM

Proyeksi kondisi iklim dilakukan pada variabel curah hujan dan suhu udara dengan menggunakan luaran

data dari 4 model Wordclim dengan skenario RCP4.5. Periode tahun proyeksi yakni tahun 2021-2050.

Analisis perubahan curah hujan tahunan dilakukan pada keempat model. Olahan model iklim diperoleh

atas bantuan dari piarea.co.id.

Hasil analisis menunjukkan rentang perubahan curah hujan terjadi berkisar antara -15 sampai 27% untuk

seluruh DAS Brantas (Gambar 8). Seluruh model menunjukkan kenaikan curah hujan hampir di seluruh

wilayah DAS Brantas. Pada model CCCMA, GFDL dan MIROC memiliki pola distribusi spasial

peningkatan curah hujan yang sama. Namun tidak dengan model CSIRO yang menunjukkan hasil

sebaliknya. Kabupaten Jombang, Mojokerto dan Sidoarjo pada model CCCMA terjadi kenaikan curah

hujan hingga 8%, namun sebaliknya pada model CSIRO justru terjadi penurunan hingga 13%. Penurunan

curah hujan hanya terjadi pada model CCCMA dan CSIRO, sedangkan GFDL dan MIROC mengalami

peningkatan disemua wilayah. Peningkatan curah hujan tertinggi terjadi pada model GFDL. Kabupaten

Jombang, Sidoarjo dan Mojokerto mengalami kenaikan yang cukup tinggi hingga diatas 8%. Sedangkan

Kabupaten di area dataran tinggi seperti Kota Batu, Kota Malang dan Kabupaten Malang rata-rata

mengalami peningkatan yang tidak terlalu signifikan.

Semua model menunjukkan kenaikan suhu udara di seluruh wilayah DAS Brantas. Kenaikan tersebut

berkisar antara 0.8 hingga 1.4 ⁰C. Kenaikan tertinggi terjadi pada model CCCMA yaitu sebesar 1.4 ⁰C

yang menyebar di seluruh wilayah DAS Brantas. Sedangkan pada model lainnya kenaikan suhu hanya

berkisar antara 0.8 hingga 1 ⁰C.

Gambar 8: Proyeksi Perubahan Curah Hujan Periode Tahun 2021-2050

CCCMA CSIRO

GFDL MIROC


JAWA TIMUR

17

Gambar 9: Proyeksi Perubahan Suhu Udara Periode Tahun 2021-2050

Skenario yang digunakan dalam proyeksi perubahan iklim untuk DAS Brantas diambil dari nilai tertinggi

dan terendah dari keseluruhan model yang digunakan. Skenario untuk masing-masing Kabupaten

disajikan dalam Tabel 5.

Tabel 5: Skenario Perubahan Iklim untuk DAS Brantas

Kabupaten Suhu

Baseline

Perubahan

Suhu (⁰C)

CH

Baseline

Perubahan CH

(%)

Min Max Min Max

Kota Malang 23.78 0.8 1.4 1903 -9 20

Kab. Malang 24.3 0.8 1.4 1892 -15 27

Kota Batu 23.01 0.8 1.4 2000 -10 18

Kab. Blitar 27.11 0.8 1.4 2130 -10 24

Kab. Mojokerto 26.89 0.9 1.4 1910 -10 23

Kab. Sidoarjo 27.87 0.9 1.4 1668 -13 26

Kab. Jombang 27.67 0.9 1.4 1727 -9 22

4.2. HASIL ANALISIS VALUASI DAMPAK PERUBAHAN IKLIM

Dampak perubahan iklim tidak selalu identik dengan kerugian. Peningkatan maupun penurunan nilai

variabel iklim dapat menurunkan maupun menaikkan nilai produksi yang dihubungkan dengan faktor

lain seperti biofisik wilayah (ketinggian, jenis tanah, dan ekosistem) maupun tipe iklim seperti daerah

kering, basah maupun semi arid. Diluar proses agronomi, variabel iklim dinilai sebagai faktor penentu

dalam pertumbuhan dan perkembangan tanaman.

Perubahan iklim umumnya tidak hanya di akibatkan oleh perubahan satu variabel iklim, namun

perubahan hampir disemua komponennya meskipun terjadi perubahan yang tidak besar dan merata di

seluruh dunia. Perubahan iklim yang disebabkan oleh kenaikan maupun penurunan curah hujan dan

suhu udara dapat memicu peningkatan maupun penurunan produksi tanaman.

CCCMA CSIRO

GFDL MIROC


JAWA TIMUR

18

Suhu merupakan salah satu variabel iklim yang di proyeksikan terus meningkat di masa depan. Dampak

dari kenaikan suhu ini tentu akan berpengaruh terhadap tanaman khususnya tanaman pangan seperti

padi. Kenaikan sedikit dari suhu akan menyebabkan kenaikan maupun penurunan nilai produksi.

Menurut Hundal (2004) kenaikan suhu sebesar 2⁰C akan menurunkan nilai hasil panen padi sebesar

15% - 17% dari sebelumnya. Dalam kondisi suhu yang sangat tinggi, pertumbuhan bisa terhambat bahkan

berhenti tanpa menghiraukan persediaan air dan kemungkinan terjadi peranggasan daun atau biji

sebelum waktunya.

Namun tidak semua wilayah akan mendapatkan dampak yang sama, khususnya untuk daerah yang

memiliki suhu rendah untuk pertanaman padi. Selain suhu, curah hujan juga akan mempengaruhi hasil

panen tanaman. Umumnya kenaikan curah hujan sampai batas tertentu akan meningkatkan produksi

tanaman padi karena air tersedia dengan cukup selama masa pertumbuhan tanaman. Kekurangan air

dapat menyebabkan tanaman mati akibat kekeringan.

Perubahan produksi akibat perubahan variabel iklim akan dinyatakan dalam persen (%) perubahan.

Perubahan positif produksi menyatakan bahwa di masa mendatang akan terjadi peningkatan produksi

dari rata-rata produksi saat ini. Sebaliknya apabila perubahan produksi bernilai negatif maka terjadi

penurunan produksi pada wilayah tersebut. Hasil analisis untuk setiap kabupaten disajikan sebagai

berikut.

Kota Malang

Sebagai salah satu daerah dengan luas lahan pertanian padi yang relatif sempit, kota Malang mampu

mencapai produksi padi sebesar 12,000 Ton/tahun. Produksi padi di Kota Malang setelah dilakukan

proyeksi perubahan iklim akan mengalami peningkatan di masa depan mencapai lebih dari 4%.

Peningkatan ini disebabkan oleh kenaikan suhu udara mencapai 0.8⁰C yang memicu kenaikan nilai GDD

sebagai salah satu faktor yang menyebabkan pemasakan tanaman menjadi lebih cepat terjadi. Suhu rata-

rata tahunan yang cukup rendah (23.78⁰C) menyebabkan kenaikan suhu akan meningkatkan produksi

padi. Kenaikan curah hujan juga menjadi salah satu pemicu peningkatan produksi. Pada model GDD-

HDD kenaikan curah hujan berkorelasi positif dengan kenaikan produksi. Kenaikan curah hujan di masa

depan pada Kota Malang mencapai 20%.

Penurunan curah hujan sebesar -9% dan peningkatan suhu yang mencapai 1.4⁰C dapat menyebabkan

penurunan produksi hingga -4%. Kenaikan suhu yang terlalu tinggi dapat memicu peningkatan nilai HDD

(akumulasi suhu diatas suhu optimum tanaman padi untuk tumbuh) yang memiliki korelasi negatif

dengan produksi padi.

Gambar 10: Perubahan Produksi Akibat Perubahan Iklim di Kota Malang


JAWA TIMUR

19

Kabupaten Malang

Kabupaten Malang mempunyai rata-rata produksi tahunan sebesar 418,000 Ton. Akibat adanya

kenaikan suhu dan kenaikan curah hujan hingga 27%, produksi padi Kabupaten Malang mengalami

kenaikan hingga 4% dari sebelumnya. Kenaikan curah hujan yang cukup tinggi ini akan mempermudah

proses pertumbuhan tanaman padi karena air tersedia mencukupi untuk melakukan fotosintesis

tanaman. Hal ini sangat menguntungkan terutama untuk daerah dengan jenis lahan sawah tadah hujan.

Pada periode yang sama, terdapat potensi penurunan produksi Kabupaten Malang hingga -3%.

Penurunan ini dapat diakibatkan karena curah hujan turun sebesar -15% dari sebelumnya. Penurunan

curah hujan cukup tinggi disertai dengan peningkatan suhu hingga 1.4⁰C menyebabkan produksi padi di

wilayah Malang yang mempunyai suhu rata-rata sebesar 24.3⁰C menjadi turun.

Gambar 11: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Malang

Kota Batu

Kota Batu merupakan daerah dengan rata-rata suhu udara terendah dari wilayah kajian yang lain. Rata-

rata produksi padi tahunannya mencapai 5,350 Ton. Setelah dilakukan skenario perubahan iklim maka

didapatkan bahwa Kota Batu akan mengalami penurunan produksi sebsar -4% dan kenaikan produksi

sebesar 4%. Kenaikan produksi ini disebabkan oleh kenaikan suhu udara yang menaikkan nilai GDD

tanaman serta kenaikan curah hujan yang cukup.

Kota batu memiliki rata-rata suhu udara baseline yang rendah yaitu sekitar 23⁰C. Tanaman yang tumbuh

pada kondisi suhu dibawah batas optimum akan menghasilkan pertumbuhan yang kurang baik dan

produksinya akan lebih rendah. Hal ini disebabkan pada suhu yang rendah besarnya fotosintesis yang

dihasilkan dan protein yang dibentuk dalam keadaan minimum berakibat pertumbuhan dan

perkembangan menjadi lambat dan produksinya rendah.

Hal ini menjadi alasan ketika terjadi kenaikan suhu, maka Kota Batu akan diuntungkan. Suhu yang lebih

panas berdampak bagi tanaman untuk mempercepat proses fisiologis dan pemasakan selama masa

pertumbuhan. Produksi meningkat selama suhu meningkat dan ketersedian air yang cukup.

Penurunan produksi di Kota Batu dapat diakibatkan oleh penurunan curah hujan sehingga tidak ada air

tersedia yang cukup ideal untuk mengimbangi kenaikan suhu. Hal ini akan menyebabkan terjadinya

penurunan produksi.


JAWA TIMUR

20

Gambar 12: Perubahan Produksi Akibat Perubahan Iklim di Kota Batu

Kabupaten Blitar

Berdasasarkan model GDD-HDD yang gunakan untuk menentukan nilai produksi, didapatkan hasil

bahwa Kabupaten Blitar akan mengalami penurunan hingga -4%. Rata-rata produksi Kabupaten Blitar

dalam kurun waktu 10 tahun terakhir sebesar 300,000 Ton/tahun. Kenaikan suhu dimasa depan untuk

Kabupaten Blitar berada dikisaran 0.8⁰C hingga 1.4⁰C. Sedangkan curah hujan diproyeksikan terjadi

penurunan sebesar -9% dan peningkatan sebesar 20%. Penurunan produksi ini disebabkan terjadinya

kenaikan suhu udara yang meningkatkan nilai HDD tanaman sedangkan variabel curah hujan turun. Hal

ini karena tanaman sangat sensitif terhadap suhu tinggi selama tahap kritis seperti pembungaan dan

perkembangan benih.

Meskipun terjadi penurunan produksi namun Kabupaten Blitar juga mengalami kenaikan suhu yang

diimbangi oleh curah hujan yang cukup untuk pertumbuhan tanaman. Hasil produksi tertinggi terjadi

ketika curah hujan meningkat maksimum hingga 20% dan suhu udara naik pada kondisi ideal.

Peningkatan produksi ini mencapai 4% dari produksi saat ini.

Gambar 13: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Blitar


JAWA TIMUR

21

Kabupaten Mojokerto

Proyeksi perubahan iklim untuk Kabupaten Mojokerto menghasilkan keluaran potensi terjadinya

penurunan produksi mencapai -7% dari produksi tahunnya sebesar 301,000 Ton. Penurunan ini identik

dengan adanya kenaikan suhu antara 0.9⁰C hingga 1.4⁰C. Penurunan ini akibat adanya kenaikan suhu

yang menyebabkan meningkatnya HDD yang diindikasikan adanya suhu melebihi batas optimum

pertumbuhan sehingga menyebabkan tanaman mengalami kekeringan.

Tanaman yang tumbuh pada kondisi suhu diatas optimum akhirnya pertumbuhan tanaman tersebut

biasanya menghasilkan produksi yang rendah. Hal ini disebabkan kurang adanya keseimbangan antara

besarnya fotosintesis yang dihasilkan dan berkurangnya karbohidrat karena adanya respirasi.

Bertambahnya suhu akan mempercepatkan kedua proses ini, tetapi di atmosfer, proses respirasi akan

berlangsung lebih besar dari pada fotosintesis, sehingga bertambah tinggi suhu tersebut akan

mengakibatkan berkurangnya produksi.

Kenaikan curah hujan sebesar 23% akan membantu meningkatkan produksi hingga 1% apabila kenaikan

suhu pada kondisi tidak terlalu tinggi. Kenaikan minimum suhu yang terjadi di Kabupaten Mojokerto

sebesar 0.9⁰C.

Gambar 14: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Mojokerto

Kabupaten Sidoarjo

Kabupaten Sidoarjo memiliki produksi padi tahunan sekitar 205,000 Ton. Produksi ini di masa depan

akan mengalami penurunan hingga -7%. Penurunan ini juga disebabkan oleh kenaikan suhu udara yang

menyebabkan suhu hariannya meningkat melebihi batas suhu optimum tanaman padi. Kasus pada

Kabupaten Sidoarjo identik dengan yang terjadi di Kabupaten Mojokerto.

Sebagai daerah terpanas di antara wilayah kajian lainnya, dengan suhu rata-rata sebesar 27.87⁰C akan

menyebabkan sedikit saja perubahan suhu dapat menurunkan produksi dengan cepat. Penurunan ini

juga dipicu oleh penurunan curah hujan sebesar -13%. Namun demikian, Kabuapaten Sidoarjo masih

memiliki harapan untuk meningkatkan produksi dengan syarat curah hujan naik hingga 26% dan suhu

meningkat disekitar 0.9⁰C. Hal ini akan menjadi kondisi ideal tanaman dapat meningkatkan produksinya.


JAWA TIMUR

22

Gambar 15: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Sidoarjo

Kabupaten Jombang

Produksi rata-rata tahunan Kabupaten Jombang berada di kisaran 412,000 Ton. Nilai produksi padi ini

sebagian besar akan mengalami penurunan di masa akan datang hingga mencapai -8%. Penurunan ini

diakibatkan oleh kenaikan suhu yang mencapai 1.4⁰C dan pengurangan curah hujan sebesar -13%.

Kabupaten Jombang merupakan salah satu daerah yang memiliki rata-rata suhu udara yang tinggi

berkisar antara 27.6 ⁰C.

Kenaikan sedikit suhu udara akan mengakibatkan tanaman berada pada kondisi heat stress akibat

melebihi suhu optimum pertumbuhan padi. Sedangkan kenaikan curah hujan sebesar 22% pada

Kabupaten Jombang dan kenaikan suhu udara proyeksi minimum sebesar 0.9⁰C hanya menaikkan

produksi sangat kecil (kurang dari 1%). Hal ini menunjukkan produktivitas jauh lebih sensitif terhadap

perubahan suhu di bandingkan curah hujan.

Gambar 16: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Jombang


JAWA TIMUR

23

4.3. HASIL ANALISIS DAMPAK PERUBAHAN IKLIM PADA GROSS MARGIN

(GM)

Perubahan Produksi pada tanaman padi akan mempengaruhi nilai Gross Margin. Perubahan Gross Margin

akibat perubahan variabel iklim dinyatakan dalam persen (%) perubahan. Pada kajian ini, perubahan

positif GM menyatakan bahwa dimasa mendatang daerah tersebut akan mendapatkan keuntungan dari

sisi valuasi nilai rupiah akibat dari perubahan iklim. Sebaliknya apabila nilai Gross Margin negatif maka di

masa akan datang terjadi kerugian akibat adanya perubahan iklim. Ketika terjadi perubahan iklim seperti

curah hujan dan suhu udara di masa mendatang maka diproyeksikan terjadi perubahan Gross Margin

(dengan asumsi faktor lain tidak berubah).

Perubahan suhu akibat perubahan iklim akan membawa dampak khususnya pada produksi padi yang

dalam proses fisiologisnya sangat bergantung terhadap kondisi lingkungan seperti suhu. Kenaikan suhu

udara di masa mendatang dapat berdampak pada sektor ekonomi pertanian khususnya untuk wilayah-

wilayah kering yang sangat sensitif terhadap kenaikan suhu. Demikian juga dengan kenaikan maupun

penurunan curah hujan. Kenaikan curah hujan akan memberi peluang untuk mendapatkan kenaikan

produksi padi sehingga meningkatkan nilai ekonomi yang diterima petani. Hal ini sangat berpengaruh

terutama untuk pertanian tadah hujan. Hasil analisis GM untuk setiap kabupaten disajikan berikut ini.

Kota Malang

Sebagai hasil dari perubahan nilai produksi, maka nilai Gross Margin untuk tanaman padi di Kota Malang

juga mengalami kenaikan dan penurunan. Berdasarkan nilai estimasi model, Kota Malang saat ini

memperoleh Gross Margin kurang lebih sekitar Rp 35.5 Miliar/tahun dari produksi padi. Dimasa

mendatang, akibat dari perubahan iklim, Kota Malang akan mengalami peningkatan keuntungan hingga

8% dari Gross Margin saat ini. Peningkatan ini dapat terjadi jika curah hujan naik hingga 20% dan suhu

naik secara ideal. Sedangkan penurunan Gross Margin terjadi sebesar -7% ketika curah hujan turun

hingga -9% dan suhu naik sebesar 1.4⁰C.

Gambar 17: Perubahan Gross Margin Akibat Perubahan Iklim di Kota Malang

Kabupaten Malang

Kabupaten Malang memiliki nilai Gross Margin rata-rata tahunan sekitar Rp 1,3 Triliun dan merupakan

tertinggi di antara wilayah lainnya. Pada masa akan datang, nilai Gross Margin ini akan mengalami kenaikan

hingga 7% jika terjadi kenaikan curah hujan sebesar 27%. Kenaikan curah hujan yang tinggi ini mampu

memicu produksi tanaman untuk meningkat sehingga nilai Gross Margin juga ikut meningkat. Sedangkan


JAWA TIMUR

24

penurunan Gross Margin dipicu oleh penurunan produksi sebesar -3%. Penurunan Gross Margin

mencapai -5% dari Gross Margin saat ini.

Gambar 18: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Malang

Kota Batu

Kota Batu menjadi wilayah yang memiliki persen perubahan Gross Margin tertinggi sebesar 9% dari nilai

Gross Margin sebelumnya yaitu Rp 15 Miliar. Hal ini dikarenakan wilayah Kota Batu yang bersuhu rendah

justru mendapatkan keuntungan dengan adanya perubahan iklim. Kenaikan suhu udara sampai batas

optimum akan meningkatkan produksi di Kota Batu selama curah hujan juga ikut meningkat.

Peningkatan produksi nantinya akan meningkatkan Gross Margin untuk wilayah Kota Batu. Sedangkan

penurunan Gross Margin terjadi karena penurunan produksi sebesar -3%. Hal ini terjadi ketika suhu

meningkat namun curah hujan justru menurun.

Gambar 19: Perubahan Gross Margin Akibat Perubahan Iklim di Kota Batu

Kabupaten Blitar

Kabupaten Blitar akan mengalami kenaikan Gross Margin sebesar 8% setelah dilakukan proyeksi

perubahan iklim. Gross Margin Kabupaten Blitar sebelumnya sebesar Rp 859 Miliar. Kenaikan ini

diakibatkan oleh kenaikan produksi sebesar 4% dari rata-rata produksi saat ini. Sedangkan penurunan

Gross Margin disebabkan oleh penurunan produksi sebesar -4% menyebabkan nilai Gross Margin turun


JAWA TIMUR

25

menjadi -8%. Kenaikan suhu secara ideal dan peningkatan curah hujan cukup tinggi membawa

keuntungan bagi Kabupaten Blitar khususnya untuk petani padi.

Gambar 20: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Blitar

Kabupaten Mojokerto

Berdasarkan proyeksi perubahan iklim, Kabupaten Mojokerto akan mengalami penurunan produksi

sebesar -7% dari produksi sebelumnya. Hal ini berdampak pada nilai Gross Margin Kabupaten Mojokerto

dengan penurunan berada di kisaran -13%. Nilai Gross Margin Kabupaten Mojokerto saat ini sebesar Rp

885 Miliar. Penurunan ini diakibatkan kenaikan suhu yang mencapai 1.4⁰C sehingga kenaikan suhu ini

membawa dampak kerugian pada produksi padi. Meskipun terjadi penurunan, namun masih ada

kesempatan bagi Kabupaten Mojokerto untuk meningkatkan Gross Margin sebesar 1% dengan syarat

terjadi kenaikan curah hujan yang tinggi. Ketika terjadi perubahan iklim, kenaikan curah hujan akan

memberi banyak keuntungan untuk wilayah dengan suhu cukup tinggi seperti Mojokerto.

Gambar 21: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Mojokerto

Kabupaten Sidoarjo

Penurunan produksi di Kabupaten Sidoarjo mencapai -7% dari produksi sebelumnya. Penurunan ini

mengakibatkan penurunan sampai -11% pada nilai Gross Margin. Gross Margin pada Kabupaten Sidoarjo

saat ini mencapai Rp 633 Miliar. Kenaikan Gross Margin sebesar 1% dapat terjadi apabila terjadi


JAWA TIMUR

26

peningkatan produksi sebesar 1%. Peningkatan ini merupakan salah satu dampak dari proyeksi curah

hujan yang tinggi serta kenaikan suhu minimum proyeksi. Sebagai daerah dengan suhu tinggi, kenaikan

curah hujan membawa keuntungan khususnya sektor ekonomi tanaman padi.

Gambar 22 Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Sidoarjo

Kabupaten Jombang

Kabupaten Jombang merupakan daerah dengan penurunan produksi tertinggi yaitu -8% dari nilai

sebelumnya. Hal ini juga berdampak pada penurunan Gross Margin yang mencapai -14%. Gross Margin

Kabupaten Jombang cukup tinggi yaitu mencapai Rp 1.1 Triliun, namun akibat perubahan iklim, jumlah

ini akan turun di masa depan. Meskipun terjadi penurunan yang lebih besar, namun Kabupaten Jombang

masih dapat meningkatkan Gross Margin mereka hingga 1%. Kenaikan ini tentu akan terjadi apabila

terjadi peningkatan curah hujan cukup tinggi di masa mendatang.

Gambar 23: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Jombang

4.4. DISKUSI

Dampak perubahan iklim pada produksi padi Kabupaten di DAS Brantas ditunjukkan pada Tabel 6.

Hasil menunjukkan bahwa seluruh wilayah kajian di DAS Brantas memiliki kecenderungan untuk terjadi

kenaikan dan penurunan produksi antara 1% hingga 8% tanpa dilakukannya adaptasi. Peningkatan

produksi tertinggi terjadi pada Kota Batu sebesar 5%. Hal ini disebabkan karena Kota Batu merupakan

daerah dataran tinggi dengan suhu rendah dan curah hujan yang tinggi. Peningkatan suhu justru akan

menguntungkan bagi tanaman padi di wilayah ini. Peningkatan produksi juga dapat disebabkan oleh


JAWA TIMUR

27

peningkatan suhu udara selama masih dibawah batas ideal tanaman padi dan diimbangi oleh kenaikan

curah hujan yang cukup sehingga proses pertumbuhan dan perkembangan tanaman menjadi lebih baik.

Kota Malang, Kabupaten Malang dan Kabupaten Blitar mengalami kenaikan produksi mencapai 4%.

Sedangkan daerah yang lebih panas seperti Kabupaten Sidoarjo, Jombang dan Mojokerto hanya akan

mengalami peningkatan produksi sebesar 1% karena adanya peningkatan curah hujan.

Walaupun demikian, penurunan produksi dapat terjadi. Penurunan produksi terendah terjadi di

Kabupaten Malang sebesar -3%. Hal ini disebabkan peningkatan curah hujan di Kabupaten Malang paling

tinggi dibandingkan daerah lainnya. Kota Malang, Kota Batu dan Kabupaten Blitar mengalami penurunan

produksi sebesar -4%. Penurunan terbesar terjadi di Kabupaten Jombang sebesar 8%, sedangkan

Kabupaten Sidoarjo dan Mojokerto memiliki tingkat penurunan sebesar 7%. Hal ini disebabkan

peningkatan suhu pada daerah ini di masa mendatang melebihi nilai suhu optimum pertumbuhan padi,

sehingga dapat memicu penurunan produksi.

Analisis valuasi dampak menunjukkan seluruh Kabupaten wilayah kajian mengalami perubahan Gross

Margin akibat adanya perubahan produksi. Kenaikan tertinggi terjadi di Kota Batu sebesar 9%, diikuti

Kota Malang dan Kabupaten Blitar dengan masing-masing sebesar 8%. Kenaikan Gross Margin hanya 1%

terjadi pada Kabupaten Jombang, Mojokerto, dan Sidoarjo. Penurunan pada Gross Margin juga mengikuti

perubahan produksi. Penurunan tertinggi terjadi di Kabupaten Jombang sebesar -14% dan penurunan

terendah di Kabupaten Malang sebesar -5%.

Tabel 6: Persen Perubahan Produksi dan Gross Margin (GM) Akibat Perubahan Iklim Kabupaten Persen positif

produksi (%

peluang

positif)

Persen negatif

produksi (%

peluang negatif)

Persen positif

GM (% peluang

positif)

Persen negatif

GM (% peluang

negatif)

Kota Malang 4 -4 8 -7

Kab. Malang 4 -3 7 -5

Kota Batu 5 -4 9 -7

Kab. Blitar 4 -4 8 -8

Kab. Mojokerto 1 -7 1 -13

Kab. Sidoarjo 1 -7 1 -11

Kab. Jombang 1 -8 1 -14

Penggunaan model GDD-HDD sebaiknya digunakan untuk analisis per musim tanam sehingga tingkat

akurasinya lebih baik. Tidak adanya data produksi dalam satu musim tanam selama tahun 2007-2016

membuat produksi yang digunakan pada kajian ini adalah produksi tahunan pada wilayah Kabupaten

tersebut. Ketersediaan data yang didapatkan dari web BPS hanya dapat terhimpun kurang lebih 10

tahun terakhir. Penambahan panjang periode data diperlukan agar estimasi model dapat lebih baik.

Model juga akan semakin baik apabila digunakan data wilayah yang lebih detail seperti daerah

administrasi Kecamatan maupun daerah berdasarkan pengelompokkan (cluster) hujan wilayah. Hal ini

perlu dilakukan mengingat bahwa dalam satu Kabupaten terdapat daerah yang memiliki topografi dan

karakteristik hujan yang berbeda.

Model yang digunakan saat ini masih cukup banyak asumsi. Sebagai contoh dalam pendugaan nilai

Revenue untuk menghitung Gross Margin masih menggunakan harga yang sama untuk setiap wilayah

dan secara temporal. Pada kenyataannya harga pada saat ini dan 10 tahun yang lalu cukup berbeda.

Selain itu informasi perubahan luas panen akibat luas tanam juga diasumsikan tetap, sedangkan di masa

mendatang, perubahan lahan kemungkinan akan terjadi. Informasi ini yang belum sepenuhnya di

masukkan dalam analisis model.

Pemerintah harus semakin tanggap dengan adanya perubahan iklim melihat bahwa sebagian besar

wilayah akan mengalami penurunan produksi. Langkah-langkah adaptasi perlu segera dilakukan

mengingat daerah-daerah tersebut merupakan wilayah penting di DAS Brantas khususnya dalam

pertanian tanaman pangan. Persiapan air irigasi yang cukup, pemilihan bibit unggul dan penentuan


JAWA TIMUR

28

tanggal tanam yang tepat dapat dilakukan sebagai langkah awal dalam mempertahankan produksi dari

adanya perubahan iklim.


JAWA TIMUR

29

BAB 5. DAMPAK IKLIM PADA SEKTOR

SUMBER DAYA AIR DI DAS BRANTAS 5.1. SUMBER DAYA AIR DI DAS BRANTAS

Dampak perubahan iklim pada berbagai sektor ekonomi khususnya terkait sektor sumber daya air juga

merupakan tantangan serius. Sumber daya air sangat penting untuk mendukung banyak kegiatan

ekonomi, secara langsung dipengaruhi oleh dampak perubahan iklim yang dapat menyebabkan curah

hujan yang tidak menentu. Perubahan pola dan intensitas curah hujan ini berpotensi menyebabkan

terjadinya banjir dan kekeringan seperti yang terjadi di Sumatera dan Jawa.

Menurut Koordinator Yayasan Pengembangan Pedesaan (Aji 2009), Sumber Daerah Aliran Sungai

(DAS) Brantas dinilai paling kritis di antara 29 DAS lainnya di Jawa Timur. Adanya alih guna lahan dari

hutan menjadi lahan pertanian sayur-sayuran sehingga berdampak pada terjadinya degradasi lahan dan

menurunnya kualitas serta kuantitas air sungai. Adanya penurunan kuantitas dan kualitas air DAS

Sumber Brantas diindikasikan seringnya terjadi kekeringan di wilayah Kota Batu maupun bagian hulu

termasuk mengecilnya debit air karena 2/3 jumlah mata air mengering selama satu dekade terakhir.

Beberapa kejadian bencana kekeringan di Kabupaten di DAS Brantas di tunjukkan pada Gambar 24.

Kerugian ekonomi pasca bencana beberapa Kabupaten yang dilalui DAS Brantas diperkirakan mencapai

puluhan miliar pertahun. Tahun 2015 pasca terjadinya bencana banjir yang merendam 5 kecamatan di

Kota Malang, BPBD Kota Malang mengajukan biaya 13 miliar untuk perbaikan infrastruktur wilayah

diluar dana bantuan dan perbaikan rumah warga (Arifin 2015). Tingginya biaya yang harus dialokasikan

pasca bencana menjadi fokus tersendiri untuk pemerintah dalam pemberian bantuan yang lebih efektif.

Penelitian yang dilakukan Ginoga 2012 di Sub DAS Brantas Hulu ini menunjukkan bahwa menurunnya

luas tutupan hutan mengakibatkan meningkatnya aliran permukaan dan menurunkan aliran dasar (base

flow). Hal ini berimplikasi terhadap kemampuan Sub DAS dalam menyimpan dan menyerap serta

mendistribusikan air hujan yang jatuh sehingga menyebabkan terjadinya banjir di musim hujan dan

kekeringan di musim kemarau.

Gambar 24: Peta Kejadian Kekeringan 7 Kabupaten di DAS Brantas


JAWA TIMUR

30

5.2. PEMODELAN DAMPAK PERUBAHAN IKLIM SEKTOR SUMBER DAYA

AIR

Sumber daya air merupakan salah satu sektor penting di kehidupan bumi, namun menurut IPCC (2001)

dampak perubahan iklim memiliki pengaruh yang signifikan terhadap siklus hidrologi. Pengaruh dampak

perubahan iklim pada sektor sumberdaya air juga memiliki dampak secara langsung terhadap sektor

kehidupan manusia dan pertanian. Dampak utama perubahan iklim yang terjadi pada kehidupan manusia

sangat berkaitan terhadap pemenuhan kebutuhan air terutama dalam hal air bersih. Dampak perubahan

iklim pada sektor pertanian berkaitan erat dengan irigasi dan pemenuhan kebutuhan air tanaman.

Mengingat dampak perubahan iklim pada sumberdaya air sangatlah penting, pemerintah perlu

melakukan langkah adaptasi untuk diimplementasikan dalam pembuatan kebijakan. Pembuatan kebijakan

dalam rangka melakukan langkah adaptasi dapat dilakukan dengan melakukan proyeksi unsur hidrologi

seperti run-off dan debit aliran sungai dengan melakukan simulasi untuk masa depan dengan pendekatan

beberapa model hidrologi.

Pemodelan dampak perubahan iklim terhadap sumberdaya air dilakukan secara mekanistik oleh Tingju

dan Ringler (2012) dengan menggunakan model Global Hydrological Model (GHM) yang bertujuan

untuk mensimulasikan run-off pada skala 0.5⁰ X 0.5⁰. Variabel yang digunakan pada pemodelan adalah

Curah hujan, ETP, Runoff, Cadangan air bumi. Model GHM menunjukkan performa yang baik dalam

menduga run-off bulanan, hal ini ditunjukkan berdasarkan nilai Nash-Sutcliffe model efficiency

coefficient (NSE) yang secara keseluruhan mencapai 0.9.

Salah satu pemodelan sumberdaya air yang pernah dilakukan adalah menggunakan Water Evaluation

and Planning (WEAP). WEAP dikembangkan oleh Institut Lingkungan Stockholm, yang

mengintegrasikan antara faktor iklim dan manjamen sumberdaya air (Yates et al. 2005). Penggunaan

WEAP dilakukan oleh Bhave et al. (2013) dan Anugrah et al. (2014). Keduanya melakukan kajian

pemilihan adaptasi terhadap perubahan iklim disekitar DAS masing-masing wilayah kajian. Berdasarkan

kajian Anugrah et al. (2014), dampak perubahan iklim berpotensi menurunkan produksi listrik PLTA di

DAS Bayang, Sumatera Utara. Secara umum, WEAP mampu mensimulasikan run-off (limpasan

perumakan) yang hampir sesuai dengan observasi. Model lain yang digunakan adalah RIBASIM (RIver

BAsin SIMulation) dikembangkan oleh Deltares, yang digunakan untuk memodelkan distribusi air yang

digunakan oleh Booij et al. (2011) umtuk menghitung discharge pada DAS wilayah kajian. Riverware

merupakan suatu pemodelan yang mengintegrasikan neraca air dan kondisi fisik DAS yang

dikembangkan oleh Biro Reklamasi Amerika. Riverware digunakan oleh Dawadi dan Ahmad 2012 dalam

penelitiannya untuk mensimulasi debit aliran sungai masa depan yang terkena dampak perubahan iklim.

Tabel 7: Pemodelan Dampak Perubahan Iklim pada Sektor Sumber Daya Air

Jenis

model

Fokus Lokasi Variabel Reference Metode Hasil

Mekani

s

Mensimulasika

n

keseimbangan

kelembaban,

run-off, dan

evapotranspira

si

DAS

Limpopo,

Afrika

Curah hujan,

ETP, Runoff,

Cadangan air

bumi

Tingju dan

Ringler

2012

Global

Hydrological

Model

(GHM)

Nilai Nash-

Sutcliffe model

efficiency

coefficient (NSE)

kalibrasi dan

validasi berturut-

turut 0.913 dan

0.906 (

Botswana), 0.976

dan 0.947

(Mozambique),

0.980 dan 0.985

(South Africa),

dan 0.964 dan


JAWA TIMUR

31

0.962

(Zimbabwe)

Dinami

k

Penentuan

fokus adaptasi

perubahan

iklim

DAS

Kangsabat

i

Curah hujan,

discharge

Bhave et al.

2013

WEAP

Dinami

k

Evaluasi

dampak

perubahan

iklim terhadap

pembangkit

listrik tenaga

air

DAS

Bayang

Curah hujan,

RH, suhu,

radiasi

matahari, dan

kecepatan

angin

Anugrah et

al. 2014

WEAP Produksi PLTA

menurun

Dinami

k

Dampak

perubahan

iklim terhadap

debit sungai nil

Sungai Nil Curah hujan

dan

evapotranspira

si

Booij et al.

2011

RIBASIM

Dinami

k

Manajemen

sumberdaya air

Sungai

Colorado

Evapotranspira

si potensial,

data alokasi air,

data debit

aliran sungai

Dawadi dan

Ahmad

2012

RiverWare

Empiris Neraca Air Mojokert

o

Curah hujan

harian

Pujiraharjo

et al 2017

Mononobe Identifikasi

potensi curah

hujan, naraca air

tanah masa

depan, nilai delta

curah hujan dan

suhu udara masa

depan, debit

andalan

Empiris Indeks

Kekeringan

DAS

Brantas

Hulu

Curah hujan

harian, suhu

udara

Sholikhati

et al 2012

Thornthwait

e

Indeks

kekeringan,

kebutuhan air

meteorologis

Mekani

s

Limpasan

Permukaan

Pasuruan Curah Hujan,

Debit, Peta

Rupa Bumi

Jenis Tanah,

Citra Satelit

SWAT (Soil

and Water

Assessment

Tool) dan

SCS (Soil

Consevation

Service)

limpasan

Mekani

s

Tutupan

Lahan,

Hidrologi,

DAS

Brantas

Peta Rupa

Bumi, Data

Citra, Data

Iklim, Data

Tinggi Muka

Air

Hakim

2004

GISHYDRO Debit Aliran


JAWA TIMUR

32

Mekani

s

Total runoff,

direct runoff

Berbagai

DAS di

Pulau

Jawa

Model Iklim Rejekiningr

um 2014

Water

Balance

Analisis bahaya

banjir dan

kekeringan

Dinami

k

Keberlanjutan

penggunaan air

DAS

Citarum

Suhu, Curah

hujan, model

Santikayasa

et al. 2014

WEAP Berkurangnya

keberlanjutan

penggunaan air

Dinami

k

Frekuensi

Banjir

Kafue

River

basin

Data iklim,

DEM,

kemiringan,

arah aliran,

debit kumulatif,

wetness index

Ngongondo

et al. 2013

WASMOD-

D model

Kejadan banjir

diproyeksikan

menigkat pada

tahun 2071-2100

5.3. PEMODELAN DAMPAK EKONOMI PERUBAHAN IKLIM SEKTOR

SUMBER DAYA AIR

Sebuah studi yang dilakukan oleh Program Riset Perubahan Global AS (USGCRP) pada tahun 1999-

2000, memperkirakan biaya perubahan persediaan air di masa depan untuk 48 negara, dengan dan tanpa

perubahan iklim. USGCRP memperkirakan biaya untuk skenario “pengelolaan lingkungan”, dengan

asumsi masing-masing dari 18 wilayah di negara Amerika Serikat harus memasok lebih rendah dari

jumlah air yang diinginkan, atau jumlah yang seharusnya tersedia jika tidak ada perubahan iklim. Biaya

dari skenario tersebut mencapai $ 612 miliar per tahun pada tahun 2095. Sebagian besar biaya nasional

untuk persediaan air di alokasikan untuk wilayah tenggara, termasuk peningkatan penggunaan air limbah

daur ulang dan desalinasi. Skenario iklim yang digunakan untuk analisis tersebut memproyeksikan

kenaikan suhu rata-rata nasional sebesar 8,5 derajat Fahrenheit pada tahun 2100, atau sekitar dua

pertiga kenaikan di bawah skenario biasa. Dengan asumsi biaya yang dikeluarkan untuk persediaan air

sebanding dengan kenaikan suhu, metodologi USGCRP akan menyiratkan biaya sebesar $ 950 miliar

per tahun pada akhir abad ini sebagai hasil skenario perubahan iklim, dibandingkan dengan biaya yang

akan terjadi tanpa skenario perubahan iklim (Ackerman, F. and E. A. Stanton 2008).

Dalam laporan tersebut juga mereview metode PAGE dari Stern Project yang mempresentasikan

analisis alternatif yang lebih akurat terkait biaya sesungguhnya perubahan iklim. Salah satu dari penilaian

tersebut terkait “dampak langsung” seperti bencana yang terjadi. Sebagai contoh fungsi

damage/kerusakan dinilai dari perkalian antara konstanta, kenaikan temperatur dan nilai eksponen dari

berapa cepat jika bumi bertambah panas. PAGE mengasumsikan bahwa batas skenario re harus dicapai

sebelum kejadian bencana terjadi.

Penelitian lain tentang dampak perubahan iklim di bidang ekonomi sumberdaya air rumah tangga

dilakukan oleh Klaiber, H. A., et al. (2010). Penelitian tersebut memodelkan bagaimana penggunaan air

rumah tangga merespons perubahan harga di bawah kondisi tertentu (musim panas dan dingin) pada

tahun normal dan kering. Permintaan harga air rumah tangga pada bulan dan tahun tertentu dihitung

dari penjumlahan nilai harga marginal blok pemakaian, fungsi dari efek atribut observasi rumah tangga,

dan pengaruh skenario cuaca (suhu dan curah hujan). Penelitian tersebut mengestimasi respon harga

menggunakan ambang batas persentil konsumsi air untuk 10, 25, 50, 75, and 90 persen perbulan.

Pendekatan skenario digunakan untuk menentukan kesesuaian model. Hasil menunjukkan bahwa

penurunan presipitasi menyebabkan peningkatan penggunaan air dan pengurangan jumlah hari hujan

mengurangi penggunaan air untuk kedua musim. Penurunan curah hujan pada musim dingin

meningkatkan penggunaan air, sementara di musim panas efeknya bergantung pada perubahan jumlah

dan hari hujan. Untuk tahun normal-kering bahwa responsivitas harga berkurang cukup signifikan pada

musim panas ketika situasi keseluruhan kering secara tidak normal. Untuk tahun normal-normal, ada

respons yang lebih besar terhadap harga di antara semua pengguna pada musim panas daripada tahun

kering. Secara keseluruhan, rumah tangga tampak hemat pada bulan-bulan musim dingin dan lebih


JAWA TIMUR

33

skenario terhadap harga dibandingkan dengan musim panas terutama saat kondisi kering yang memang

mengurangi tingkat harga.

Gunatilake et all (2011) melakukan penelitian terkait respon permintaan air rumah tangga terhadap

faktor-faktor yang mempengaruhinya. Fungsi permintaan air didefinisikan dari perkalian antara biaya

marginal, perbedaan harga, pendapatan rumah tangga, dan jumlah rumah tangga. Biaya marginal dan

perbedaan harga didasarkan informasi tarif yang harus dibayar konsumen. Hasil penelitian tersebut

menyatakan bahwa meskipun terjadi peningkatan biaya marginal (produksi hingga distribusi), namun

jumlah permintaan air tidak berpengaruh secara signifikan. Hal ini berarti jumlah permintaan akan tetap

atau meningkat tidak akan bergantung tarif yang harus dibayar.

Darusman (1993) memodelkan permintaan air dari hubungan antara jumlah penggunaan dengan peubah

yang mempengaruhinya menggunakan 4 jenis regresi yaitu linier-linier, linier-logaritma, logaritma-linier

dan logaritma-logaritma. Peubah yang digunakan adalah antara lain: biaya pengadaan air, pendapatan

rumah tangga, jumlah anggota keluarga. Penelitian dilakukan di wilayah Gunung Gede Pangrango

menghasilkan skenario yang berpengaruh nyata hanya biaya pengadaan, pendapatan dan jumlah anggota

keluarga. Nilai ekonomi air dapat dilihat dari nilai manfaat air pertahun dikali Rp. 1 Miliar. Nilai manfaat

dapat didekati dengan “willingnesss to pay”.

Saputra (2017) memodelkan permintaan air rumah tangga dengan lebih sederhana yaitu dari fungsi

pendapatan rumah tangga, anggota rumah tangga dan tarif air. Faktor yang paling mempengaruhi

permintaan air adalah jumlah anggota rumah tangga. Semakin banyak anggota rumah tangga, maka

permintaan akan air akan semakin besar. Pengaruh tingkat skenario independen pada model ini

mencapai 65,5%.

Untuk mengurangi jumlah penggunaan air masyarakat, beberapa penelitian terkait pasokan (pasokan)

air rumah tangga dapat dilakukan dengan pemanenan air hujan. Sunardi (1992) melakukan penelitian di

Kecamatan Pracimantoro yang bertujuan untuk mengevaluasi skenario pemanenan air hujan agar

mampu memenuhi kebutuhan air rumah tangga penduduk, yang meliputi luas tangkapan hujan, jumlah

bak penampung yang sudah ada, kekurangan air dan koefisien pengaliran atap genting. Metode yang

digunakan adalah persamaan V=C x A x P.

Pemanenan air dengan cara sederhana juga dilakukan oleh Harsoyo (2010) dengan membuat bak

penampungan air hujan untuk mengatasi kekurangan air di DKI Jakarta. Dengan menghitung curah hujan

tahunan DKI Jakarta dengan asumsi hanya 80% dari total hujan yang dapat dipanen serta kemampuan

bak penampung dalam memanen hujan maka tingkat penghematan jumlah konsumsi penduduk terhadap

PDAM dapat dikurangi. Iswandari (2012) memfokuskan pada estimasi kapasitas bak penampungan air

hujan yang didasarkan pada karakteristik hujan wilayah dan kebutuhan air skenario penduduk di Desa

Purwodadi Kecamatan Tepus. Metode yang digunakan adalah metode Ripple dengan melakukan

plotting kurva permintaan ke kurva massa curah hujan sehingga diketahui indeks kekurangan air

maksimum tahunannya. Data-data tersebut dapat digunakan untuk mengestimasi tingkat kerugian dalam

ekonomi maupun jumlah alokasi dana untuk menanggulangi kekurangan pasokan air.

Johannsen (2016) mengungkapkan bahwa dalam skenario terakhir Water Evaluation and Planning

System (WEAP) telah banyak digunakan untuk memeriksa skenario air yang kompleks di sektor

perencanaan sumber daya air di seluruh dunia. Pada penelitian tersebut penggunaan WEAP untuk

menghitung jumlah alokasi prioritas bagi irigasi, rumah tangga dan perkotaan berdasarkan input

tertentu. Untuk kebutuhan air rumah tangga hanya diasumsikan berasal dari air tanah. Air tanah diisi

dari waduk diwilayah tersebut dan kelebihan air irigasi dari perhitungan nilai curah hujan dan

evapotranspirasi (water balance).

5.4. PENGEMBANGAN METODE VALUASI DAMPAK IKLIM

5.4.1. Data

Data untuk tujuh (7) kabupaten wilayah studi tersedia yang dipergunakan pada kajian ini meliputi data

iklim, jumlah penduduk, dan luas wilayah selama 10 tahun (2007-2016). Data tersebut adalah data

sekunder yang berasal dari Badan Pusat Statistik dalam rentang 2007 hingga 2016.


JAWA TIMUR

34

Data iklim yang digunakan terdiri dari data curah hujan bulanan pada periode musim kemarau (Juni-

Oktober) dari tahun 2007-2016. Sedangkan data jumlah penduduk terdiri dari tahun 2007-2016 yang

berasal dari Badan Pusat Statistik, data luas wilayah terdiri tahun 2007-2016 juga dari data Badan Pusat

Statistik.

5.4.2. Pendekatan Umum

Pengembangan penyusunan model valuasi dampak perubahan iklim terhadap ketersediaan air wilayah

bertujuan untuk mengetahui seberapa banyak jumlah masyarakat yang terkena dampak akibat

penurunan ketersediaan air wilayah di tengah naiknya permintaan kebutuhan air domestik seiring

semakin meningkatnya jumlah penduduk. Dengan melihat perubahan neraca air dan populasi terdampak

melalui pemanfaatan informasi perubahan iklim diharapkan dapat digunakan dalam perencanaan dan

penyusunan kebijakan pembangunan nasional maupun daerah dengan mempertimbangkan kondisi iklim

dalam bidang pemanfaatan sumber daya air.

Pengembangan model valuasi dampak dilakukan melalui pendekatan model empiris dengan

menggunakan informasi iklim yang mempengaruhi ketersediaan air wilayah. Berdasarkan beberapa

kajian studi faktor iklim yang banyak digunakan dalam sektor pemanfaatan sumber daya air adalah curah

hujan dan suhu udara yang dapat dijadikan acuan perbedaan musim kering dan basah. Sedangkan untuk

mengetahui seberapa besar penggunaan air di suatu sektor membutuhkan data perkembangan jumlah

penduduk di setiap tahunnya. Penggunaan model empiris mengasumsikan interaksi antara variasi iklim

dengan proses-proses yang berpengaruh terhadap neraca air tanah seperti faktor limpasan,

evapotranspirasi dan kapasitas air lapang dalam luasan wilayah yang mempengaruhi ketersediaan air

direpresentasikan dalam bentuk agregasi dampak faktor iklim terhadap ketersediaan air wilayah.

Secara sederhana, metode analisis dilakukan dengan menggunakan faktor iklim sebagai variable utama

yang mempengaruhi ketersediaan air (Gambar 25). Estimasi ketersediaan air selanjutnya dikalikan

dengan informasi luas wilayah dan koefisien daya simpan air dalam tanah sehingga didapatkan nilai

ketersediaan air wilayah. Nilai kebutuhan air sektor domestik diperoleh berdasarkan hasil perkalian

antara kebutuhan air dasar domestik dengan jumlah penduduk tiap tahun serta jumlah hari dalam bulan

kering. Selanjutnya, untuk memperoleh nilai neraca air, nilai ketersediaan air dikurangi dengan

kebutuhan air yang akan menghasilkan tiga kondisi. Apabila nilai ketersediaan air lebih besar maka

daerah tersebut menandakan terjadi surplus air domestik, apabila kebutuhan air sama dengan

ketersediaan air maka kebutuhan penduduk terpenuhi, dan apabila nilai kebutuhan air lebih besar maka

terjadi defisit. Nilai populasi terdampak diperoleh dari neraca air defisit dibagi dengan kebutuhan air

dasar domestik dan jumlah hari kering menghasilkan populasi terdampak kekurangan air domestik saat

bulan kering (Encalada dkk 2017).


JAWA TIMUR

35

Gambar 25: Diagram Alir Proses Penyusunan Pemodelan Valuasi Dampak Perubahan

Iklim terhadap Ketersediaan Air Wilayah DAS Brantas

Valuasi analisis dampak perubahan iklim terhadap ketersediaan air dihitung menggunakan model water

balance dengan masukan utama perubahan nilai variabel iklim, yaitu: curah hujan, serta proyeksinya di

masa depan. Adapun beberapa asumsi yang dipergunakan, yaitu:

1. Luas wilayah di masa mendatang diasumsikan tetap tetap.

2. Faktor koefisien limpasan diasumsikan tetap untuk dataran rendah 0,7 dan dataran tinggi 0,6

(Fetter 2000). Asumsi ini menjelaskan bahwa apabila koefisien limpasan sebesar 0,7, maka

ketersediaan air wilayah sebesar 30% dan 70% melimpas namun apabila koefisien limpasan 0,6

maka ketersediaan air wilayah sebesar 40%. Dan 60% melimpas.

3. Kebutuhan air dasar domestik diasumsikan tetap yaitu 0,15 m3/jiwa/hari. Standard ini

merupakan standard SNI untuk wilayah yang jenis kotanya besar hingga metropolitan. Jenis

kota ini merupakan kota yang memiliki penduduk 500.000-2.000.000 jiwa.

4. Jumlah hari pada bulan kering diasumsikan tetap yaitu 153 hari dengan 6 bulan. Data ini

diperoleh dari BPTP Pertanian yang mengatakan bahwa rata-rata bulan kering di Indonesia

sekitar 5-6 bulan.

Air efektif yang dapat digunakan untuk kegiatan domestik diasumsikan tetap sebesar 53% dari

ketersediaan air wilayah (Suryadmaja dkk 2015)

5.4.3. Model Water Balance

Terjadinya perubahan cuaca dan iklim akan mengakibatkan perubahan ketersediaan air di suatu wilayah.

Hal ini dapat dikaitkan dengan kejadian bencana hidrometeorologi berupa kekeringan. Berdasarkan

prinsip water balance, penurunan curah hujan di suatu wilayah akan mengakibatkan turunnya

ketersediaan air tanah di suatu wilayah. Sehingga secara umum ketersediaan air wilayah akan selalu

turun saat bulan-bulan kering. Bulan kering di wilayah DAS Brantas terjadi secara umum selama kurang

lebih 5 bulan, diawali bulan Juni dan diakhiri bulan Oktober. Sehingga masyarakat patut waspada pada

bulan-bulan kering akan terjadi penurunan kapasitas lapang wilayah yang dapat berdampak pada

ketersediaan air.

Upaya dalam pemanenan air hujan menjadi hal yang penting di dunia internasional, hal ini tercatat dalam

agenda penting dari global environmental water resources management dalam rangka penanggulangan

ketimpangan musim hujan dan kering (lack of water), kekurangan pasokan air bersih penduduk dunia,

Variasi iklim Curah Hujan

Akumulasi CH

Ketersediaan Air

Bahaya Terkait

iklim

Iklim ekstrem

Populasi

Kebutuhan Air dasar

Pertumbuhan Jumlah

Penduduk

Kebutuhan Air

Domestik

Neraca Air

Kebutuhan Air

Bulan Kering

Bulan Basah

Rc dan Luas

Populasi

terdampak


JAWA TIMUR

36

serta penanggulangan kekeringan. Teknik pemanenan air hujan atau rain water harvesting merupakan

suatu cara pengumpulan atau penampungan air hujan atau aliran permukaan pada saat curah hujan tinggi

untuk digunakan pada waktu air hujan rendah. Teknik pemanenan air yang biasa digunakan adalah teknik

pemanenan air hujan dengan atap bangunan (suatu wilayah dengan luasan tertentu) dan teknik

pemanenan air menggunakan bangunan reservoir (Maryono dan Santoso 2006).

Perbedaan kedua teknik ini, terletak pada ruang lingkup implementasinya. Teknik yang pertama ruang

lingkupnya adalah skala individu bangunan rumah atau luasan tertentu pada suatu wilayah tertentu yang

rata-rata mengandalkan tanah sebagai media penyimpanan yang tujuannya untuk memenuhi kebutuhan,

sementara untuk teknik yang kedua biasanya digunakan untuk aplikasi di bidang pertanian sehingga

membutuhkan bangunan atau penampungan untuk memanen air. Kategori yang digunakan untuk

memanen air pada metode ini adalah metode yang pertama karena sangat berhubungan dengan

kebutuhan pemenuhan air domestik (Harsoyo 2010).

Pemanenan air hujan dengan metode water balance merupakan salah satu alternatif untuk memenuhi

kebutuhan air domestik. Perhitungan untuk water balance ini dapat dirumuskan secara sederhana

melalui perhitungan sebagai berikut:

GW= P x Rc x L

Heryani (2009) mengemukakan bahwa air yang dipanen (GW) didapatkan melalui presipitasi (P) yang

jatuh pada suatu luasan tertentu (L). Tidak semua air yang jatuh dapat digunakan, hanya beberapa

persen yang dapat digunakan untuk berbagai kepentingan (tersimpan dalam luasan tertentu) (Rc).

Ketersediaan Air Domestik: Perhitungan ketersediaan air domestik dapat dijelaskan melalui

penurunan rumus water balance berikut:

P x L = (ET+RO+GW+KAT) x L

GW=(P-(ET+RO+KAT)) x L

GW= (P- ΒP) x L

GW= P x (1- Β) x L

Nilai P merupakan nilai akumulasi curah hujan bulanan yang terjadi pada bulan-bulan kering. Dengan

metode penyederhanaan ketersediaan air wilayah nilai ET (evapotranspirasi), RO (air yang melimpas),

dan KAT (Kapasitas Air Lapang) dapat dinyatakan melalui koefisien (Β). Diasumsikan bahwa nilai

koefisien untuk jumlah ketiga variabel tersebut (ET, RO, KAT) bernilai 0.7 (dataran rendah) dan 0.6

(dataran tinggi) (Fetter 2000). Koefisien tersebut berarti sebanyak 70% curah hujan di wilayah

dataran rendah akan melimpas dan menguap, 30% sisanya adalah air yang dapat digunakan untuk

keperluan berbagai sektor di suatu wilayah, untuk koefisien 0,6 berarti 60% curah hujan di wilayah

dataran rendah akan melimpas dan menguap, 40% sisanya adalah air yang dapat digunakan untuk

keperluan berbagai sektor di suatu wilayah.

Nilai ketersediaan air tanah (GW) total dihitung dari fungsi:

GW= P x Rc x L

P merupakan curah hujan pada suatu titik tertentu, Rc merupakan nilai koefisien air yang dipanen (0.4

untuk dataran tinggi dan 0.3 untuk dataran rendah) sedangkan L merupakan luas wilayah.

Ketersediaan air domestik dihitung sebesar 53% dari ketersediaan air total wilayah (Suryadmaja et al.

2015). Perhitungan ketersediaan air wilayah hanya di lakukan pada bulan-bulan kering karena pada

dasarnya ketersediaan air lapang pada bulan kering lebih kritis dibandingkan bulan basah. Hal ini

disebabkan pada bulan kering, jumlah curah hujan yang turun tidak sebanyak pada bulan basah sehingga

sehingga lebih rentan terjadi kekurangan pasokan air untuk memenuhi kebutuhan masyarakat.

Kebutuhan Air Domestik : Kebutuhan air domestik adalah jumlah air yang dibutuhkan untuk

melakukan kegiatan rumah tangga masyarakat dalam suatu wilayah. Kebutuhan air di suatu wilayah

besarnya sebanding dengan pola konsumsi masyarakat per kapita, sehingga laju pertumbuhan jumlah


JAWA TIMUR

37

penduduk akan mempengaruhi kebutuhan air masyarakat. Kebutuhan air domestik meliputi kegiatan-

kegiatan yang berhubungan dengan kegiatan rumah tangga (Liu et al. 2012).

D merupakan kebutuhan air masyarakat suatu wilayah (m³/tahun). Jumlah penduduk (Po) tiap tahunnya

mengalami perubahan, sedangkan kebutuhan dasar air untuk kegiatan domestik (Da) diasumsikan tetap

sebesar 0,15 m3/jiwa/hari dengan SNI kota besar-metropolitan yang memiliki jumlah penduduk 500.000

- 2.000.000 jiwa , dan H merupakan jumlah hari kering dalam satu tahun yang telah ditentukan oleh

BPTP Pertanian sebesar 5-6 bulan atau 153 hari.

Pasokan-Permintaan : Suatu kondisi yang menggambarkan pemenuhan air di suatu wilayah, apabila

nilai pasokan-Permintaan positif maka wilayah tersebut masih memiliki surplus sebagai cadangan air

untuk masa depan, nilai negatif menandakan defisit sehingga wilayah kekurangan air untuk melakukan

suatu kegiatan, sedangkan apabila nilai 0 maka kebutuhan air terpenuhi tanpa ada kekurangan maupun

kelebihan pasokan-Permintaan air.

Nilai Pasokan-Permintaan (SD) juga digunakan sebagai pendekatan populasi terdampak (PT). Populasi

terdampak dapat dihitung dengan membagi nilai Pasokan-Permintaan dengan jumlah hari kering dalam

satu tahun dan kebutuhan dasar air domestik. Populasi terdampak dapat dinyatakan dalam jumlah jiwa

(penduduk) dalam suatu wilayah yang terpengaruh adanya defisit maupun surplus pasokan permintaan

air.

PT = SD /(Da x H)

5.4.4. Validasi Model

Validasi model dilakukan dengan membandingkan hasil keluaran model dengan kondisi di lapang yang

diperoleh berdasarkan laporan dari surat kabar atau media (Tabel 8) untuk ke-7 kabupaten/kota

wilayah studi di DAS Brantas.

Tabel 8: Matriks Kejadian Kekeringan di DAS Brantas

Tahun Kabupaten

Malang

Kabupaten

Blitar

Kabupaten

Mojokerto

Kabupaten

Sidoarjo

Kabupaten

Jombang

Kota

Malang

Kota

Batu

2007 -

- - - - - -

2008 - - - - Juni- Juli

- -

2009 - - November - - Mei Mei

2010 - - - - Agustus-

Oktober

Desember -

D = Po x Da x H

SD = (0.53 x GW) - D


JAWA TIMUR

38

2011 -

- Oktober - Oktober September -

2012 September - - September Agustus-

September

September -

2013 - - - Oktober September September-

Oktober

-

2014 -

September Oktober Juni September September -

2015 Oktober Oktober Juli Oktober Juni Juli Juli

2016 - - - - - - -

Sumber : Antara, Detik, BNPB, Pemerintah Daerah, dan sumber berita lainnya

Langkah untuk memvalidasi adalah dengan mencari berita kekeringan di wilayah tersebut melalui media

dan disesuaikan dengan hasil perhitungan perubahan kapasitas air lapang. Saat musim kering kapasitas

air lapang menunjukkan tanda negatif yang artinya ketersediaan air tanah berkurang. Kapasitas air lapang

yang digunakan diasumsikan 200 mm di setiap wilayah yang teksturnya sedang sesuai dengan aturan

http://www.bctfpg.ca. Hasil model menunjukkan bahwa seluruh wilayah mengalami kekurangan air pada

bulan kering tahun 2015 dan pada kenyataannya terjadi sesuai dengan perhitungan model (Gambar 26).

Apabila nilai ketersediaan air lapang semakin menurun maka akan semakin banyak populasi terdampak.

Pada bulan-bulan Juli hingga Oktober 2015 sebagian besar wilayah di DAS Brantas mengalami defisit

neraca air. Hal ini dibenarkan oleh adanya pemberitaan bahwa pada bulan-bulan tersebut di semua

wilayah terjadi kekeringan (Tabel 4). Sebagai contoh Tahun 2015, kurang lebih 47% masyarakat

Kabupaten Malang tidak mendapatkan pasokan air domestik (Detik.com).

Gambar 26: Grafik Pasokan-Permintaan Bulanan pada 7 Kabupaten Tahun 2015

Validasi selanjutnya dilihat dari sebaran pasokan permintaan pada bulan-bulan kering dari tahun 2007

hingga 2015 (Gambar 27). Beberapa daerah seperti Kota Malang, Kabupaten Sidoarjo dan Jombang

memiliki rata-rata tahun yang memiliki defisit nilai Pasokan-Permintaan yang artinya terjadi kekurangan

air domestik yang berasal dari air hujan (air tanah/penyimpanan) untuk memenuhi kebutuhan

-80

-30

20

70

120

170

1 2 3 4 5 6 7 8 9 10 11 12

DSW

BULAN

dSW Kab Blitar 2015 dSW Kab Malang 2015 dSW Kab Sidoarjo 2015

dSW Kab Mojokerto 2015 dSW Kab Jombang 2014 dSW Kota Batu 2015

dSW Kota Malang 2015

http://www.bctfpg.ca/


JAWA TIMUR

39

masyarakat sehingga terjadi kekeringan. Kota Malang antara tahun 2011 hingga 2015 terjadi defisit

pasokan-permintaan sedangkan berdasarkan berita yang didapatkan, bahwa Kota Malang sepanjang

tahun tersebut juga terjadi kekeringan di bulan Mei hingga September. Demikian juga dengan Kabupaten

Jombang yang sebagian besar terjadi defisit pasokan-permintaan diseluruh tahun mulai 2007 hingga

2015. Berdasarkan data kekeringan yang terhimpun, Kabupaten Jombang hampir sepanjang tahun

mengalami kekeringan. Beberapa data kekeringan cukup susah di dapat sehingga tidak semua tahun

memiliki data kekeringan di wilayah tersebut. Sedangkan Kabupaten lainnya sebagian besar hanya

mengalami kekeringan di tahun tertentu seperti tahun 2015 yang diindikasikan merupakan tahun El

Nino kuat.


JAWA TIMUR

40

Gambar 27: Grafik Pasokan-Permintaan Tahunan Setiap Kabupaten pada Bulan Kering

(Juni-Oktober)

-20

-10

0

10

20

2007 2009 2011 2013 2015

Q (

x 1

0^6

m3

)

Tahun

Neraca Air Kota Malang

-500

0

500

1000

2007 2009 2011 2013 2015Q (

x 1

0^6

m3

)

Tahun

Neraca Air Kabupaten Malang

-10

0

10

20

30

40

50

2007 2009 2011 2013 2015

Q (

x 1

0^6

m3

)

Tahun

Neraca Air Kota Batu

-50

0

50

100

150

200

250

2007 2009 2011 2013 2015

Q (

x 1

0^6

m3

)

Tahun

Neraca Air Kabupaten Blitar

-50

0

50

100

2007 2009 2011 2013 2015Q (

x 1

0^6

m3

)

Tahun

Neraca Air Kabupaten Sidoarjo

-50

0

50

100

2007 2009 2011 2013 2015Q (

x 1

0^6

m3

)

Tahun

Neraca Air Kabupaten Mojokerto

-30

-25

-20

-15

-10

-5

0

2007 2009 2011 2013 2015

Q (

x 1

0^6

m3

)

Tahun

Neraca Air Kabupaten Jombang


JAWA TIMUR

41

BAB 6. ANALISIS DAMPAK PERUBAHAN

IKLIM 6.1. SKENARIO PERUBAHAN IKLIM

Proyeksi kondisi iklim dilakukan pada variabel curah hujan dan suhu udara dengan menggunakan luaran

data dari model Wordclim dengan skenario RCP4.5. Periode tahun proyeksi yakni tahun 2021-2050.

Analisis perubahan curah hujan tahunan dilakukan pada keempat model yaitu CSIRO, CCCMA, GFDL

dan MIROC. Skenario curah hujan yang digunakan dalam proyeksi perubahan iklim untuk DAS Brantas

diambil dari nilai tertinggi dan terendah dari keseluruhan model yang digunakan. Sedangkan laju

pertumbuhan penduduk masing-masing Kabupaten didapatkan dari Kabupaten Dalam Angka.

Perhitungan jumlah penduduk di masa depan (Tahun 2035) dihitung dari penduduk tahun 2016 dan laju

pertumbuhan penduduk per tahunnya. Proyeksi untuk masing-masing Kabupaten disajikan dalam Tabel

9. Pemodelan water balance ini dilakukan menggunakan 4 skenario perubahan curah hujan dan jumlah

penduduk. Adapun skenario tersebut adalah:

Gambar 28 Skenario Model Untuk Menduga Dampak Perubahan Iklim terhadap

Ketersediaan Air Domestik

Tabel 9: Skenario Perubahan Iklim untuk DAS Brantas

Kabupaten Curah

hujan

Baseline

(mm)

Perubahan CH

(%)

Jumlah

penduduk

tahun 2016

Laju pertumbuhan

penduduk

(%/tahun) Min Max

Kota Malang 180 -9 20 887,443 0.72

Kab. Malang 362 -15 27 2,560,675 0.86

Kota Batu 295 -10 18 202,319 0.91

Kab. Blitar 311 -10 24 1,149,710 1.1

Kab.

Mojokerto

245 -10 23 1,118,358 1.98

Kab. Sidoarjo 319 -13 26 2,199,171 2.21

Kab. Jombang 279 -9 22 1,247,303 0.51

Skenario 1:

- Kenaikan curah hujan

- Penduduk tidak berubah

Skenario 4:

- Penurunan curah hujan

- Penduduk bertambah

Skenario 3:

- Penurunan curah hujan

- Penduduk tidak berubah

Skenario 2:

- Kenaikan curah hujan

- Penduduk bertambah


JAWA TIMUR

42

6.2. ANALISIS DAMPAK PERUBAHAN IKLIM PADA KETERSEDIAAN AIR

WILAYAH

Air merupakan salah satu faktor penting dalam kehidupan manusia. Laporan Penilaian Keempat (AR4)

IPCC menyatakan dua faktor yang mempengaruhi sektor air di masa yang akan datang, yaitu iklim dan

non-iklim. Faktor iklim yang mempengaruhi ketersediaan air didominasi presipitasi/curah hujan, suhu,

dan penguapan. Faktor non-iklim terdiri dari perubahan penggunaan lahan, penggunaan air seiring

dengan perubahan populasi penduduk, gaya hidup, dan teknologi, serta kebutuhan airnya.

Ketersediaan air dapat dianalisis melalui aspek meteorologis. Ketersediaan air meteorologis adalah

ketersediaan air yang pada dasarnya berasal dari air hujan. Hujan yang jatuh akan menguap kembali

sesuai dengan proses daur ulangnya, sebagian akan mengalir melalui permukaan dan bawah permukaan,

sungai atau danau dan sebagian lain akan meresap ke tanah sebagai pengisian kembali ke tanah (Suripin

2002). Ketersediaan air meteorologis dapat ditunjukkan dalam grafik neraca air. Neraca air merupakan

neraca masukan dan keluaran air di suatu tempat pada periode tertentu, sehingga dapat untuk

mengetahui jumlah air tersebut berlebih ataupun sebaliknya.

Akibat adanya perubahan iklim dimasa depan akan menyebabkan terjadinya kenaikan maupun

penurunan curah hujan. Pasokan air sangat dipengaruhi oleh perubahan curah hujan tersebut. Pasokan

air ini dapat dinyatakan dalam grafik ketersediaan air. Dengan mensimulasi perubahan curah hujan di

masa depan akan diketahui persen perubahan pasokan air domestik suatu wilayah.

Kota Malang

Kota Malang memiliki curah hujan terendah diantara Kabupaten lainnya. Rata-rata curah hujan sebesar

180 mm/bulan selama musim kering. Curah hujan ini dialokasikan untuk pasokan air domestik bulan

kering sekitar 5,527,500 m³/tahun. Di masa depan, pasokan air domestik ini akan berubah seiring

berubahnya curah hujan di kota Malang. Perubahan curah hujan berkisar antara -9% hingga 20%

menyebabkan pasokan air tersedia berubah antara -9% hingga 20%. Perubahan ini sama dengan

perubahan curah hujan dikarenakan faktor lain selain curah hujan di anggap konstan (tetap). Pasokan

air domestik kota Malang berdasarkan skenario perubahan iklim (skenario 1 dan 2) akan meningkat

sebesar 20% dan ada kemungkinan terjadi penurunan juga sebesar -9% dari kondisi ketersediaan air

saat ini (skenario 3 dan 4).

Gambar 29: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kota

Malang


JAWA TIMUR

43

Kabupaten Malang

Rata-rata curah hujan baseline di Kabupaten Malang selama musim kering sebesar 362 mm/bulan. Curah

hujan tersebut telah menghasilkan sekitar 271,438,000 m³ pasokan air untuk memenuhi kebutuhan air

domestik di Kabupaten Malang. Pada masa mendatang, pasokan air tersebut dapat berkurang dari

keadaan saat ini hingga -15% disebabkan oleh penurunan curah hujan sebesar -15%. Sedangkan kenaikan

curah hujan ~ 27% dapat menyebabkan kenaikan pasokan air hingga 24%.


Malang

Kota Batu

Kota batu memiliki rata-rata curah hujan musim kering di kisaran 295 mm/bulan. Curah hujan ini

mampu memasok air rata-rata sekitar 12,638,000 m³/bulan selama bulan-bulan kering untuk memunuhi

pasokan air domestik Kota Batu. Pasokan air ini di masa depan akan mengalami penurunan hingga -9%

dari rata-rata air tersedia yang diakibatkan menurunnya curah hujan sebesar -10% (Skenario 3 dan 4).

Selain mengalami penurunan, Kota Batu juga dapat di mungkinkan terjadi kenaikan pasokan air sebesar

18% apabila curah hujan dimasa mendatang meningkat 18%.


JAWA TIMUR

44

Gambar 31: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kota Batu

Kabupaten Blitar

Pada bulan-bulan kering, Kabupaten Blitar memiliki rata-rata curah hujan dikisaran 311 mm/bulan. Rata-

rata pasokan air yang di dapat dari perhitungan model sumber daya air ini sebesar 78,544,300 m³/bulan.

Akibat adanya perubahan iklim yang menyebabkan perubahan curah hujan maka pasokan air di

Kabupaten Blitar juga mengalami perubahan. Kenaikan pasokan air hingga 24% diakibatkan

meningkatnya curah hujan di masa mendatang. Demikian pula dengan penurunan ketersediaan air

sebesar -10% yang diakibatkan menurunnya curah hujan.


Blitar


JAWA TIMUR

45

Kabupaten Mojokerto

Kabupaten Mojokerto mempunyai curah hujan rata-rata di kisaran 245 mm/bulan selama bulan-bulan

kering. Di masa depan, peningkatan curah hujan sebesar 23% mengakibatkan pasokan air meningkat

sebesar 21% dari pasokan air domestik semula yaitu sebesar 37,763,100 mm/bulan. Skenario perubahan

iklim juga mengindikasikan adanya penurunan curah hujan terendah sebesar -10% dari curah hujan saat

ini. Hal ini berdampak pada penurunan pasokan air tersedia untuk domestik di Kabupaten Mojokerto

sebesar -9%.


Mojokerto

Kabupaten Sidoarjo

Kabupaten Sidoarjo memiliki rata-rata curah hujan musim kering selama periode baseline sebesar 319

mm/bulan. Di masa depan, curah hujan ini mengalami penurunan yang mengakibatkan penurunan

pasokan air hingga -13% dari pasokan air rata-rata sebelumnya. Pasokan air domestik saat ini

diperkirakan sebesar 21,308,700 m³/bulan. Selain penurunan curah hujan juga terjadi kenaikan curah

hujan yang mengakibatkan kenaikan pasokan air sebesar 26%.


JAWA TIMUR

46


Sidoarjo

Kabupaten Jombang

Rata-rata curah hujan selama bulan-bulan kering di Kabupaten Jombang sebesar 279 mm/bulan. Curah

hujan ini memasok air untuk kebutuhan domestik Kabupaten Jombang sebesar 5,140,276 m³/bulan.

Berdasarkan skenario proyeksi curah hujan Kabupaten Jombang di masa depan, maka akan terjadi

peningkatan curah hujan sebesar 22% yang menyebabkan kenaikan pasokan air untuk domestik hingga

22%. Sedangkan penurunan curah hujan sebesar -9% akan menurunkan pasokan air dengan persen yang

sama dengan penurunan curah hujan.


Jombang


JAWA TIMUR

47

6.3. HASIL ANALISIS DAMPAK PERUBAHAN IKLIM PADA PASOKAN-

PERMINTAAN

Dalam kehidupan sehari-hari pemanfaatan air semakin bertambah seiring dengan pertambahan jumlah

penduduk, tetapi tidak semata-mata meningkatnya pemanfaatan air hanya karena pertambahan jumlah

penduduk saja, melainkan juga karena majunya kehidupan manusia (Simoen 1985). Pemanfaatan air oleh

suatu masyarakat bertambah besar dengan kemajuan masyarakat tersebut, sehingga pemanfaatan air

seringkali dipakai sebagai salah satu tolok ukur tinggi rendahnya kemajuan suatu masyarakat

(Noerbambang dan Morimura 1996).

IPCC (2007) menyatakan bahwa ketersediaan air tawar diproyeksikan berkurang seiring dengan

pertumbuhan penduduk dan kenaikan kebutuhan air terus meningkat yang akan mempengaruhi jutaan

penduduk pada tahun 2050. Apabila di masa depan terjadi perubahan iklim maka dapat diketahui bahwa

pasokan air dapat meningkat maupun menurun. Namun dengan adanya pertumbuhan penduduk,

pasokan (pasokan air) dimungkinkan tidak dapat memenuhi kebutuhan (permintaan) penduduk yang

semakin tinggi khususnya pada musim kemarau.

Keseimbangan antara pasokan dan kebutuhan dapat dinyatakan dalam grafik pasokan-permintaan.

Perubahan iklim yang mempengaruhi pasokan air dan pertumbuhan penduduk yang mempengaruhi

kebutuhan dapat mengubah keseimbangan pasokan-permintaan ini. Perubahan pasokan-permintaan di

masa depan terhadap keadaan saat ini dapat dinyatakan dalam persen (%) perubahan. Nilai positif

menunjukkan terjadi peningkatan pasokan-permintaan, sedangkan nilai negatif menunjukkan penurunan

grafik pasokan-permintaan. Persen peningkatan pada kondisi surplus menunjukkan peningkatan nilai

surplus di masa depan, sebaliknya peningkatan (persen positif) pada kondisi defisit menunjukkan nilai

defisit semakin kecil akibat kenaikan pasokan.

Persen terdampak menunjukkan jumlah jiwa (orang) yang akan terpenuhi maupun tidak terpenuhi

kebutuhan air domestik mereka. Nilai positif menujukkan jumlah orang terdampak semakin meningkat.

Apabila nilai positif tersebut pada kondisi surplus air maka orang yang dapat memenuhi kebutuhannya

semakin banyak. Sebaliknya apabila nilai positif tersebut pada kondisi defisit, maka nilai positif

menunjukkan peningkatan jumlah orang yang tidak mampu memenuhi kebutuhannya.

Kota Malang

Kota Malang memiliki rata-rata persediaan air domestik baseline untuk bulan-bulan kering sebesar

5,527,517 m³/tahun dengan rata-rata kebutuhan air domestik perbulan sebesar 19,177,869 m³. Hal ini

menyebabkan pada bulan-bulan kering, Kota Malang mengalami defisit rata-rata sebesar 13,650,352 m³.

Kekurangan air ini berdampak pada sekitar 594,787 jiwa yang harus memenuhi kebutuhan air untuk

keperluan sehari-hari mereka.

Defisit pasokan-permintaan air domestik ini akan diperparah di masa depan dengan adanya penurunan

curah hujan yang menyebabkan neraca air semakin defisit. Hasil model menunjukkan bahwa Kota

Malang akan terus mengalami defisit hingga -36% dari nilai defisit saat ini apabila dilakukan skenario

penurunan curah hujan dan kenaikan jumlah penduduk (skenario 4). Hal ini disebabkan pertumbuhan


JAWA TIMUR

48

penduduk pada saat ini (2016) maupun proyeksi di masa mendatang (2035) akan tetap menurunkan

nilai defisit pasokan-permintaan. Kenaikan curah hujan hanya mampu mengurangi sekitar 8% nilai defisit

ini di masa depan (skenario 1) dengan asumsi bahwa curah hujan meningkat sedangkan jumlah penduduk

tetap.

Gambar 36: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kota

Malang

Jumlah terdampak pada Kota Malang memiliki persen yang sama dengan persen perubahan pasokan-

permintaan. Di masa depan, jumlah orang yang terdampak akan meningkat hingga 36% dari sebelumnya.

Bertambahnya jumlah orang terdampak akibat kekurangan sumber daya air akan diperburuk dengan

adanya perubahan iklim dan laju pertumbuhan penduduk yang terus meningkat. Sedangkan dengan

skenario kenaikan curah hujan dan jumlah penduduk yang tidak bertambah membuat jumlah orang

terdampak akan berkurang hingga 8%.

Gambar 37: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kota

Malang


JAWA TIMUR

49

Kabupaten Malang

Rata-rata pasokan air domestik musim kering baseline Kabupaten Malang mencapai 271,438,024

m³/tahun. Nilai ini cukup untuk memenuhi kebutuhan rata-rata air domestik penduduk sebesar

56,895,184 m³. Rata-rata surplus yang di peroleh Kabupaten Malang sebesar 214,542,840 m³. Surplus

pasokan-permintaan ini cukup untuk memenuhi hampir 4 kali kebutuhan penduduk Kabupaten Malang.

Di masa depan, jumlah pasokan-permintaan untuk Kabupaten Malang akan mengalami kenaikan dan

penurunan akibat berubahnya curah hujan dan jumlah penduduk. Kenaikan curah hujan sebesar 27%

tanpa dilakukan proyeksi pertumbuhan penduduk akan meningkatkan nilai surplus air domestik hingga

30%, sedangkan apabila dilakukan proyeksi pertumbuhan penduduk akan meningkat sebesar 22%.

Apabila curah hujan saat ini tetap sedangkan jumlah penduduk tetap meningkat maka pasokan-

permintaan akan mengalami penurunan sebesar -6%.

Penurunan pasokan-permintaan sebesar -18% terjadi ketika curah hujan turun sebesar -15% dengan

dilakukannya proyeksi pertumbuhan penduduk. Hal ini disebabkan ketersediaan air dari curah hujan

berkurang sedangkan kebutuhan penduduk meningkat karena jumlah penduduk bertambah sehingga

menyebabkan pasokan-permintaan menurun dari kondisi sebelumnya.

Gambar 38: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di

Kabupaten Malang


JAWA TIMUR

50

Penduduk yang dapat memanfaatkan pasokan air domestik ini kurang lebih berjumlah 9,348,272 jiwa,

lebih banyak hampir 4 kali dari jumlah penduduk saat ini. Dengan adanya perubahan iklim, jumlah orang

yang dapat memanfaatkan air tersebut dapat meningkat hingga 30% dari sebelumnya akibat adanya

kenaikan curah hujan, maupun berkurang hingga -26% akibat berkurangnya curah hujan dan kenaikan

jumlah penduduk. Perubahan jumlah terdampak mengikuti perubahan persen pasokan-permintaan.

Gambar 39: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di

Kabupaten Malang

Kota Batu

Kota Batu memiliki rata-rata ketersediaan air domestik sebesar 12,638,117 m³/tahun. Air ini digunakan

untuk memenuhi 4,555,568 m³ kebutuhan air domestik penduduk Kota Batu selama bulan-bulan kering.

Dengan jumlah ini, rata-rata Kota Batu memiliki surplus pasokan air sebesar 8,082,549 m³. Jumlah ini

cukup untuk memenuhi kebutuhan 202,319 penduduk di Kota Batu tahun 2016.

Skenario kenaikan curah hujan di masa mendatang akan membawa dampak kenaikan pasokan air.

Apabila jumlah penduduk tidak mengalami peningkatan dari tahun 2016, peningkatan surplus pasokan-

permintaan Kota Batu mencapai 24%. Namun jika dilakukan proyeksi pertumbuhan jumlah penduduk

maka surplus pasokan-permintaan hanya mengalami peningkatan sebesar 14%. Sedangkan apabila curah

hujan tetap sedangkan jumlah penduduk bertambah maka surplus pasokan-permintaan akan mengalami

penurunan sebesar -14% dari keadaan saat ini.

Surplus pasokan-permintaan ini juga akan mengalami penurunan akibat berkurangnya pasokan air akibat

menurunnya curah hujan. Penurunan pasokan air sebesar -9% akan menurunkan surplus pasokan-

permintaan sebesar -30% apabila dilakukan proyeksi pertumbuhan penduduk. Apabila penurunan

pasokan air tersebut tidak diikuti dengan pertumbuhan penduduk maka hanya akan menurunkan

surplus pasokan-permintaan saat ini menjadi 15%.


JAWA TIMUR

51

Gambar 40: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kota

Batu

Kenaikan jumlah surplus pasokan-permintaan akan menaikkan jumlah orang yang dapat memenuhi

kebutuhan air domestik mereka. Saat ini jumlah pasokan tersebut mampu memenuhi kebutuhan

352,181 jiwa, lebih besar dari penduduk Kota Batu tahun 2016 sebanyak 202,319 jiwa. Di masa depan,

penduduk yang mampu memenuhi kebutuhan mereka dapat meningkat hingga 24% dari jumlah saat ini

karena naiknya pasokan air. Di sisi lain, akibat menurunnya curah hujan maka jumlah orang yang dapat

memenuhi kebutuhan air domestik mereka juga akan berkurang. Meskipun demikian, jumlah jiwa yang

dapat dipenuhi pasokan air ini masih diatas proyeksi jumlah penduduk tahun 2035. Dengan demikian,

di masa depan, Kota Batu masih dapat memenuhi kebutuhan air mereka meskipun terjadi perubahan

iklim.

Gambar 41: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kota

Batu


JAWA TIMUR

52

Kabupaten Blitar

Kabupaten Blitar memiliki rata-rata pasokan air tahunan musim kering sebesar 78,544,373 m³. Pasokan

ini mampu memenuhi kebutuhan air domestik Kabupaten Blitar yang berada di kisaran 25,863,739 m³.

Surplus air ini mencapai sekitar 52,680,634 m³ atau dapat memenuhi 3 kali kebutuhan penduduk saat

ini. Skenario kenaikan curah hujan di masa mendatang akan membawa dampak kenaikan pasokan air.

Di masa depan, surplus air domestik akan mengalami peningkatan sebesar 36% apabila jumlah penduduk

di proyeksikan tidak meningkat sedangkan jumlah curah hujan mengalami peningkatan hingga 24%

(skenario 1). Namun jika dilakukan proyeksi pertumbuhan jumlah penduduk maka surplus pasokan-

permintaan hanya mengalami peningkatan sebesar 20% (skenario 2). Selain terjadi peningkatan surplus

pasokan-permintaan, Kabupaten Blitar juga mengalami penurunan pasokan-permintaan. Penurunan

pasokan air akibat berkurangnya curah hujan akan menyebabkan penurunan pasokan-permintaan

domestik hingga -29% (Skenario 4). Apabila penurunan pasokan air tersebut tidak diikuti dengan

pertumbuhan penduduk maka hanya akan menurunkan surplus pasokan-permintaan saat ini menjadi -

15% (Skenario 3). Penurunan tersebut juga terjadi ketika curah hujan tidak berubah sedangkan jumlah

penduduk bertambah maka surplus pasokan-permintaan akan menjadi sebesar -14%.


Kabupaten Blitar


JAWA TIMUR

53

Jumlah pasokan-permintaan air domestik ini dapat memenuhi sekitar 2,295,452 jiwa atau lebih banyak

dari total penduduk Kabupaten Blitar tahun 2016 sebesar 1,149,710 jiwa. Surplus pasokan-permintaan

akan mengalami peningkatan yang mengakibatkan jumlah orang yang dapat dipenuhi kebutuhan air

domestiknya menjadi meningkat hingga 36%. Sedangkan apabila surplus pasokan-permintaan menurun

maka jumlah orang yang dapat memenuhi kebutuhan air domestiknya juga menurun. Meskipun

demikian, jumlah jiwa yang dapat dipenuhi pasokan air ini masih diatas proyeksi jumlah penduduk tahun

2035. Dengan demikian, di masa depan, Kabupaten Blitar masih dapat memenuhi kebutuhan air mereka

meskipun terjadi perubahan iklim.


Kabupaten Blitar

Kabupaten Mojokerto

Rata-rata pasokan air domestik musim kering baseline Kabupaten Mojokerto mencapai 37,763,163

m³/tahun. Nilai ini cukup untuk memenuhi kebutuhan rata-rata air domestik penduduk sebesar

25,366,881 m³. Rata-rata surplus yang di peroleh Kabupaten Mojokerto sebesar 12,396,282 m³.

Di masa depan, jumlah pasokan-permintaan domestik untuk Kabupaten Mojokerto akan mengalami

kenaikan sebesar 70% dari nilai surplus saat ini apabila pasokan air meningkat maksimum dan tanpa

dilakukan proyeksi pertumbuhan penduduk. Sedangkan apabila dilakukan proyeksi pertumbuhan

penduduk maka surplus air akan berkurang hingga -100% atau 2 kali lipat dari saat ini. Penurunan curah

hujan sebesar -10% dan tanpa prtumbuhan penduduk menurunkan pasokan-permintaan domestic

sebesar 30%. Penurunan pasokan-permintaan sebesar -134% terjadi ketika curah hujan turun dan

terjadi peningkatan pertumbuhan penduduk. Nilai penurunan hingga -134% mengindikasikan bahwa

terjadi defisit air di Kabupaten Mojokerto sebesar -34% di masa mendatang apabila laju pertumbuhan

penduduk seperti saat ini terus terjadi sedangkan curah hujan di masa mendatang mengalami

penurunan.


JAWA TIMUR

54


Kabupaten Mojokerto

Kelebihan atau surplus air ini mampu di manfaatkan oleh 540,143 jiwa penduduk diluar jumlah

penduduk Kabupaten Mojokerto saat ini. Dimasa depan apabila terjadi peningkatan pasokan air, jumlah

penduduk yang masih dapat memanfaatkan air domestik tersebut akan meningkat sebesar 70%.

Sebaliknya, apabila pasokan air menurun sedangkan kebutuhan meningkat akibat bertambahnya jumlah

penduduk maka dipastikan bahwa terdapat -34% penduduk yang tidak dapat memenuhi kebutuhan air

Mereka Di Musim Kering.


Kabupaten Mojokerto


JAWA TIMUR

55

Kabupaten Sidoarjo

Kabupaten Sidoarjo memiliki rata-rata ketersediaan air domestik sebesar 21,308,689 m³/tahun. Air ini

digunakan untuk memenuhi 45,923,921 m³ kebutuhan air domestik penduduk Kabupaten Sidoarjo

selama bulan-bulan kering. Dengan jumlah ini, maka tingkat kebutuhan akan air domestik di Kabupaten

Sidoarjo lebih besar dibandingkan pasokan air yang ada sehingga Kabupaten Sidoarjo mengalami defisit

rata-rata sebesar -24,615,231 m³/tahun.

Skenario penurunan curah hujan di masa mendatang akan membawa dampak penurunan pasokan air.

Kabupaten Sidoarjo yang sebelumnya mengalami defisit pasokan-permintaan akan diperparah dengan

adanya perubahan iklim. Pasokan-permintaan yang diproyeksikan akan terus mengalami defisit hingga -

267% dari kondisi saat ini jika curah hujan menurun sedangkan penduduk bertambah (Skenario 4). Salah

satu hal yang membuat tingkat defisit pasokan-permintaan ini semakin besar karena laju pertumbuhan

penduduk di Kabupaten Sidoarjo merupakan yang paling besar (2.21%). Kenaikan curah hujan cukup

mampu menurunkan defisit pasokan-permintaan hingga 60% (Skenario 1). Meskipun terjadi peningkatan

curah hujan, namun hal tersebut tidak cukup untuk mengurangi tingkat defisit pasokan-permintaan

domestik. Pertumbuhan penduduk meskipun diikuti kenaikan curah hujan masih mengakibatkan

Kabupaten Sidoarjo semakin defisit.


Kabupaten Sidoarjo


JAWA TIMUR

56

Defisit pasokan-permintaan ini akan meningkatkan jumlah orang terdampak yang tidak mampu

memenuhi kebutuhan air mereka. Jika sebelumnya jumlah defisit pasokan-permintaan ini tidak mampu

memenuhi kebutuhan 595,053 jiwa dari 2,199,171 jiwa penduduk, maka di masa mendatang, jumlah ini

akan meningkat hingga 238% atau setengah dari jumlah penduduk saat ini. Sedangkan apabila terjadi

kenaikan curah hujan dan tidak adanya pertumbuhan penduduk maka defisit tersebut akan mengurangi

jumlah orang terdampak hingga 60%.


Kabupaten Sidoarjo

Kabupaten Jombang

Kabupaten Jombang memiliki rata-rata persediaan air domestik baseline sebesar 5,140,276 m³ dengan

rata-rata kebutuhan air domestik perbulan sebesar 28,919,816 m³. Hal ini menyebabkan pada bulan-

bulan kering, Kabupaten Jombang mengalami defisit rata-rata sebesar -23,779,540 m³. Hal ini

berdampak pada sekitar 1,036,146 jiwa yang harus dipenuhi kebutuhan air untuk keperluan sehari-hari

mereka.

Defisit pasokan-permintaan ini akan diperparah di masa depan dengan adanya penurunan curah hujan

yang menyebabkan pasokan-permintaan semakin defisit. Pasokan-permintaan Kabupaten Jombang akan

mengalami defisit hingga -16% dari keadaan saat ini yang disebabkan oleh penurunan curah hujan

sebesar -9% dan proyeksi kenaikan jumlah penduduk di tahun 2035. Apabila tidak dilakukan proyeksi

kenaikan penduduk maka rata-rata penurunan pasokan-permintaan sebesar -2%. Sedangkan kenaikan

curah hujan sebesar 22% akan mengurangi tingkat defisit pasokan-permintaan hingga 5% dari

sebelumnya (Skenario 1). Namun apabila di lakukan proyeksi perubahan penduduk maka pasokan-

permintaan domestik akan semakin defisit hingga -14%.


JAWA TIMUR

57


Kabupaten Jombang

Jumlah terdampak pada Kabupaten Jombang memiliki persen yang sama dengan persen perubahan

pasokan-permintaan. Di masa depan, jumlah orang yang terdampak akan meningkat hingga 16% dari

sebelumnya. Hal ini diakibatkan peningkatan defisit air di masa depan. Namun jumlah orang terdampak

dapat menurun hingga -5% apabila terjadi peningkatan curah hujan sedangkan jumlah penduduk tidak

berubah.


JAWA TIMUR

58


Kabupaten Jombang


JAWA TIMUR

59

BAB 7. DISKUSI Model water balance yang digunakan untuk menghitung nilai neraca air domestik suatu wilayah

menggunakan konsep perhitungan pasokan-permintaan air domestik yang terjadi selama musim kering.

Pada bulan-bulan kering, kebutuhan air akan sangat penting bagi rumah tangga sedangkan nilai pasokan

dituntut harus dapat memenuhi kebutuhan air domestik tersebut. Perubahan curah hujan dan laju

pertumbuhan penduduk di masa mendatang akan mengubah kondisi neraca air saat ini. Dampak

perubahan iklim pada Kabupaten di DAS Brantas di tunjukkan pada Tabel 10.

Perubahan ketersediaan air mengikuti perubahan curah hujan yang diproyeksikan pada masing-masing

wilayah. Hal ini disebabkan karena nilai runoff dan luas wilayah diasumsikan tetap di masa mendatang.

Rata-rata kenaikan persediaan air di 7 Kabupaten di atas 20% kecuali Kota Batu yang hanya 18%.

Sedangkan penurunan ketersediaan air berada di kisaran -9% hingga -14%. Kabupaten Malang menjadi

Kabupaten yang memiliki perubahan kenaikan maupun penurunan terbesar, disusul Kabupaten Sidoarjo

dan Kabupaten Blitar.

Berdasarkan perhitungan rata-rata baseline, Kota Malang, Kabupaten Sidoarjo dan Kabupaten Jombang

mengalami defisit pasokan-permintaan untuk kebutuhan air domestik mereka. Nilai defisit ini

diperparah dengan semakin menurunnya nilai pasokan-permintaan di masing-masing Kabupaten akibat

menurunnya curah hujan dan meningkatnya jumlah penduduk. Kabupaten Sidoarjo mengalami tingkat

defisit terparah di masa depan hingga -230% dari defisit pasokan-permintaan saat ini, diikuti Kota Malang

sebesar -36% dan Kabupaten Jombang sebesar -14%. Perubahan ini akan menaikkan jumlah jiwa yang

terdampak atau dengan kata lain tidak mampu memenuhi kebutuhan air domestik mereka. Hal ini

sebagian besar disebabkan kebutuhan penduduk akan air domestik jauh lebih besar dibandingkan

pasokan atau ketersediaan air.

Kabupaten lainnya seperti Kabupaten Malang, Blitar, Mojokerto dan Kota Batu memiliki surplus

pasokan air. Dimasa depan, surplus air domestik ini akan mengalami penurunan jika menggunakan

skenario 2 (kenaikan curah hujan, penduduk naik), skenario 3 (penurunan curah hujan, penduduk tetap)

dan skenario 4 (penurunan curah hujan dan penduduk naik). Kabupaten Mojokerto satu satunya

Kabupaten yang memungkinkan nilai surplus air domestik ini berubah menjadi defisit dimasa depan

apabila curah hujan menurun dan laju pertumbuhan penduduk terus meningkat. Sedangkan penurunan

surplus pasokan-permintaan Kabupaten lainnya masih dikisaran -24% dan -27%. Penurunan ini masih

mencukupi untuk kebutuhan penduduk Kabupaten tersebut di masa depan dengan syarat bahwa akses

terhadap air tidak terhambat.

Tabel 10: Persen Perubahan Pasokan-Permintaan Akibat Perubahan Iklim

Kabupaten Surplus/

Defisist

Skenario 1

(%)

Skenario 2

(%)

Skenario 3

(%)

Skenario 4

(%) Negatif Positif Negatif Positif Negatif Positif Negatif Positif

Kota

Malang

Defisit

8 -35

-4

-39

Kab.

Malang

Surplus

30 -6 22 -8

-28

Kota Batu Surplus

28 -14 14 -18

-30

Kab. Blitar Surplus

38 -14 20 -15

-29

Kab.

Mojokerto

Surplus

70 -100

-30

-134

Kab.

Sidoarjo

Defisit

80 -230

-30

-257

Kab.

Jombang

Defisit

5 -14

-2

-18


JAWA TIMUR

60

Tabel 11: Persen Perubahan Terdampak Akibat Perubahan Iklim

Kabupaten Surplus/

Defisist

Skenario 1

(%)

Skenario 2

(%)

Skenario 3

(%)

Skenario 4

(%) Negatif Positif Negatif Positif Negatif Positif Negatif Positif

Kota

Malang

Defisit -8

35

4

39

Kab.

Malang

Surplus

30 -6 22 -8

-28

Kota Batu Surplus

28 -14 14 -18

-30

Kab. Blitar Surplus

38 -14 20 -15

-29

Kab.

Mojokerto

Surplus

70 -100

-30

-134

Kab.

Sidoarjo

Defisit -80

230

30

257

Kab.

Jombang

Defisit -5

14

2

18

Sumber daya air antara satu wilayah dengan wilayah lainnya dapat berbeda meskipun pada Kabupaten

yang sama. Pada dasarnya nilai surplus maupun defisit pada suatu Kabupaten tidak berarti terjadi di

semua wilayah. Hal ini disebabkan setiap daerah memiliki karakteristik wilayah yang berbeda. Meskipun

terjadi surplus maupun defisit pada suatu Kabupaten, pada beberapa daerah tertentu dapat terjadi

sebaliknya. Model water balance ini lebih baik digunakan pada daerah yang lebih kecil seperti tingkat

desa maupun kecamatan. Ketersediaan data menjadi salah satu kendala analisis model ini pada wilayah

yang lebih detail.

Model yang digunakan saat ini masih cukup banyak asumsi. Sebagai contoh dalam pendugaan populasi

terdampak untuk menghitung populasi terdampak masih menggunakan asumsi bahwa kebutuhan air

masyarakat dan jumlah hari kering masih sama. Pada kenyataannya di masa depan jumlah hari kering ini

akan berbeda termasuk kebutuhan air masyarakat. Suhu bumi yang semakin panas misalnya dapat

meningkatkan jumlah kebutuhan air per orang di masa depan.

Pemanfaatan model ini penting untuk mengetahui seberapa besar cadangan air yang masih di miliki

dalam rangka memenuhi berbagai kebutuhan manusia dan alam. Pengetahuan tersebut akan menjadi

peringatan bagi masyarakat agar lebih bijak memanfaatkan air dan dapat segera mengambil langkah-

langkah yang tepat dalam menghindari kelangkaan air di masa depan.


JAWA TIMUR

61

DAFTAR PUSTAKA

[DPRD Jatim] Dewan Perwakilan Rakyat Jawa Timur (2012). Kekeringan di Jatim sudah layak KLB.

[terhubung berkala] http://dprd.jatimprov.go.id/berita/id/488/-dewan-kekeringan-di-jatim-sudah-

layak-klb- (diakses 30 November 2017).

Ackerman, F. and E. A. Stanton (2008). The Cost of Climate Change: What We’ll Pay if Global

Warming Continues Unchecked. A. Clark. New York, Natural Resources Defense Council.

ADB (2009). The Economics of Climate Change in Southeast Asia: A Regional Review. Jakarta, Asian

Development Bank.

Admadhani D N, Haji A T S, Susanawati L D. (2012). Analisis ketersediaan dan kebutuhan air untuk

daya dukung lingkungan (studi kasus Kota Malang).J Sumberdaya Alam dan Lingkungan:13-20.

Aji (2009). Sumber DAS Brantas Dinilai Paling Kritis. [terhubung berkala]

http://www.republika.co.id/berita/shortlink/58443 (diakses 30 November 2017).

Anugrah P, Setiawan AA, Budianto R, dan Sihana. (2014). Evaluating Micro Hydro Power Generation

System under Climate Change Scenario in Bayang Catchment, Kabupaten Pesisir Selatan, West

Sumatra. Energy Procedia. 65: 257-263.

Arifin (2015). Sepanjang Kali Tundo dan Sungai Brantas Malang Rawan Bencana. [terhubung berkala]

http://regional.liputan6.com/read/2557765/sepanjang-kali-tundo-dan-sungai-brantas-malang-

rawan-bencana (diakses 30 November 2017).

BAPPENAS (2008). Kerusakan dan Kerugian. Jakarta, Badan Perencanaan dan Pembangunan Nasional.

Beddow, J. M., et al. (2014). Reassessing the Effects of Weather on Agricultural Productivity.

Agricultural and Applied Economics Association's 2014. Minneapolis.

Bhave AG, Mishra A, dan Raghuwanshi NS. (2014). A combined bottom-up and top-down approach

for assessment of climate change adaptation options. Journal of Hydrology. 1-12.

Bird et al. (2016). Modelling climate change impacts on and adaptation strategies for agriculture in

Sardinia and Tunisia using AquaCrop and value-at-risk. Science of Total Environment. 543: 1019-

1027.

Bonita R, Mardyanto M A. (2015). Studi water balance air tanah di Kecamatan Kejayan, Kabupaten

Pasuruan, Provinsi Jawa Timur.J Teknik ITS.4(1):21-26.

Booij MJ, Tollenaar D, Beek EV, dan Jaap CJ. (2011). Simulating impacts of climate change on river

discharges in the Nile basin. Physics and Chemistry of the Earth. 36: 696-709.

Challinor AJ, et all. (2014). A meta-analysis of crop yield under climate change and adaptation. Nature

Climate Change. 4: 287-291.

Darusman, D. (1993). Nilai Ekonomi Air untuk Pertanian dan Rumah Tangga: Studi kasus di sekitar

Taman Nasional Gunung Gede Pangrango. Simposium Nasional Permasalahan Air di Indonesia.

Bandung, Institut Teknologi Bandung.

Dawadi S dan Ahmad S. (2012). Changing climatic conditions in the Colorado River Basin: Implications

for water resources management. Journal of Hydrology. 430: 127-141.

Encalada J A D, Caceres A P, Bandala E R, Wright G H. (2017). The impact of global climate on water

quantity and quality a system dynamics approach to the US-Mexican transborder region. J Of

Operational Research:567-581.

http://dprd.jatimprov.go.id/berita/id/488/-dewan-kekeringan-di-jatim-sudah-layak-klb-

http://dprd.jatimprov.go.id/berita/id/488/-dewan-kekeringan-di-jatim-sudah-layak-klb-

http://www.republika.co.id/berita/shortlink/58443

http://regional.liputan6.com/read/2557765/sepanjang-kali-tundo-dan-sungai-brantas-malang-rawan-bencana

http://regional.liputan6.com/read/2557765/sepanjang-kali-tundo-dan-sungai-brantas-malang-rawan-bencana


JAWA TIMUR

62

FAO (2005). "Impact of Climate Change, Pests and Diseases on Food Security and Poverty Reduction."

Special event background document for the 31st Session of the Committee on World Food Security: 23-

26.

Fetter C W. (2000). Applied Hidrogeologi 4th Edition.New York : Preentince Hall.

Furuya, J., et al. (2015). "Economiv Evaluation of Agricultural Mitigation and Adaptation Technologies

for Climate Change: Model Development for Impact Analysisi and Technological Assessment."

JARQ 49(2): 119-125.

Gunatilake, H. M., et al. (2001). "The Economics of Household Permintaan for Water: The Case of

Kandy Municipality, SriLanka." Water Resources Development 17(3): 277-288.

Han YK, et all. (2013). Impacts of climate change on paddy rice yield in a temperate climate. Global

Change Biology. 19:548-562.

Harsoyo B. (2010). Teknik pemanenan air hujan (rain water harvesting) sebagai alternatiif upaya

penyelamatan sumberdaya air di wiayah DKI Jakarta.J Sains dan Teknologi Modifikasi

Cuaca.11(2):29-39.

Heryani N. (2009). Teknik Panen Hujan : Salah Satu Alternatif untuk Memenuhi Kebutuhan Air Domestik.

Jakarta (ID):Balai Penelitian Agroklimat dan Hidrologi Departemen Pertanian.

Hundal, S.S. (2004). Climatic changes and their impact on crop productivity vis-a-vis mitigation and

adaptation strategies. In proc. Of workshop “Suistanable Agricultural Problems and Prospects”. Punjab

Agril. Uni Ludhiana. 148-153

IPCC. (2001). Climate change 2001: scientific basis. In: Metz B, et al (eds) Contribution of working

group III to the third assessment report of the intergovernmental panel on climate change.

Published for the Intergovernmental Panel on Climate Change (by) Cambridge University Press,

Cambridge, UK; New York, NY, USA.

IPCC. (2007). Climate Change 2007-Impacts, Adaptation and Vulnerability. Contribution of Working Group

II to the Fourth Assessment Report of the IPCC. Cambridge University Press. New York.

Johannsen, I. M., et al. (2016). "Future of Water Pasokan and Permintaan in the Middle Drâa Valley,

Morocco, under Climate and Land Use Change." water 3: 1-18.

Klaiber, H. A., et al. (2010). Estimating the Price Elasticity of Permintaan for Water with Quasi

Experimental Methods Agricultural & Applied Economics Association 2010. Colorado.

KLHK (2012). Syntesis Report: Climate Change Risk and Adaptation Assessment Greater Malang

Jakarta, Kementerian Lingkungan Hidup RI.

Kodoatie dan Sjarief. (2005). Pengelolaan Sumberdarya Air (Edisi Revisi). Yogyakarta (ID): Penerbit Andi.

KPU (2010). Pola Pengelolaan Sumber Daya Air Wilayah Sungai Brantas. Kementrian Pekerjaan Umum.

Jakarta.

Kunihiko, Y., et al. (2015). Land Use Analysis using Time Series of Vegetation Index Derived from

Satellite Remote Sensing in Brantas River Watershed, East Java, Indonesia the International

Symposium on Cartography in Internet and Ubiquitous Environments Tokyo.

Liu K K, Li C H, Yang X l. Hu J, Xia X H. (2012). Water resources pasokan-consumption (permintaan)

balance analyses in the yellow river basin in 2009. J Procedia Enviromental Sciences:1956-1965.

Maryono A dan Santoso E N.2006.Metode Memanen dan Memanfaatkan Air Hujan untuk Penyediaan Air

Bersih, Mencegah Banjir dan Kekeringan.Jakarta (ID):Kementrian Negara Lingkungan Hidup.


JAWA TIMUR

63

Ngonngondo C, Lu L, Lebing G, Chong YX, dan Alemaw BF. (2013). Flood frequency under changing

climate in the upper Kafue River basin, southern Africa: a large scale hydrological model

application. Stoch Environ Res Risk Assess. 27: 1883–1898.

Noerbambang dan Morimura (1996). Perancangan dan Pemeliharaan Sistem Plambing. PT Pradnya

Paramita, Jakarta.

Parry, M. L., et al. (2004). "Effects of Climate Change on Global Food Production under SRES Emission

and Socio-Economic Scenario." Global Environmental Change 14: 53-67.

Pawitan H , Suharsono H dan Dasanto B D. (1994). Kesetimbangan Air Wilayah Pulau Jawa [skripsi].

Bogor (ID) : Institut Pertanian Bogor.

Restuanti, W. A. (2016). Analisis Perhitungan Biaya Operasi Dan Pemeliharaan Irigasi Untuk

Mewujudkan Biaya Jasa Pengelolaan Sumber Daya Air Pada Daerah Irigasi Delta Brantas. Teknik

sipil. Surabaya, Institut Teknologi Sepuluh November.

Roberts, M., et al (2017). Comparing and Combining Process-based Crop Models with Some

Implications for Climate Change. Environt. Res. Lett 12 095010

Santikayasa IP, Babel MS, Shrestha S. Jourdain D, Clemente RS. (2014). Evaluation of water use

sustainability under future climate and irrigation management scenarios in Citarum River Basin,

Indonesia. International Journal of Sustainable Development & World Ecology. 21(2): 181-194.

Saputra, Y. A. (2017). "Permintaan Air Bersih Kota Pekanbaru (Studi Kasus Pada Pdam Tirta Siak) "

JOM Fekon 4(1): 1-13.

Shofiyati, R., et al. (2009). "Model Development Using Remote Sensing and GIS for Monitoring and

Assessment an Application of Agricultural Drought in Upper Brantas Watershed, Indonesia "

Researchgate.

Simoen, S. (1985). Peranan Studi Air tanah dalam Pengembangan Wilayah. Pidato Pengukuhan Jabatan

Lektor Kepala dalam Mata Kuliah Hidrologi, Fakultas Geografi UGM.

Sumarman (2006). Kajian Kompensasi Air Baku untuk Air Bersih dari Pemerintah Kota Cirebon ke

Pemerintah Kabupaten Kuningan [tesis]. Semarang (ID): Universitas Diponegoro.

Sunardi (1992). Tinjauan Pemanfaatan Air Hujan dengan Bak Penampung untuk Keperluan Rumah

Tangga di Kecamatan Pracimantoro wilayah selatan Kabupaten Wonogiri. Skripsi. Fakultas

Geografi UGM Yogyakarta.

Suripin, S. (2002). Pengelolaan Sumberdaya Tanah dan Air. Edisi II. Yogyakarta: Andi

Suryadmaja I B, Norken I N, Sila Dharma I G B. (2015). Karakteristik pola pemakaian dan pelayanan

air bersih di wilayah usaha PAM PT Tirtaartha Buanamulia.J Spektran.3(1):20-29.

Tingju Z dan Ringler C (2012). Climate Change Impacts on Water Availability and Use in the Limpopo

River Basin. Water. 4: 63-84.

UNDP (2011). Assessing the Economic Impact of Climate Change: National Case studies. Macedonian,

United Nations Development Programme.

Villegas JR, Jarvis A, dan Laderach P. (2013). Empirical approaches for assessing impacts of climate

change on agriculture: The EcoCrop model and a case study with grain sorghum. Agricultural and

Forest Meteorology. 170: 67-78.

World Bank (2013). Turn Down the Heat: Climate Extremes, Regional Impacts and the Case for

Resilience. Washington DC World Bank.

Yates, D., Sieber, J., Purkey, D., Huber Lee, A., Galbraith, H. (2005). WEAP21: a demand, priority, and

preference driven water planning model: part 2, aiding freshwater ecosystem service evaluation.

Water Int. 30 487–500.

LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS… · Peta Daerah Aliran Sungai Brantas dari Ditjen PDAS Kementrian Lingkungan Hidup dan Kehutanan 2015.

Documents