PEDOMAN QA/QC UNTUK INVENTARISASI GRKditjenppi.menlhk.go.id/reddplus/images/adminppi/dokumen/Pedoman_QA... · Contoh penerapan metode penilaian tingkat ... DAFTAR GAMBAR DAFTAR GAMBAR

PEDOMAN QA/QC UNTUK INVENTARISASI GRK

PEDOMAN PENJAMINAN DAN PENGENDALIAN MUTU (QA/QC) INVENTARISASI GAS

RUMAH KACA INDONESIA

Pengarah

Direktur Jenderal Pengendalian Perubahan Iklim, Kementerian Lingkungan Hidup dan

Kehutanan

Penanggung Jawab

Direktur Inventarisasi Gas Rumah Kaca dan Monitoring, Pelaporan dan Verifikasi

Penulis Utama

Joko Prihatno, Rizaldi Boer, Windra Yusman, Anria, Gito Sugih Immanuel

Penulis

Ratnasari Wargahadibrata, Budiharto, Akma Yeni Masri, Allan Rosehan, Franky Zamzani, Heri

Purnomo

Ucapan Terima Kasih

Kementerian Lingkungan Hidup dan Kehutanan mengucapkan terima kasih kepada

Kementerian Energi dan Sumber Daya Mineral, Kementerian Perindustrian, Kementerian

Pertanian, Kementerian Pekerjaan Umum dan Perumahan Rakyat, Kementerian Perhubungan,

Kementerian PPPN/Bappenas, Badan Pusat Statistik, Netherlands National Institute for Public

Health and the Environment (RIVM), Netherlands Organisation for Applied Scientific Research

(TNO), CCROM-SEAP IPB, CREP ITB, Central Bureau Statistic (CBS) of Netherlands.

Layout dan Cover

Franky Zamzani, Windra Yusman, Anria

ISBN: 978-602-51356-5-1

Hak Cipta dilindungi Undang-Undang

Dilarang menggunakan isi maupun memperbanyak pedoman ini sebagian atau seluruhnya, baik

dalam bentuk fotocopy, cetak, micro lm, elektronik maupun bentuk lainnya, kecuali untuk

keperluan pendidikan atau non-komersial lainnya dengan mencantumkan sumbernya sebagai

berikut:

Direktorat Jenderal Pengendalian Perubahan Iklim Kementerian Lingkungan Hidup dan

Kehutanan (2018). Pedoman Penjaminan dan Pengendalian Mutu (QA/QC) Inventarisasi GRK

Indonesia.

Diterbitkan oleh:

Direktorat Jenderal Pengendalian Perubahan Iklim, Kementerian Lingkungan Hidup dan

Kehutanan Jl. Jend. Gatot Subroto, Gd. Manggala Wanabakti Blok VII Lt. 12, Jakarta 10270,

Indonesia

Telp/Fax : 021 57903073 ; E-mail : [email protected]

Pedoman QA/QC Inventarisasi GRK Indonesia iii

KATA SAMBUTAN

KATA SAMBUTAN

Perubahan iklim merupakan salah satu isu global yang menjadi

perbincangan hangat di komunitas internasional dalam

beberapa dekade terakhir. Peningkatan suhu permukaan bumi

hingga melebihi 2oC akan berdampak terhadap dinamika iklim

dan cuaca di masing-masing negara dan berpengaruh

langsung kepada perekonomian, dan ketahanan pangan.

Sebagai bagian komitmen global dalam mengurangi dampak

perubahan iklim, Indonesia telah menyepakati Persetujuan

Paris (Paris Agreement) pada pertemuan Conference of Party

(COP) - United Nation Framework Convention on Climate

Change (UNFCCC) yang ke-21 di Paris Perancis. Indonesia

berkomitmen untuk menurunkan emisi Gas Rumah Kaca

(GRK) sebesar 29% dengan upaya sendiri dan 41% dengan dukungan internasional di tahun

2030 dari asumsi Business as Usual (BaU). Salah satu upaya untuk pelaksanaan komitmen

tersebut, Pemerintah Indonesia diharapkan dapat melaporkan emisi Gas Rumah Kaca (GRK)

aktual atau lebih dikenal dengan inventarisasi GRK ke UNFCCC dengan mengikuti standar

yang telah diatur dalam Pedoman IPCC, di antaranya terkait dengan pelaksanaan Penjaminan

dan Pengendalian Mutu (QA/QC) yang dilanjutkan oleh pelaksana inventarisasi GRK.

Dalam rangka memberikan panduan bagi pelaksanaan inventarisasi GRK di Indonesia untuk

K/L terkait, maka diterbitkan Pedoman QA/QC inventarisasi GRK. Pedoman ini dibuat oleh

Direktorat Jenderal PPI dengan bantuan dari tenaga ahli dari Pemerintah Belanda dan IPB dan

diharapkan dapat menjadi basis bagi semua pemangku kepentingan terkait dalam

melaksanakan inventarisasi GRK dengan kualitas yang dapat dipertanggungjawabkan.

Jakarta, Oktober 2018

Dr. Ir. Ruandha Agung Sugardiman, M. Sc

Direktur Jenderal Pengendalian Perubahan Iklim

Pedoman QA/QC Inventarisasi GRK Indonesia v

KATA PENGANTAR

KATA PENGANTAR

Sistem inventarisasi GRK Indonesia harus dibangun

berdasarkan prinsip transparan, akurat, lengkap, dapat

dibandingkan serta konsisten. Dalam mewujudkan sistem

inventarisasi GRK dengan kualitas yang dapat

dipertanggungjawabkan maka diperlukan suatu pedoman yang

dapat menjadi acuan bagi semua pemangku kepentingan

terkait dalam menjalankan kegiatan tersebut. Salah satu

pedoman yang sangat diperlukan saat ini adalah pedoman

penjaminan dan pengendalian mutu atau QA/QC. Penyusunan

pedoman ini juga merupakan penjabaran lebih detail atas

Peraturan Menteri LHK Nomor

P.73/MENLHK/SETJEN/KUM.1/12/2017 tentang Pedoman

Penyelenggaraan dan Pelaporan Inventarisasi Gas Rumah Kaca Nasional. Pedoman ini

membahas detail mengenai langkah-langkah apa saja yang harus dilakukan oleh pemangku

kepentingan terkait dari tingkat sektor, sub-sektor dan unit pelaksana inventarisasi GRK

nasional dan sub-Nasional dalam melaksanakan proses QA/QC. Pedoman ini juga membahas

detail mengenai tools dan metode yang digunakan dalam proses QA/QC seperti metode

pengisian kesenjangan data emisi, metode untuk analisis ketidakpastian, metode untuk analisis

kategori sumber emisi utama dan metode pemeriksaan perbedaan emisi dari satu tahun

inventarisasi ke tahun berikutnya (IPCC difference emission method).

Kami sangat berharap bahwa pedoman QA/QC ini bermanfaat untuk pemangku kepentingan

terkait yang terlibat langsung dalam sistem inventarisasi GRK Nasional, Provinsi dan

Kabupaten/Kota.

Jakarta, Oktober 2018

Dr. Ir. Joko Prihatno, M.M

Direktur Inventarisasi GRK dan MPV

Pedoman QA/QC Inventarisasi GRK Indonesia vii

DAFTAR ISI

DAFTAR ISI

KATA SAMBUTAN ........................................................................................................ iii

KATA PENGANTAR ...................................................................................................................... v

DAFTAR ISI .................................................................................................................................. vii

DAFTAR TABEL .......................................................................................................................... viii

DAFTAR GAMBAR ....................................................................................................................... ix

1. PENDAHULUAN ........................................................................................................................ 1

1.1 Latar Belakang ...............................................................................................................................1

1.2 Maksud dan Tujuan .......................................................................................................................1

1.3 Landasan Hukum ...........................................................................................................................2

1.4 Ruang Lingkup ...............................................................................................................................2

2. DEFINISI ..................................................................................................................................... 2

3. TAHAPAN UMUM PEDOMAN QA/QC ..................................................................................... 5

4. METODE PENUNJANG DALAM PELAKSANAAN QA/QC .................................................... 8

4.1 Metode pengisian data hilang (data gap filling method) ...........................................................8

4.2 Metode analisis tingkat ketidakpastian (uncertainty analysis) .................................................9

4.3 Metode analisis sumber kategori kunci (key category analysis) .............................................9

4.4 Metode checking tools untuk aktifitas penjaminan mutu (QA) .............................................. 10

5. ELEMEN DARI SISTEM QA/QC ............................................................................................. 10

6. PEDOMAN DAN LANGKAH MENJALANKAN QA/QC IGRK ............................................... 10

6.1 Perencanaan QA/QC ................................................................................................................. 10

6.2 Personel QA/QC ......................................................................................................................... 11

6.3 Sosialisasi Rencana QA/QC ..................................................................................................... 11

6.4 Pedoman umum QC (Tier 1) untuk kategori sumber emisi/serapan .................................. 12

6.5 Prosedur QC (Tier 2) untuk kategori spesifik ......................................................................... 16

6.6 Prosedur QA ................................................................................................................................ 18

6.7 Inisiasi pengembangan perencanaan QA/QC ........................................................................ 19

6.8 Tambahan QA/QC Checklist ..................................................................................................... 19

DAFTAR PUSTAKA ..................................................................................................................... 23

LAMPIRAN 1. MENGATASI KESENJANGAN DATA ......................................................... 24

LAMPIRAN 2. ANALISIS KETIDAKPASTIAN ................................................................... 31

LAMPIRAN 3. ANALISIS KATEGORI KUNCI .................................................................... 60

LAMPIRAN 4. CHECKING TOOL UNTUK AKTIFITAS PENJAMINAN MUTU ...................... 85

viii Pedoman QA/QC Inventarisasi GRK Indonesia

DAFTAR TABEL

DAFTAR TABEL

Tabel 3-1. Tahapan umum pedoman QA/QC ............................................................................ 6

Tabel 6-1. Tanggung jawab pelaksana aktifitas QA/QC ............................................................11

Tabel 6-2. Aktifitas QC (Tier 1) .................................................................................................12

Tabel 6-3. Aktifitas QC (Tier 2) .................................................................................................16

Tabel 6-4. Review eksternal terkait QA .....................................................................................19

Tabel 6-5. Peningkatan perencanaan QA/QC ...........................................................................19

Tabel L.1 2-1. Pendekatan/teknik untuk pengisian data hilang……………………………………25

Tabel L.2 2-1. Ketidapastian gabungan untuk sektor LULUCF……………………………………36

Tabel L.2 2-2. Analisis tren ketidakpastian untuk sektor LULUCF ............................................38

Tabel L.2 3-1. Sumber ketidakpastian dari Data Aktivitas .........................................................45

Tabel L.2 3-2. Sumber ketidakpastian dari Faktor Emisi ...........................................................47

Tabel L.2 3-3. Ketidakpastian dari Data Aktivitas dan Faktor Emisi pada aktivitas REDD .........48

Tabel L.2 3-4. Kisaran ketidakpastian untuk biomassa non-hutan ............................................50

Tabel L.2 3-5. Kisaran ketidakpastian untuk biomassa hutan dan kayu mati ............................50

Tabel L.2 3-6. Rentang ketidakpastian untuk pembakaran liar .................................................51

Tabel L.2 3-7. Kisaran ketidakpastian untuk stok karbon tanah dan rasio C-N untuk tanah

mineral ...............................................................................................................51

Tabel L.2 3-8. Kisaran ketidak pastian untuk fluks karbon tanah dari tanah organik .................53

Tabel L.2 3-9. Confusion matrix untuk peta penggunaan lahan ................................................53

Tabel L.2 3-10. Rentang ketidakpastian per-kategori untuk 2014 .............................................54

Tabel L.2 3-11. Evolusi temporal dari berbagai ketidak pastian berdasarkan kategori ..............56

Tabel L.2 3-12. Ketidakpastian parsial per-kategori sebagai persentase dari ketidakpastian

total ..................................................................................................................59 Tabel L.3 3-1. Spreadsheet untuk analisis pendekatan I – Metode penilaian tingkat 63

Tabel L.3 3-2. Spreadsheet untuk analisis pendekatan I – Metode analisis tren .......................66

Tabel L.3 3-3. Penjelasan langkah 1 - langkah 4 untuk analisis tren (Pendekatan I) ................67

Tabel L.3 3-4. Contoh penggunaan analisis tren (Pendekatan I) untuk penentuan kategori

kunci ..................................................................................................................67

Tabel L.3 4-1. Penjelasan langkah 1 - langkah 4 untuk analisis tren (Pendekatan II) ...............71

Tabel L.3 4-2. Contoh penggunaan analisis tren (Pendekatan II) untuk penentuan kategori

kunci ..................................................................................................................72

Tabel L.3 6-1. Rangkuman hasil analisis kategori utama ..........................................................73

Tabel L.3 7-1. Informasi inventarisasi GRK sektor Energi tahun 2014 ......................................74

Tabel L.3 7-2. Informasi inventarisasi GRK sektor Energi tahun 2010 dan 2014 ......................76

Tabel L.3 7-3. Contoh penerapan metode penilaian tingkat (pendekatan I) untuk Third National

Communication (TNC) Indonesia – dengan memasukkan kategori LULUCF .....78


Communication (TNC) Indonesia – tidak memasukkan kategori LULUCF .........81

Tabel L.3 7-5. Rangkuman KCA untuk laporan Third National Communication (2007) .............83

Tabel L.4 2-1. Penjelasan terkait perubahan data aktifitas dan faktor emisi……………………..93

Pedoman QA/QC Inventarisasi GRK Indonesia ix

DAFTAR GAMBAR

DAFTAR GAMBAR

Gambar 3-1. Skema pengembangan sistem inventarisasi GRK Nasional .................................. 6

Gambar 3-2. Alur proses tahapan QC umum untuk sub-sektor/unit pelaksana .......................... 7

Gambar 3-3. Alur proses tahapan QA/QC umum untuk koordinator sektor ................................ 8

Gambar 3-4. Alur proses tahapan QA/QC umum untuk penanggung jawab IGRK Nasional ...... 8

Gambar 6-1. Proses QA/QC sub-sektor ketenagalistrikan (sumber: Pedoman IGRK

Pembangkit, 2018).............................................................................................. 22

Gambar L.1 2-1. Tumpang tindih yang konsisten antar dua metode……………………………..27

Gambar L.1 2-2. Tumpang tindih yang tidak konsisten antar dua metode ............................... 27

Gambar L.1 2-3. Interpolasi linear ........................................................................................... 29

Gambar L.1 2-4. Ekstrapolasi linear ......................................................................................... 30

Gambar L.2 2-1. Ilustrasi tingkat ketidakpastian dari suatu set data (α = 95%)…………………33

Gambar L.2 2-2. Ilustrasi proses perhitungan ketidakpastian dengan Pendekatan 2 ............... 41

Gambar L.2 2-3. Proses penentuan tren ketidakpastian dengan Pendekatan 2 ....................... 43

Gambar L.3 2-1. Decision tree untuk identifikasi kategori kunci…………………………………..62

Gambar L.4 2-1. Alur IPCC emission difference tools di sistem inventarisasi GRK Belanda.....88

Gambar L.4 2-2. Alur IPCC emission difference tools untuk tingkat sektor/daerah .................. 89

Gambar L.4 2-3. Alur IPCC emission difference tools untuk tingkat nasional ........................... 90

Gambar L.4 2-4. Matriks kriteria terkait dengan nilai perubahan emisi dari tahun (t-1) ke

tahun t ........................................................................................................... 91

Pedoman QA/QC Inventarisasi GRK Indonesia 1

1. PENDAHULUAN

1.1 Latar Belakang

Indonesia sebagai bagian dari komunitas internasional telah secara aktif terlibat dalam kegiatan

perubahan iklim. Saat ini Pemerintah Indonesia telah meratifikasi Paris Agreement melalui

Undang-Undang Nomor 16 tahun 2016. Sebagai bentuk komitmen, Pemerintah Indonesia telah

melaporkan Intended Nationally Determined Contribution (INDC) ke secretariat UNFCCC pada

September 2014. Dokumen INDC kemudian diformulasikan menjadi First Nationally Determined

Contribution (NDC) pada Oktober 2016. Di dalam NDC, Pemerintah Indonesia memiliki

komitmen untuk berkontribusi dalam kegiatan mitigasi serta adaptasi perubahan iklim.

Indonesia berkomitmen untuk menurunkan emisi gas rumah kaca sebesar 29% dari Business

as Usual (BaU) di tahun 2030 sampai sebesar 38% dengan dukungan pendanaan internasional

yang tersedia.

Sebagai implementasi dari komitmen tersebut, Indonesia memiliki kewajiban untuk

mengembangkan sistem inventarisasi GRK yang dapat diandalkan untuk merekam emisi GRK

dari sektor-sektor terkait. Inventarisasi GRK ini dapat menjadi indikator dalam pencapaian

Indonesia untuk menurukan tingkat emisi GRK sesuai dengan target yang ditentukan

sebelumnya. Di sisi lain, sistem monitoring, reporting and verification (MRV) harus

dimanfaatkan secara maksimal untuk mendapat informasi terkait dalam penerapan aksi mitigasi

terhadap penurunan emisi GRK. Integrasi dari kedua komponen ini sangat krusial dalam

mendukung sistem inventarisasi GRK yang transparan, akurat, lengkap, bisa dibandingkan dan

konsisten serta pemahaman terhadap implementasi kebijakan dan aksi mitigasi dapat tercermin

dan sistem inventarisasi GRK Indonesia.

Pemerintah Indonesia telah berupaya keras dalam meningkatkan pengelolaan data

pembangunan untuk sistem inventarisasi GRK yang handal, salah satunya adalah penerapan

Kebijakan Satu Data GRK atau one GHG data policy. Dalam rangka termewujudkan kebijakan

satu data GRK yang handal, diperlukan impementasi penjaminan dan pengendalian mutu yang

terstandar dan sesuai kaidah yang telah ditetapkan.

Oleh karena itu, dokumen ini disusun sebagai pedoman dalam pelaksanaan Quality Assurance

dan Quality Control (QA/QC) pada sistem inventarisasi GRK di Indonesia. Pedoman ini secara

rinci menjelaskan pelaksanaan QA/QC, dimulai dari perencanaan, metode-metode yang

digunakan, penanggung jawab, jadwal waktu, serta tahapan lain yang dilakukan sebagai bagian

dari QA/QC seperti pengisian kesenjangan data, penghitungan angka ketidakpastian,

identifikasi sumber emisi utama, dan pemeriksaan kesalahan. Semua informasi dalam

dokumen ini mengacu kepada IPCC Good Practice Guidance and Guidelines for National

Systems dan IPCC Guidelines 2006 serta informasi-informasi terkait dengan inventarisasi GRK

Indonesia.

1.2 Maksud dan Tujuan

Maksud penyusunan pedoman ini adalah untuk memberikan panduan kepada seluruh pihak

yang terlibat dalam pelaksanaan inventarisasi GRK di Indonesia dalam melaksanakan kegiatan

penjaminan dan pengendalian mutu di dalam sistem Inventarisasi Gas Rumah Kaca (IGRK)

Nasional.

Adapun tujuan pembuatan pedoman pelaksanaan QA/QC adalah sebagai acuan bagi

penyelenggara Inventarisasi GRK untuk:

i. Memeriksa kualitas data GRK di setiap tahapan inventarisasi GRK

ii. Perbaikan kesenjangan data GRK

iii. Penghitungan tingkat ketidakpastian dari hasil estimasi ketidapastian emisi GRK

2 Pedoman QA/QC Inventarisasi GRK Indonesia

iv. Identifikasi sumber dan kategori utama emisi GRK

v. Melaksanakan pemeriksaan terhadap kesalahan (error) dan/atau penjelasan terkait

perubahan emisi

vi. Pembuatan laporan kegiatan QA/QC yang dilakukan penyelenggara inventarisasi GRK

(dilampirkan bersama data GRK dan dokumentasi kegiatan).

1.3 Landasan Hukum

Landasan hukum dalam penyusunan Pedoman QA/QC untuk Inventarisasi GRK Nasional

adalah:

i. Undang-Undang Nomor 6 tahun 1994 tentanng Pengesahan United Nations

Framework Covention on Climate Change

ii. Undang-Undang Nomor 16 Tahun 2016 tentang pengesahan Paris Agreement to the

United Nations Framework Convention on Climate Change (Persetujuan Paris atas

Konvensi Kerangka Kerja Perserikatan Bangsa-Bangsa Mengenai Perubahan Iklim)

iii. Undang-Undang Nomor 32 Tahun 2009 tentang Perlindungan dan Pengelolaan

Lingkungan Hidup

iv. Peraturan Presiden Nomor 61 tahun 2011 tentang Rencana Aksi Nasional Penurunan

Emisi Gas Rumah Kaca

v. Peraturan Presiden Nomor 71 Tahun 2011 tentang Penyelenggaraan Inventarisasi

GRK Nasional

vi. Peraturan Menteri LHK Nomor P.73/MenLHK/Setjen/Kum.1/12/2017 tentang Pedoman

Penyelenggaraan dan Pelaporan Inventarisasi Gas Rumah Kaca.

1.4 Ruang Lingkup

Pedoman ini mengatur proses QA/QC yang diterapkan pada sistem inventarisasi GRK nasional

dan dapat digunakan oleh pihak-pihak yang terlibat di dalamnya. Pedoman ini memuat

informasi:

i. Tahapan perencanaan QA/QC;

ii. Pelaksanaan pengisian kesenjangan data GRK;

iii. Penghitungan tingkat ketidakpastian (uncertainty) hasil penghitungan tingkat emisi

GRK;

iv. Identifikasi sumber emisi utama (key category) emisi GRK;

v. Panduan pemeriksaan terhadap kesalahan (error) dan/atau penjelasan terkait

perubahan emisi sebagai bagian dari prosedur QA/QC.

2. DEFINISI

Merujuk pada IPCC Good Practice Guidance and Guidelines for National Systems dan IPCC

Guidelines 2006 dan Peraturan Menteri LHK Nomor P.73/MenLHK/Setjen/Kum.1/12/2017

tentang Pedoman Penyelenggaraan dan Pelaporan Inventarisasi Gas Rumah Kaca, beberapa

definisi yang perlu dipahami terkait dengan Quality Assurance/Quality Control (QA/QC)

diuraikan di bawah ini.

Audit: merupakan kegiatan yang dilakukan untuk mengevaluasi kinerja dari lembaga

inventarisasi GRK dalam mengikuti standar QC yang sudah direncanakan sebelumnya. Audit

dapat dilakukan selama persiapan inventarisasi GRK ataupun pada tahapan sebelumnya.

Kegiatan audit dapat dilakukan oleh seorang auditor independen dan harus memberikan

penilaian obyektif terhadap proses serta data yang dievaluasi. Kegiatan ini merupakan bagian

dari proses penjaminan mutu (QA).


Akurasi: adalah ukuran relatif dari ketepatan estimasi emisi/serapan. Perkiraan yang

digunakan harus akurat dalam artian secara sistematis tidak terlalu di atas atau di bawah nilai

emisi/serapan yang sebenarnya.

Gas rumah kaca: yang selanjutnya disebut GRK adalah gas yang terkandung dalam atmosfer,

baik alami maupun antropogenik, yang menyerap dan memancarkan kembali radiasi

inframerah.

Good practice: adalah serangkaian prosedur yang digunakan untuk memastikan bahwa hasil

inventarisasi GRK memiliki akurasi yang tinggi, secara sistematis sudah sesuai, dan memiliki

ketidakpastian yang rendah dan dapat dipertanggungjawabkan. Good practice dapat mencakup

pemilihan metode estimasi yang sesuai dengan kondisi suatu negara, QA/QC pada level

nasional, provinsi dan kabupaten/kota, penggunaan metode ketidakpastian yang tepat serta

sistem pelaporan dan pemantuan yang transparan.

Inventarisasi GRK: adalah kegiatan untuk memperoleh data dan informasi mengenai tingkat,

status, dan kecenderungan perubahan emisi GRK secara berkala dari berbagai sumber emisi

dan penyerapnya.

Kategori Sumber Utama: adalah sumber-sumber emisi yang diprioritaskan dalam sistem

inventarisasi GRK nasional. Hal ini dikarenakan sumber-sumber emisi utama tersebut memiliki

pengaruh yang besar terhadap total emisi GRK langsung di suatu negara (terkait dengan

tingkat emisi absolut, tren emisi, dll).

Koordinator QA/QC: adalah personil Dit IGRK dan MPV yang ditunjuk untuk

mengkordinasikan pelaksanaan QA/QC.

Kegiatan pengendalian mutu/QC activities: terdiri dari kegiatan pemeriksaan kualitas pada

tahap pengumpulan data, penggunaan prosedur standar yang disepakati untuk perhitungan

emisi, pengukuran, analisis ketidapastian, dokumentasi, pengarsipan informasi dan pelaporan.

Pada Tier yang lebih tinggi, kegiatan QC termasuk didalamnya technical review dari kategori

sumber emisi utama, data aktifitas, faktor emisi serta metode estimasi.

Kelengkapan: IGRK harus mencakup semua sumber emisi dan serapan, serta semua gas

yang termasuk dalam Pedoman IPCC.

Ketidakpastian (uncertainty): adalah ukuran nilai kesalahan hasil dugaan emisi/serapan.

Munculnya ketidakpastian dimulai dari: (i) konseptualisasi asumsi, (ii) pemilihan model dan (iii)

input data serta asumsi-asumsinya.

Ketepatan waktu: adalah penyerahan dokumen IGRK yang lengkap dengan tenggat waktu

yang sudah ditentukan sebelumnya.

Konsistensi: IGRK yang telah dilaporkan harus bersifat konsisten pada periode waktu tertentu.

IGRK akan menjadi konsisten jika metodologi yang digunakan sama untuk tahun dasar dan

tahun berikutnya dalam memperkirakan emisi/serapan dari tiap sumber emisi tersebut. IGRK

menggunakan metodologi yang berbeda di tiap tahunnya akan dianggap konsisten jika

dilakukan rekalkulasi (perhitungan ulang) secara transparan dengan metode baru sesuai

dengan kaidah yang diatur dalam pedoman IPCC.

Komparabilitas: adalah estimasi nilai emisi dan serapan yang dilaporkan oleh setiap

pemangku kepentingan IGRK harus dapat diperbandingkan (comparable). Agar tujuan ini

tercapai, pihak-pihak terkait harus menggunakan metodologi dan format yang disepakati untuk

memperkirakan dan melaporkan IGRK.


Penjaminan Mutu (Quality Assurance): adalah proses/rangkaian kegiatan untuk memeriksa

bahwa penyelenggaraan inventarisasi GRK sudah mengikuti prosedur dan standar yang

berlaku dan menggunakan metode terbaik sesuai dengan perkembangan pengetahuan terkini,

ketersediaan data, dan didukung oleh program pengendalian mutu yang efektif. Kegiatan

penjaminan mutu dilaksanakan oleh pihak yang tidak terlibat dalam penyelenggaraan

inventarisasi GRK, dalam hal ini oleh Tim Audit Hasil IGRK.

Penyelenggara inventarisasi GRK: meliputi Pemerintah Daerah Kabupaten/Kota, Pemerintah

Daerah Provinsi, Kementerian dan/atau Lembaga Pemerintah Non Kementerian terkait, dan

Kementerian yang menyelenggarakan urusan pemerintahan di bidang lingkungan hidup dan

kehutanan selaku National Focal Point untuk Perubahan Iklim. Penyelenggara Inventarisasi

GRK pada Kementerian dan/atau Lembaga Pemerintah Non Kementerian terkait meliputi

Penanggung Jawab Sub Sektor dan Koordinator Sektor.

Pengendalian (Quality control) merupakan sistem yang dibangun untuk memeriksaa secara

rutin kegiatan teknis terkait dengan pengukuran dan pengontrolan kualitas inventori selama

proses penyusunannya oleh penyelenggara inventarisasi GRK. Sistem QC dirancang untuk:

i. menyediakan pemeriksaan rutin yang konsisten untuk memastikan integritas data,

kebenaran, dan kelengkapan,

ii. mengidentifikasi dan mengatasi kesalahan dan kekeliruan dan

iii. mendokumentasikan dan mengarsipkan materi inventaris dan mencatat semua

kegiatan QC.

Prosedur QC Tier 1: Prosedur QC Tier 1 untuk inventarisasi GRK adalah pemeriksaan umum

yang dilakukan secara rutin oleh lembaga penangungjawab inventori selama penyiapan

inventori GRK, yaitu prosedur pemrosesan, penanganan, pendokumentasian, pengarsipan dan

pelaporan untuk semua kategori sumber emisi.

Prosedur QC Tier 2: Prosedur QC untuk kategori sumber emisi utama (Tier 2) adalah

pemeriksaan yang diarahkan pada sumber emisi kunci tertentu karena adanya perubahan

metodologi perhitungan dan data aktivitas. Kegiatan QC Tier 2 merupakan tambahan dari QC

yang umum (Tier 1). Dalam menjalankan prosedur ini, lembaga penanggungjawab IGRK harus

memiliki pemahaman dan pengetahuan terkait terhadap kategori sumber emisi utama (key

category), jenis data yang tersedia dan parameter-parameter apa saja yang terkait dengan

emisi tersebut dan tingkat ketidakpastian data dan parameter. Terdapat dua persyaratan utama

dalam menjalankan prosedur QC Tier 2, yaitu:

i. Sumber emisi tersebut dapat dikategorikan sebagai sumber emisi utama

ii. Terjadi revisi metodologi perhitungan serta perubahan data yang signifikan terhadap

sumber emisi tersebut.

Rencana Penjaminan dan Pengendalian Mutu (QA/QC plan): adalah dokumen internal yang

berfungsi untuk mengatur, merencanakan serta mengimplementasikan kegiatan QA/QC.

Dokumen QA/QC tersebut harus, secara umum, menjelaskan kegiatan QA/QC yang akan

dilaksanakan, kerangka waktu pelaksanaan QA/QC yang dijadwalkan dari tahap persiapan,

pengembangan hingga pelaporan untuk setiap tahun inventorisasi GRK.

Sektor: adalah bidang kegiatan dimana emisi GRK terjadi, tidak merujuk pada pengertian

administrasi/instansi yang secara umum membina/mengatur kegiatan.

Sistem Inventarisasi Gas Rumah Kaca Nasional (SIGN): adalah sistem penyediaan data dan

informasi terkait tingkat, status, kecenderungan, dan proyeksi GRK.

Status emisi GRK: adalah kondisi emisi GRK dalam satu kurun waktu tertentu yang dapat

diperbandingkan berdasarkan hasil penghitungan GRK dengan menggunakan metode dan


faktor emisi/serapan yang konsisten sehingga dapat menunjukkan tren perubahan tingkat emisi

dari tahun ke tahun.

Sub sektor: adalah sub bidang kegiatan dimana emisi GRK terjadi, tidak merujuk pada

pengertian administrasi/instansi yang secara umum membina/mengatur kegiatan.

Tim Audit IGRK: adalah tim yang dibentuk oleh Dirjen PPI yang terdiri dari tim di Direktorak

IGRK dan MPV yang tidak terlibat dalam proses inventarisasi IGRK ditambah expert bidang-

bidang terkait untuk melakukan proses verifikasi (audit) atas hasil IGRK.

Tim Audit Independen: adalah tim independen yang terdiri dari expert yang terdaftar di dalam

roaster of expert SRN dan memiliki kompetensi sebagai verifikator.

Tujuan dari kegiatan QA/QC: adalah untuk meningkatkan transparansi, konsistensi,

komparabilitas, kelengkapan, akurasi, keyakinan dan ketepatan waktu dalam inventarisasi

nasional.

Transparansi: asumsi dan metodologi yang digunakan untuk IGRK harus dijelaskan secara

jelas. Hal ini bertujuan untuk memfasilitasi replikasi dan penilaian oleh pihak yang menilai dan

menggunakan dokumen IGRK tersebut. Transparansi dalam IGRK merupakan hal yang sangat

penting bagi keberhasilan proses untuk komunikasi dan pertimbangan informasi.

Verifikasi: merupakan proses untuk mengevaluasi kinerja dari lembaga inventarisasi GRK

dalam mengikuti standar QC yang sudah direncanakan sebelumnya. Audit dapat dilakukan

selama persiapan inventarisasi GRK ataupun pada tahapan sebelumnya oleh auditor

independen sehingga dapat memberikan penilaian obyektif terhadap proses serta data yang

dievaluasi. Kegiatan verifikasi dimaksudkan untuk memperoleh IGRK yang berkualitas. Hasil

proses verifikasi juga berfungsi untuk:

i. Memberikan masukan untuk meningkatkan kualitas IGRK;

ii. Meningkatkan tingkat kepercayaan terhadap hasil estimasi dan tren emisi;

iii. Membantu meningkatkan pemahaman ilmiah yang berkaitan dengan inventarisasi GRK.

3. TAHAPAN UMUM PEDOMAN QA/QC

Berdasarkan Perpres 71/2011, penyelenggara inventarisasi GRK berkewajiban untuk

melaporkan penyelenggaraan inventarisasi GRK minimal satu kali dalam setahun kepada

lembaga penanggung jawab inventarisasi GRK nasional, yang dalam hal ini adalah KLHK.

Pada tahap awal penyelenggaraan inventarisasi GRK Nasional, sistem yang diterapkan adalah

sebagaimana Model 1. Untuk meningkatkan sistem inventarisasi GRK, KLHK mendorong peran

sektor lebih jauh terlibat dalam melaksanakan perhitungan emisi GRK sekaligus didalamnya

kegiatan QA/QC, dokumentasi dan pengarsipan (Model 2). Pada Model 2 (Gambar 3-1),

koordinator sektor beserta penanggung jawab subsektor terkait berperan untuk melaksanakan

menghitung emisi GRK, melaksanakan QA/QC, analisis ketidakpastian, analisis kategori utama,

dokumentasi dan pengarsipan.


Gambar 3-1. Skema pengembangan sistem inventarisasi GRK Nasional

Secara umum, Pedoman QA/QC di dalam sistem inventarisasi GRK ini dapat membantu

penyelenggara inventarisasi GRK untuk memastikan jaminan dan pengaturan kualitas data

IGRK serta telah disesuaikan pada pendekatan Model 2. Tahapan kegiatan secara umum untuk

QA/QC dijelaskan pada tabel berikut:

Tabel 3-1. Tahapan umum pedoman QA/QC

Tahapan Kegiatan Penanggung

jawab Tools /format yang

digunakan Output

Tahap I Setiap penanggung jawab sub-sektor akan melakukan pengendalian mutu (QC) terhadap data aktifitas dan faktor emisi yang dibutuhkan untuk perhitungan emisi. Kemudian output dari kegiatan ini akan dilaporkan ke koordinator sektor terkait (detail pada

Gambar 3-2)

Penanggung jawab sub-sektor

Pengisian kesenjangan data (gap filling tools)

Analisis tingkat ketidakpastian (uncertainty analysis tools)

Analisis kategori kunci (key category analysis tools)

Data inventarisasi GRK yang sudah lengkap

Surat keterangan bahwa semua data telah melalui proses QC di unit masing-masing

Laporan hasil analisis QC (checklist QC subsektor/unit pelaksana, metode yang digunakan, dll)

Tahap II Koordinator sektor akan melakukan validasi dokumen terkait dari sub-sektor/unit pelaksana kemudian akan dilakukan QA/QC kembali terhadap data-data tersebut (detail pada Gambar 3-3)

Koordinator sektor

Pengisian kesenjangan data (gap filling tools)

Analisis tingkat ketidakpastian (uncertainty analysis tools)

Analisis sumber emisi utama (key category analysis tools)

Pemeriksaan dan/atau penjelasan

Data-data inventarisasi GRK yang sudah dilakukan QA/QC untuk sektor terkait

Laporan hasil analisis QA/QC koordinator sektor (checklist koordinator QA/QC sektor,


perbedaan nilai emisi antar tahun dari sumber emisi/rosot oleh koordinator sektor ke sub-sektor/unit pelaksana (IPCC emission difference tools)

metode yang digunakan, dll)

Tahap III Koordinator sektor akan melaporkan data tingkat emisi beserta dokumen terkait QA/QC kepada lembaga penanggung jawab IGRK nasional (detail pada Gambar 3-3)

Koordinator sektor

Melalui sistem SIGN-SMART ataupun pelaporan secara langsung

Laporan IGRK sektor melalui SIGN-SMART

Tahap IV Lembaga penanggung jawab IGRK nasional akan melakukan QA/QC melalui cross check data tingkat emisi, format laporan, dll. Sebelum melaporkan data inventarisasi GRK nasional kepada UNFCCC (detail pada Gambar 3-4)

Lembaga penanggung jawab IGRK nasional

Kompilasi IGRK seluruh sektor

Pemeriksaan error dan/atau penjelasan perbedaan nilai emisi dari lembaga IGRK nasional ke koordinator tiap sektor (IPCC emission difference tools)

Melakukan KCA

Verifikasi oleh Team Audit IGRK dan Tim Audit independen

Laporan inventarisasi GRK yang telah tervalidasi dan terverivikasi

Laporan aktifitas QA/QC untuk tiap tahapnya (checklist penanggung jawab IGRK nasional, metode yang digunakan, dll)

Gambar 3-2. Alur proses tahapan QC umum untuk sub-sektor/unit pelaksana


Gambar 3-3. Alur proses tahapan QA/QC umum untuk koordinator sektor

Gambar 3-4. Alur proses tahapan QA/QC umum untuk penanggung jawab IGRK Nasional

4. METODE PENUNJANG DALAM PELAKSANAAN QA/QC

Dalam pelaksanaan tahapan IGRK seperti dijelaskan pada

Gambar 3-2 dan Gambar 3-3 terdapat beberapa metode yang digunakan untuk memastikan

bahwa kualitas inventarisasi GRK dapat dipertanggungjawabkan. Metode-metode tersebut

diurutkan berdasarkan pada tahapan inventarisasi GRK, yaitu:

4.1 Metode pengisian data hilang (data gap filling method)

Pada pengumpulan data GRK seperti data aktifitas dan faktor emisi, diperlukan

kelengkapan data dalam periode waktu tertentu. Namun, masalah akan mun cul ketika data


yang diperlukan untuk perhitungan emisi tidak lengkap atau tidak terserdia. Dalam kasus

seperti itu beberapa cara mengisi data kosong/hilang diperlukan sehingga diperoleh seri

data yang lengkap untuk semua seri waktu. Beberapa pendekatan/teknik untuk mengatasi

kesenjangan data (mengisi data hilang; IPCC Guideline 2006):

Tumpang tindih (overlap)

Penggantian data (surrogate data)

Interpolasi

Ekstrapolasi

Dalam kegiatan pengendalian mutu (QC), personel yang bertanggung jawab harus

memastikan bahwa metode-metode pendekatan pengisian kesenjangan data telah

digunakan secara benar dan sesuai dengan pedoman IPCC. Penjelasan rinci terkait metode

ini disajikan pada Lampiran 1. Pedoman ini juga dilengkapi dengan tools dan prosedur

untuk melakukan pengisian kesenjangan data dengan berbagai pendekatan yang telah

dijelaskan sebelumnya.

4.2 Metode analisis tingkat ketidakpastian (uncertainty analysis)

Setelah melakukan perhitungan emisi GRK untuk tiap kategori, maka tahap selanjutlah

adalah analisis ketidakpastian. Tahapan ini dilakukan karena pada tahap perhitungan emisi

GRK terdapat banyak sumber ketidakpastian. Hasil perhitungan emisi GRK tidak akan

bernilai absolut dikarenakan parameter data aktifitas dan faktor emisi bukan merupakan

besaran yang memiliki nilai pasti. Sehingga pertimbangan terhadap angka ketidakpastian

dalam perhitungan emisi GRK perlu dilakukan untuk menghasilkan inventarisasi GRK yang

tepat dan dapat diandalkan.

Ketidakpastian ini umumnya disebabkan oleh beberapa hal. Misalnya, ketidakpastian dalam

pengukuran, statistik, asumsi model perhitungan, dll. Dalam melakukan analisis

ketidakpastian, nilai input kuantitatif data aktifitas maupun faktor emisi merupakan

komponen penting yang harus didapatkan. Berdasarkan pedoman IPCC 2006, terdapat

beberapa pendekatan yang dapat digunakan dalam analisis ketidakpastian yaitu

propagation error dan metode Monte Carlo. Kedua metode ini dapat digunakan untuk

menghitung ketidakpastian emisi GRK tahunan dan kecenderungan ketidakpastian emisi

GRK. Detail penjelasan terkait analisis ketidakpastian serta panduan pelaksanaannya

Lampiran 2. Dalam pedoman tersebut, tools untuk melakukan perhitungan analisis

ketidakpastian dilampirkan yang dapat digunakan oleh personel yang melakukan

pengendalian mutu (QC) untuk memahami bagaimana penyusun inventarisasi GRK

melakukan identifikasi ketidakpastian pada suatu sumber emisi.

4.3 Metode analisis sumber kategori kunci (key category analysis)

Sub-sektor/unit pelaksana akan melaporkan hasil perhitungan emisi GRK, laporan QC serta

hasil analisis ketidakpastian kepada koordinator sektor. Kemudian, koordinator sektor akan

melaksanakan analisis kategori utama untuk menentukan sumber emisi/rosot utama pada

sektor tersebut. Kategori-kategori utama tersebut kemudian akan menjadi basis dalam

kegiatan peningkatan kualitas di inventarisasi GRK dikarenakan kontribusinya signifikan

terhadap total emisi sektor. Terdapat dua pendekatan untuk analisis sumber emisi

kunci/utama yaitu kuantitatif dan kualitatif. Analisis kuantitatif sumber emisi kunci dibagi

menjadi dua pendekatan. Pertama ialah penetapan sumber emisi kunci berdasarkan tingkat

emisi pada tahun inventori dan tren emisi. Kedua penetapan sumber emisi kunci

berdasarkan tingkat emisi pada tahun inventori dan tren emisi dengan memperhatikan

tingkat ketidakpastian data emisi (uncertainty). Selanjutnya, analisis kualitatif dilakukan

apabila data inventarisasi GRK sangat terbatas (tidak lengkap), yaitu dengan menggunakan

metode kriteria kualitatif. Penjelasan rinci panduan pelaksanaan analisis sumber emisi


utama atau kategori kunci disajikan pada Lampiran 3. Dalam panduan tersebut, tools untuk

melaksanakan analisis kategori kunci juga disediakan agar dapat meningkatkan

pemahaman personel yang melaksanakan pengendalian mutu (QC).

4.4 Metode checking tools untuk aktifitas penjaminan mutu (QA)

Metode ini merupakan adaptasi dari best practice yang dilakukan oleh sistem inventarisasi

GRK Belanda dan dapat diimplementasikan di Indonesia. Pada dasarnya metode ini

digunakan untuk memeriksa apakah terdapat error ataupun perubahan emisi yang signifikan

jika dibandingkan emisi tahun sebelumnya. Tools ini dapat digunakan sebagai penjaminan

mutu oleh koordinator sektor terhadap sub-sektor/unit pelaksana inventarisasi GRK.

Kategori emisi yang mengalami perubahan secara signifikan harus diverifikasi ke sub-sektor

terkait mengenai perubahan tersebut. Tools ini juga dapat digunakan oleh penanggung

jawab IGRK nasional untuk memeriksa perubahan emisi yang signifikan terhadap total emisi

nasional dan sektor beserta penjelasannya. Penjelasn rinci tool atau alat pemeriksaan

kesalahan emisi disajikan pada Lampiran 4.

5. ELEMEN DARI SISTEM QA/QC

Sistem QA/QC dibangun berdasarkan aturan UNFCCC terkait dengan persiapan inventarisasi

gas rumah kaca (IGRK). Dokumen QA/QC harus memuat informasi berikut:

1. Lembaga yang bertanggung jawab terhadap koordinasi aktifitas QA/QC

2. Tujuan program QA/QC

3. Perencanaan QA/QC

4. Prosedur QC

5. Prosedur QA

6. Prosedur pelaporan, dokumentasi serta pengarsipan

6. PEDOMAN DAN LANGKAH MENJALANKAN QA/QC IGRK

Instruksi:

Implementasi prosedur QA/QC merupakan bagian penting dari pengembangan sistem

IGRK di Indonesia. Seperti dijelaskan dalam pedoman IPCC Guidelines 2006),

pelaksanaan program QA/QC yang sesuai dapat meningkatkan transparansi, akurasi,

konsistensi, komparabilitas, serta kelengkapan sistem IGRK Indonesia.

Setiap koordinator sektor dapat menggunakan pedoman ini untuk merencanakan dan

melaksanakan Aktifitas QA/QC di lembaganya masing-masing

Petunjuk QA/QC tersedia di box di atas. Detail langkah-langkah aktifitas QA/QC IGRK

dijelaskan pada sub-bagian berikut.

6.1 Perencanaan QA/QC

Langkah 1: Isi semua sub-bab dalam dokumen ini atau kembangkanlah variasi elemen dari

perencanaan QA/QC IGRK Indonesia. Ketika sudah dikembangkan, gunakan

perencanaan QA/QC ini dalam kegiatan persiapan IGRK di periode berikutnya.

Perencanaan QA/QC dapat dimodifikasi untuk mencerminkan proses yang lebih

baik.


Dokumen perencanaan QA/QC merupakan elemen dasar dari sistem QA/QC. Dokumen ini

terdiri dari kegiatan QA/QC yang dilakukan, personel yang bertanggung jawab langsung pada

proses QA/QC dan kerangka waktu untuk menyelesaian kegiatan QA/QC.

6.2 Personel QA/QC

Langkah 2: Buatlah daftar tugas dan tanggung jawab koordinator QA/QC. Isi Tabel 6-1

dibawah dengan nama dan kontak dari staf-staf yang bertanggung jawab

langsung untuk setiap aktifitas yang ada

Baris yang ada di Tabel 6-1 dapat ditambah sesuai kebutuhan untuk

memastikan semua detail informasi untuk setiap aktifitas tercatat

Koordinator QA/QC merupakan orang yang paling bertanggung jawab dalam pelaksanaan

rencana QA/QC. Tugas dan tanggung jawab koordinator QA/QC melingkupi:

Klarifikasi dan komunikasi tanggung jawab QA/QC ke

semua K/L yang terkait dengan IGRK

Mengembangkan dan memastikan checklists QA/QC

sesuai dengan peran K/L dalam sistem IGRK

(sebagai contoh liat Tabel 6-2 dan

Tabel 6-3)

Memastikan penyelesaian checklist QA/QC dan

kegiatan terkait yang tepat waktu dan akurat (buatlah

keseluruhan kronologi QA / QC dan waktu eksternal

review akan dilakukan)

Mengelola dan membuat dokumentasi kegiatan QA/QC dari sub-sektor ke koordinator

sektor hingga penanggung jawab IGRK nasional

Koordinasi review eksternal (oleh tenaga ahli) terhadap dokumen IGRK dan memastikan

semua komentar/masukan terkait peningkatan kualitas telah terakomodasi dalam

laporan IGRK.

Tabel 6-1. Tanggung jawab pelaksana aktifitas QA/QC

Jabatan pelaksana Deskripsi Nama K/L Kontak

Penanggung jawab

IGRK

Semua aspek terkait dengan

program inventarisasi GRK,

cross cutting QA/QC

Koordinator QA/QC Pelaksanaan rencana QA/QC

Koordinator sektor Pelaksanaan prosedur

QA/QC (prosedur Tier 1 and

Tier 2 ada di Tabel 6-2 and

Tabel 6-3)

Subsektor/unit

pelaksana

Pelaksanaan prosedur QC

(prosedur Tier 1 and Tier 2

ada di Tabel 6-2 dan

Tabel 6-3)

Tenaga ahli Review tenaga ahli terhadap

dokumen inventarisasi GRK

6.3 Sosialisasi Rencana QA/QC

Proses komunikasi rencana QA/QC kepada semua pihak yang terlibat merupakan hal yang

penting agar perencanaan tersebut dapat secara efektif dilaksanakan, dievaluasi dan

Koordinator QA/QC akan

berkomunikasi dengan

beberapa K/L terkait

inventarisasi GRK. Tabel 6-1

merupakan rangkuman key

personnel yang bertanggung

jawab terhadap aktifitas

QA/QC


ditingkatkan kualitasnya. Koordinator QA/QC untuk Indonesia harus melaksanakan prosedur

berikut untuk perencanaan QA/QC:

1. Mengadakan pertemuan dengan semua koordinator sektor dan K/L terkait untuk

mengembangkan rencana QA/QC

2. Menuliskan dan melaksanakan sosialisasi rencana QA/QC ke semua koordinator sektor dan

K/L terkait agar aktifitas tersebut dapat segera dilakukan

3. Melaksanakan kick-off meeting dengan semua pihak yang terlibat langsung dalam

pelaksanaan inventarisasi GRK (termasuk konsultan, universitas, dll). Agenda pertemuan ini

adalah sosialisasi rencana QA/QC dan distribusi checklist QC (pertemuan ini dapat

digabungkan dengan agenda “inventory kick-off meeting”)

4. Mengirimkan memo (melalui surat resmi atau elektronik) untuk mengingatkan koordinator

sektor dan K/L terkait mengenai tugas dan tanggung jawab mereka dalam QA/QC serta

jadwal yang telah ditetapkan sebelumnya

5. [Silahkan masukan langkah lainnya dalam mengkomunikasikan rencana QA/QC]

6.4 Pedoman umum QC (Tier 1) untuk kategori sumber emisi/serapan

Langkah 3: Setelah semua informasi yang dibutuhkan pada Tabel 6-2 telah lengkap,

masukkan nama atau inisial personel yang melengkapi isian tersebut serta

tanggal saat informasi tersebut dilengkapi


memastikan semua detail informasi tercatat

Standar minimum penilaian QC dapat diterapkan secara konsisten di semua kategori sumber

emisi secara berkala. Hal ini bertujuan agar standar mutu IGRK dapat selalu terpenuhi. Standar

ini secara umum fokus pada prosedur pengolahan, pengelolaan, pendokumentasian,

pengarsipan dan pelaporan yang sama untuk semua kategori. Tabel 6-2 menjelaskan secara

spesifik QC Tier 1 yang harus dilaksanakan dan checklist dimana semua aktifitas QC telah

selesai dilakukan.

Tabel 6-2. Aktifitas QC (Tier 1)

Aktifitas QC Prosedur

Informasi telah lengkap

Ukuran korektif yang diambil

Nama/ inisial

Tanggal Dokumen

pendukung (sebutkan)

Tanggal

Checklist Pengumpulan data, input dan pengelolaan

Memeriksa asumsi dan kriteria yang digunakan untuk pemilihan data aktifitas dan faktor emisi telah didokumentasikan

Periksa kembali data aktifitas dan faktor emisi di setiap kategori serta pastikan bahwa proses ini telah didokumentasikan dan diarsipkan

Memeriksa kesalahan transkrip dalam proses input data dan referensi.

Pastikan bahwa referensi data bibliografi telah dikutip dengan benar dalam dokumentasi internal

Cek contoh data input (baik pengukuran atau parameter yang digunakan dalam perhitungan) kemungkinan salah ketik.


Manfaatkan data format elektronik untuk meminimalkan kesalahan transkripsi

Periksa apakah fitur spreadsheet telah digunakan untuk meminimalkan kesalahan pengguna: o Hindari faktor-faktor

kesalahan penulisan rumus spreadsheet

o Buat tabel pencarian otomatis untuk nilai-nilai umum yang digunakan sepanjang perhitungan.

o Gunakan fitur locked cell di spreadsheet sehingga data yang sudah dimasukkan tidak mudah berubah akibat kesalahan pengguna

o Gunakan metode komputasi (penggunaan program atau perangkat lunak) untuk mempermudah proses pemeriksaan hasil perhitungan

Memeriksa hasil perhitungan emisi/serapan

Lakukan perhitungan ulang secara manual dari beberapa contoh perhitungan emisi/serapan

Penghitungan ulang harus dilakukan mulai dari langkah awal sampai akhir

Jika perlu, meniru kalkulasi model kompleks dengan rangkuman manual yang disingkat untuk menilai akurasi relatif

Memeriksa parameter dan unit emisi/serapan telah benar dicatat dan faktor konversi unit yang digunakan sudah benar

Periksa apakah unit diberi label dengan benar dalam lembar perhitungan

Periksa apakah unit data dijalanan dengan benar dari awal hingga akhir perhitungan emisi/serapan

Periksa apakah faktor konversi yang digunakan sudah benar

Periksa bahwa faktor penyesuaian temporal dan spasial yang digunakan sudah benar

Memeriksa integritas file dalam database

Pastikan bahwa jalur data direpresentasikan dengan benar dalam database dan semua langkah pemrosesan diperhitungkan

Konfirmasikan bahwa relasi antar data disajikan dengan


benar dalam database

Pastikan data sudah dilabeli dengan benar dan memiliki spesifikasi yang benar

Pastikan bahwa data sudah terdokumentasi dengan baik dan telah dilakukan pengarsipan untuk struktur dan operasi model

Memeriksa konsistensi data antar kategori

Identifikasi parameter (misal: data aktifitas, konstanta) yang umum digunakan untuk beberapa kategori emisi/serapan dan pastikan juga bahwa nilai-nilai yang digunakan dalam perhitungan emisi sudah konsisten

Memeriksa ketepatan pergerakan data inventarisasi di antara langkah-langkah pemrosesan

Periksa apakah data emisi/serapan telah diagregasi secara tepat dari tingkat pelaporan terbawah hingga tertinggi

Periksa apakah data emisi/serapan telah ditranskripsikan secara tepat pada setiap produk antara

Dokumentasi Data

Review dokumentasi internal dan pengarsipan.

Periksa apakah terdapat dokumentasi internal yang secara rinci menjelaskan proses estimasi emisi dan duplikasi perhitungan emisi

Periksa apakah setiap elemen sumber data utama sudah memiliki referensi yang jelas

Periksa apakah data inventarisasi GRK, data pendukung, dan catatan inventarisasi telah diarsipkan dan disimpan untuk memudahkan review detail

Periksa apakah arsip-arsip data telah disimpan dengan baik setelah kegiatan inventarisasi GRK

Periksa konsistensi pengarsipan data eksternal yang digunakan dalam persiapan inventarisasi GRK

Pemeriksaan perhitungan emisi/serapan

Memeriksa metodologi dan perubahan data yang diakibatkan oleh perhitungan ulang emisi

Periksa konsistensi data IGRK di setiap runtun waktu untuk semua kategori sumber emisi

Periksa konsistensi metode/algoritma yang digunakan untuk


perhitungan di setiap runtun waktu

Lakukan perhitungan ulang untuk beberapa perhitungan emisi untuk memastikan ketepatan perhitungan matematisnya

Memeriksan konsistensi runtun waktu

Periksa konsistensi data di setiap runtun waktu untuk semua kategori

Periksa konsistensi metode/algoritma yang digunakan untuk perhitungan di setiap runtun waktu

Periksa perubahan metodologi dan data yang diakibatkan oleh perhitungan ulang emisi

Periksa apakah dampak kegiatan mitigasi tercermin dalam perhitungan emisi/serapan di setiap runtun waktu

Memeriksa kelengkapan data dan informasi terkait

Pastikan bahwa estimasi emisi untuk semua kategori (dari tahun dasar hingga tahun inventarisasi saat ini) telah dilaporkan

Pastikan bahwa definisi dari kategori emisi ‘Other’ sudah dilakukan pembahasan

Periksa apakah hasil analisis kesenjangan data yang menyebabkan estimasi emisi/serapan tidak lengkap tersebut sudah didokumentasikan, termasuk didalamnya evaluasi kualitatif mengenai pentingnya estimasi terkait nilai total emisi/serapan (sebagai contoh: sub-kategori yang diklasifikasikan sebagai “Not Estimated”

Memeriksa tren data

Bandingkan nilai emisi/serapan (semua kategori) tahun-n dengan nilai di tahun (n-1). Jika terdapat perubahan yang signifikan dari tren yang telah diprediksi, maka coba lakukan pemeriksaan kembali dan kemudian jelaskan perbedaannya. Perubahan nilai emisi yang signifikan mengindikasikan bahwa terdapat kesalahan input data ataupun perhitungan emisi/serapan (gunakan checking tool


yang dijelaskan pada Lampiran 4)

Periksa nilai “implied emission factor” (nilai emisi/serapan agregat dibagi dengan data aktifitas) untuk runtun waktu inventarisasi GRK. Apakah perubahan emisi/serapan dapat diketahui?

Periksa jika terdapat tren data aktifitas yang tidak biasa ataupun tidak dapat dijelaskan ataupun parameter lainnya

Sumber: Template panduan QA/QC ini diadaptasi dari IPCC 2006 guidelines untuk sistem inventarisasi GRK nasional

6.5 Prosedur QC (Tier 2) untuk kategori spesifik

Langkah 4: Masukan hasil analisis kategori kunci atau sumber emisi utama (Lampiran 3).

Sebagai tambahan untuk prosedur QC (Tier1) yang telah dijelaskan sebelumnya,

kita dapat mengikuti prosedur QC (Tier 2) untuk kategori sumber emisi utama.

Penjelasan prosedur QC (Tier 2) dapat dilihat pada

Tabel 6-3 berikut.

Tabel 6-3. Aktifitas QC (Tier 2)

Aktifitas QC Prosedur

Informasi telah lengkap

Ukuran korektif yang diambil

Nama/ inisial

Tanggal Dokumen

pendukung (sebutkan)

Tanggal

Penilaian terhadap penerapan “IPCC default factors”

Evaluasi apakah kondisi nasional memiliki kesamaan dengan negara lain yang juga menggunakan “IPCC default factors”

Bandingkan nilai “IPCC default factors” dengan “site-plant level factors”

Pertimbangkan opsi untuk mendapatkan nilai faktor emisi lokal

Dokumentasikan hasil dari kajian ini

Review faktor emisi lokal

Lakukan QC untuk data yang digunakan dalam pengembangan faktor emisi lokal

Lakukan penilaian terhadap hasil penelitian yang digunakan untuk mengembangkan faktor emisi lokal (apakah sudah memenuhi aspek-aspek minimum QC Tier 1)

Bandingkan nilai faktor emisi lokal dengan “IPCC


default factor”:

dokumentasikan semua kesenjangan yang signifikan

Bandingkan faktor emisi lokal dengan “site or plant-level factors”

Bandingkan nilai faktor emisi lokal tersebut dengan negara lainnya (gunakan database faktor emisi IPCC)

Dokumentasikan semua hasil penilaian

Review hasil pengukuran

Periksa apakah standar nasional atau internasional (ISO) telah digunakan dalam pengukuran

Pastikan apakah alat pengukuran sudah dikalibrasi dan dirawat dengan baik

Bandingkan hasil pengukuran langsung dengan hasil estimasi menggunakan faktor emisi: dokumentasikan semua kesenjangan yang signifikan

Evaluasi konsistensi runtun waktu

Review perubahan signifikan (>10%) dari tahun ke tahun untuk estimasi emisi kategori/sub-kategori

Bandingkan estimasi top-down dan bottom-up untuk besaran yang sama

Lakukan perhitungan referensi yang menggunakakan rasio stoikiometri dan konservasi massa dan lahan

Review data Aktifitas tingkat nasional

Tentukan tingkatan QC yang dilakukan oleh K/L pengumpul data. Jika tidak cukup, pertimbangkan sumber data alternative lainnya seperti IPCC defaults dan kumpulan data internasional

Evaluasi konsistensi runtun waktu

Bandingkan data Aktifitas dengan berbagai macam referensi jika dimungkinkan

Review data aktifitas yang didapatkan langsung dari area tertentu

Tentukan jika standar nasional atau internasional (ISO) digunakan dalam estimasi

Bandingkan data agregat


area tertentu (contoh: data produksi) dengan data statistik nasional

Bandingkan data tersebut dengan data dari area lainnya

Bandingkan estimasi top-down dan bottom-up untuk jenis data aktifitas yang sama

QC untuk estimasi ketidakpastian

Terapkan tehnik QC untuk estimasi ketidakpastian (lihat Lampiran 2)

Review perhitungan ketidakpastian

Dokumentasikan semua asumsi dan kategori ketidakpastian dari yang digunakan oleh tenaga ahli (review eksternal)

Verifikasi estimasi GRK

Bandingkan hasil estimasi yang sudah dilakukan dengan estimasi nasional/ internasional lainnya untuk tingkat nasional, gas, sektor, sub-sektor yang tersedia

6.6 Prosedur QA

Langkah 5: Lengkapi


Tabel 6-4 dengan daftar tenaga ahli yang melakukan review terhadap inventarisasi GRK. Jika

dimungkinkan, tenaga ahli ini bukan bagian dari lembaga yang bertanggung

jawab terhadap inventarisasi GRK Indonesia. Tenaga ahli dapat berasal dari

lembaga nasional, internasional ataupun organisasi lainnya yang memiliki

keahlian di bidang GRK. Jika tenaga ahli dari pihak ketiga tidak tersedia, staf

yang berasal dari lembaga yang bertanggung jawab terhadap IGRK (tidak terlibat

langsung di dalam sistem IGRK) dapat melaksanakan review. Ketika

melaksanakan QA, tenaga ahli harus fokus terhadap kategori-kategori yang

diklasifikasikan sebagai sumber emisi utama ataupun kategori-kategori yang

mangalami perubahan metodologi secara signifikan.

Team QA hasil IGRK membahas isu teknis terkait dengan penggunaan metodologi, pemilihan

data Aktifitas serta pengembangan dan pemilihan fakto r emisi. Merujuk kepada praktek yang

dilakukan oleh UNFCCC, penangungjawab IGRK nasional, yaitu Direktorat Inventarisasi GRK

dan Monitoring, Pelaporan dan Verifikasi (Dit IGRK-MPV), dapat membentuk team QA hasil

IGRK yang meliputi anggota dari Subdit MPV Lahan dan non Lahan dan expert yang terdaftar

Roster of Expert (RoE) di SRN. Tenaga ahli yang masuk ke dalam daftar RoE harus memenuhi

spesifikasi keahlian tententu terkait dengan IGRK (


Tabel 6-4).


Tabel 6-4. Review eksternal terkait QA

Nama Organisasi Bidang Keahlian Kontak Ringkasan komentar

6.7 Inisiasi pengembangan perencanaan QA/QC

Langkah 6: Bagian penting dari perencanaan QA/QC adalah terus melakukan

peningkatan terhadap sistem perencanaan (sebagai contoh: ketika terjadi

perubahan proses ataupun terdapat masukan dari reviewer eksternal). Isi

Tabel 6-5 dengan kritik dan saran peningkatan QA/QC


memastikan semua detail informasi rencana peningkatan QA/QC

tersampaikan

Untuk meningkatkan proses inventarisasi GRK dan mendampingi proses estimasi emisi, Dit

IGRK-PPV melaksanakan perencanaan dan pengembangan QA/QC seperti yang tertulis pada

Tabel 6-5.

Tabel 6-5. Peningkatan perencanaan QA/QC

Jenis peningkatan/ perbaikan

Sektor Kategori Potensi Peningkatan

QA QC

6.8 Tambahan QA/QC Checklist

Checklist koordinator QA/QC

Aktifitas Informasi telah lengkap

Nama Tanggal

Klarifikasi dan komunikasi tugas dan tanggung jawab QA/QC ke semua koordinator sektor dan K/L terkait.

Mengembangkan checklist QA/QC yang cocok untuk setiap

koordinator sektor dan K/L terkait (lihat Tabel 6-2 dan

Tabel 6-3 sebagai contoh)

Mendistribusikan checklist QA/QC ke koordinator sektor dan K/L terkait serta membuat tenggat waktu penyelesaian

Memastikan waktu penyelesaian yang akurat untuk setiap checklist QA/QC dan aktifitas terkait dengan menghubungi koordinator sektor dan K/L terkait secara berkala

Mengumpulkan checklist QA/QC yang telah lengkap beserta dengan formulir terkait

Melakukan review terhadap checklist QA/QC yang telah lengkap beserta dengan formulir terkait (kelengkapan dan akurasi)

Melaporkan hasil dokumentasi aktifitas QA/QC ke penanggung jawab inventarisasi GRK nasional dan koordinator pengarsipan

Mengkoordinasi review eksternal terhadap dokumen inventarisasi


GRK dan memastikan komentar dari tenaga ahli telah terakomodasi di dalam dokumen inventarisasi GRK. Tahapan untuk mengkoordinasikan review eksternal yaitu sebagai berikut: 1. Identifikasi review eksternal (contoh: melalui koordinator sektor) 2. Tentukan jadwal review 3. Membuat format review (dibuat dalam Word atau Excel) 4. Menghubungi tenaga ahli/reviewer untuk menginformasikan

kepada mereka jadwal serta ekspektasi 5. Mendistribusikan draf inventarisasi GRK untuk dilakukan review 6. Mengumpulkan dan menggabungkan masukan dari tenaga ahli 7. Melaporkan rangkuman masukan dari tenaga ahli ke penanggung

jawab inventarisasi GRK nasional dan koordinator pengarsipan 8. Memperbaharui draft inventarisasi GRK sesuai dengan masukan

yang ada

Checklist Penanggung jawab IGRK Nasional: Pemeriksaan antar sektor untuk

memastikan kualitas IGRK


Nama Tanggal

Perhitungan emisi untuk semua kategori emisi dan serapan

Identifikasi parameter yang biasa digunakan untuk semua kategori (contoh: faktor konversi, koefisien karbon konten, dll) dan pemeriksaan terhadap konsistensi

Pemeriksaan laporan perbandingan nilai yang menggunakan data input yang sama (contoh: data populasi hewan ternak)

Pemeriksaan antar kategori yang menggunakan set data elektronik yang sama (contoh: keterkaitan data populasi hewan ternak terhadap perhitungan fermentasi enterik dan manure management

Pemeriksaan jumlah digit atau desimal yang signifikan untuk parameter, faktor konversi, faktor emisi atau data aktifitas yang konsisten untuk setiap kategori

Pemeriksaan total emisi yang dilaporkan secara konsisten (dalam hal digit yang signifikan dan jumlah desimal) untuk setiap kategori

Pemeriksaan terhadap data emisi yang telah diagregasi secara tepat dari tingkat pelaporan terbawah hingga tertinggi

Lainnya: (tolong tuliskan)

Dokumentasi

Periksa jika metode dokumentasi telah diterapkan secara konsisten untuk semua kategori


Kelengkapan informasi

Pemeriksaan untuk kelengkapan informasi semua kategori dan tahun

Pemeriksaan terhadap kesenjangan data telah diidentifikasi dan dilaporkan sesuai dengan kaidah yang ada


Mengelola file umum inventarisasi GRK: spreadsheets dan dokumen inventarisasi

Apakah prosedur pengaturan file inventarisasi GRK telah dilakukan?



Checklist Penanggung jawab IGRK Nasional: Pemeriksaan Dokumen Inventarisasi GRK


Nama Tanggal

Bagian awal dokumen

Halaman depan sudah diisi dengan tanggal, judul, dan informasi kontak

Daftar isi/table/gambar sudah akurat: judul sesuai dengan dokumen, halaman telah sesuai; nomor halaman sudah berurutan dan tidak ada kesalahan penulisan

Ringkasan eksekutif dan pendahuluan sudah diperbaharui sesuai dengan tahun pengerjaan inventarisasi GRK dan kondisi terkini


Tabel dan Gambar

Semua nomor tabel sudah sesuai dengan spreadsheet yang ada

Pastikan semua tabel sudah memiliki angka yang sesuai

Periksa struktur tabel dan gambar di bagian kolom dan label

Pastikan format tabel sudah sesuai

Periksa semua gambar telah diperbaharui dengan data yang baru dan referensi di teks

Periksa judul tabel dan gambar agar akurat dan konsisten terhadap konten


Persamaan

Periksa konsistensi dari persamaan-persamaan yang ada

Periksa variabel yang digunakan dalam persamaan telah sesuai dengan format yang ada


Referensi

Periksa konsistensi dari referensi dan apakah sudah cocok dengan sitasi yang ada di konten


Format umum

Semua akronim yang disebutkan pertama kali harus secara konsisten digunakan di semua bab

Semua fonts dalam text, heading, judul, dan sub-heading harus konsisten

Catatan dan komentar harus dikeluarkan dari dokumen

Semua style dan ukuran dari bullets harus konsisten

Ejaan yang digunakan telah lengkap


Isu lainnya:

Periksa apakah semua bagian telah diperbaharui sesuai tahun pembuatan dokumen inventarisasi GRK



Box 1: Best practice pedoman QA/QC di sub-sektor ketenagalistrikan

Dirjen ketenagalistrikan, kementerian ESDM saat ini telah menyusun suatu pedoman

Inventarisasi GRK untuk pembangkit listrik. Pedoman ini dibuat untuk mendukung sistem

pelaporan inventarisasi GRK bidang sub-sektor energi ketenagalistrikan yang bersifat bottom

up. Dengan adanya pedoman ini diharapkan kualitas dari inventarisasi GRK untuk sub-

bidang ketenagalistrikan dapat dipertanggungjawabkan.

Di dalam pedoman ini, sub-sektor ketenagalistrikan juga membahas skema QA/QC yang

telah dikembangkan untuk sistem inventarisasi GRK sub-sektor/unit pelaksana. Pedoman

QA/QC ini merujuk pada Perpres no 71/2011 terkait dengan inventarisasi GRK nasional yang

di dalamnya menjelaskan agar K/L terkait harus mengembangkan sistem penjaminan dan

pengendalian mutu sesuai standar pedoman IPCC. Proses pelaksanaan QA/QC untuk

pembangkit listrik atau unit pelaksana di sub-sektor ketenagalistrikan terlampir pada gambar

berikut:

Gambar 6-1. Proses QA/QC sub-sektor ketenagalistrikan (sumber: Pedoman IGRK Pembangkit, 2018)

Aktifitas QC di pembangkit/unit pelaksana meliputi pengecekan tingkat akurasi data dan

penghitungan, penggunaan prosedur standar (IPCC 2006) untuk perhitungan emisi,

pendugaan ketidapastian, pendokumentasian data dan pelaporan. Aktifitas QA di sub-sektor

ketenagalistrikan dikembangkan untuk melakukan validasi/review terhadap hasil perhitungan

emisi unit pembangkit listrik. Aktifitas QA dilaksanakan oleh induk perusahaan pembangkit

dan DJK-ESDM. Proses pelaksanaan QA dilakukan setelah proses QC sudah dilakukan oleh

unit pelaksana. Hal ini bertujuan agar memastikan penyelenggaraan inventarisasi GRK yang

dilakukan oleh unit pelaksana telah dilakukan berdasarkan prosedur dan standar yang telah

berlaku.

Sumber: Pedoman IGRK Pembangkit Tahun 2018


DAFTAR PUSTAKA

Eggleston, H., Buendia, L., Miwa, K., Ngara, T., & Tanabe, K. (2006). IPCC Guidelines for

National Greenhouse Gas Inventories Prepared by the National Greenhouse Gas

Inventories Programme. In IPCC. IGES.

Hallsdottir, B., & Guðmundsson, J. (2017). Quality Assurance and Quality Control Plan for the

Icelandic Greenhouse Gas Inventory. Reykjavík.

Intergovernmental Panel on Climate Change, 2006. 2006 IPCC guidelines for national

greenhouse gas inventories. Intergovernmental Panel on Climate Change.

Kementerian ESDM, DJK. (2018). Pedoman Penghitungan dan Pelaporan Inventarisasi Gas

Rumah Kaca Bidang Energi - Sub Bidang Ketenagalistrikan. Jakarta.

Kementerian Lingkungan Hidup dan Kehutanan. (2017). P.73/MenLHK/Setjen/Kum.1/12/2017.

Pedoman Penyelenggaraan dan Pelaporan Inventarisasi Gas Rumah Kaca Nasional.

Jakarta.

Tanabe, K. and Wagner, F., (2003). Good practice guidance for land use, land-use change and

forestry. Institute for Global Environmental Strategies, Hayama, Kanagawa, Japan.

Available at: http://www. ipcc-nggip. iges. or. jp/public/gpglulucf/gpglulucf. htm.

LAMPIRAN 1. MENGATASI KESENJANGAN DATA

LAMPIRAN 1.

MENGATASI KESENJANGAN DATA

Mengatasi Kesenjangan Data 27

1. PENDAHULUAN

Pada pengumpulan data GRK seperti data aktifitas dan faktor emisi, diperlukan kelengkapan

data dalam periode waktu tertentu. Namun, masalah akan muncul ketika data yang diperlukan

untuk perhitungan emisi tidak lengkap atau bahkan tidak terserdia. Dalam kasus seperti itu

beberapa pendekatan terkait pengisian data kosong/hilang diperlukan sehingga diperoleh data

yang lengkap untuk semua seri waktu. Beberapa pendekatan/teknik untuk mengatasi

kesenjangan data (mengisi data hilang; IPCC Guideline 2006):

i. Tumpang tindih (overlap)

ii. Penggantian data (surrogate data)

iii. Interpolasi

iv. Ekstrapolasi

Dalam kegiatan pengendalian mutu (QC), personel yang bertanggung jawab harus memastikan

bahwa metode-metode pendekatan pengisian kesenjangan data telah digunakan secara benar

dan sesuai dengan pedoman IPCC.

2. PENDEKATAN DALAM MENGATASI KESENJANGAN DATA

Beberapa pendekatan/teknik yang tersedia dapat digunakan untuk melengkapi

kesenjangan/kekosongan data. Bagian ini menjelaskan teknik yang dapat digunakan untuk

menggabungkan metode untuk meminimalkan inkonsistensi potensial dalam rangkaian waktu.

Setiap teknik dapat sesuai dalam situasi tertentu, sebagaimana ditentukan oleh pertimbangan

seperti ketersediaan data dan sifat modifikasi metodologis. Memilih suatu teknik membutuhkan

evaluasi terhadap keadaan khusus, dan penentuan pilihan terbaik untuk kasus tertentu.

Merupakan praktik yang baik untuk melengkapi kesenjangan data dengan menggunakan lebih

dari satu teknik sebelum membuat keputusan akhir dan mendokumentasikan mengapa metode

tertentu dipilih. Pendekatan utama untuk rekalkulasi inventarisasi dirangkum dalam Tabel L.1

2-1.

Tabel L.1 2-1. Pendekatan/teknik untuk pengisian data hilang

Pendekatan Penerapan Catatan

Tumpang tindih (Overlap)

Data yang diperlukan untuk menerapkan metode yang digunakan sebelumnya dan metode baru harus tersedia setidaknya selama satu tahun, lebih banyak akan lebih bagus.

Paling dapat diandalkan ketika tumpang tindih antara dua atau lebih set perkiraan tahunan dapat dinilai.

Jika tren yang diamati menggunakan metode yang digunakan sebelumnya dan metode baru tidak konsisten, pendekatan ini bukan pilihan yang tepat.

Data Pengganti (Surrogate data)

Faktor emisi, data aktivitas atau parameter estimasi lainnya yang digunakan dalam metode baru berkorelasi kuat dengan data indikatif lainnya yang lebih dikenal dan lebih tersedia.

Beberapa set data indikatif (tunggal atau dalam kombinasi) harus diuji untuk menentukan yang paling kuat berkorelasi.

Sebaiknya tidak dilakukan dalam waktu lama.

Interpolasi Data yang diperlukan untuk perhitungan ulang menggunakan metode baru tersedia untuk beberapa tahun berselang selama seri waktu.

Perkiraan dapat diinterpolasi secara linier untuk periode ketika metode baru tidak dapat diterapkan.

Metode ini tidak berlaku dalam kasus fluktuasi tahunan besar.

Ekstrapolasi Data untuk metode baru tidak dikumpulkan setiap tahun dan tidak tersedia di awal atau di akhir seri waktu.

Paling dapat diandalkan jika tren dari waktu ke waktu adalah konstan.

Tidak boleh digunakan jika tren

28 Mengatasi Kesenjangan Data

berubah (dalam hal ini, metode pengganti mungkin lebih tepat).

Sebaiknya tidak dilakukan dalam waktu lama.

Metode lainnya

Alternatif standar tidak valid ketika kondisi teknis berubah sepanjang rentang waktu (misalnya, karena pengenalan teknologi mitigasi)

Dokumentasikan pendekatan yang disesuaikan secara menyeluruh.

Bandingkan hasil dengan teknik standar.

2.1 Tumpang tindih (overlap)

Teknik tumpang tindih sering digunakan ketika metode baru diperkenalkan tetapi data tidak

tersedia untuk menerapkan metode baru pada tahun-tahun awal dalam rangkaian waktu,

misalnya ketika menerapkan metodologi tingkat yang lebih tinggi. Jika metode baru tidak dapat

digunakan untuk semua tahun, dimungkinkan untuk mengembangkan rangkaian waktu

berdasarkan hubungan (atau tumpang tindih) yang diamati antara dua metode selama tahun-

tahun ketika keduanya dapat digunakan. Pada dasarnya, rangkaian waktu dibangun dengan

mengasumsikan bahwa ada hubungan yang konsisten antara hasil dari metode yang digunakan

sebelumnya dan metode baru. Perkiraan emisi atau penghilangan untuk tahun-tahun ketika

metode baru tidak dapat digunakan secara langsung dikembangkan dengan secara

proporsional menyesuaikan perkiraan yang dikembangkan sebelumnya, berdasarkan pada

hubungan yang diamati selama periode tumpang tindih. Dalam hal ini, emisi atau penyerapan

yang terkait dengan metode baru diperkirakan sesuai dengan Persamaan L1. 2-1:

Persamaan L1. 2-1. Pengisian data hilang dengan metode Overlap

𝑦0 = 𝑥𝑜 ∗ (1

𝑛 − 𝑚 + 1 ∗ ∑

𝑦𝑖

𝑥𝑖

𝑛

𝑖=𝑚

)

Dimana

y0 = nilai emisi/serapan dugaan yang dihitung dengan metode overlap,

x0 = nilai emisi/serapan dugaan yang diduga dengan metode sebelumnya

yi dan xi = nilai dugaan yang diperoleh dari metode baru dan metode sebelumnya selama

periode waktu yang overlap yaitu dari tahun ke-m sampai ke-n

Hubungan antara metode yang digunakan sebelumnya dan metode baru dapat dievaluasi

dengan membandingkan tumpang tindih antara hanya satu set perkiraan tahunan, tetapi lebih

baik dibandingkan beberapa tahun. Ini karena membandingkan hanya satu tahun dapat

menyebabkan bias dan tidak mungkin mengevaluasi tren.

Gambar L.1 2-1. menunjukkan contoh hipotetis tumpang tindih yang konsisten antara dua

metode untuk tahun di mana keduanya dapat diterapkan. Pada Gambar L.1 2-2 tidak ada

tumpang tindih yang konsisten antara metode sehingga tidak cocok untuk menggunakan teknik

tumpang tindih dalam kasus seperti itu.

Mengatasi Kesejangan Data 29

Gambar L.1 2-1. Tumpang tindih yang konsisten antar dua metode

Hubungan lain antara perkiraan lama dan baru juga dapat diamati melalui penilaian tumpang

tindih. Misalnya, perbedaan konstan dapat diamati. Dalam hal ini, emisi atau penghilangan yang

terkait dengan metode baru diperkirakan dengan menyesuaikan estimasi sebelumnya dengan

jumlah konstan yang sama dengan perbedaan rata-rata pada tahun-tahun tumpang tindih.

Gambar L.1 2-2. Tumpang tindih yang tidak konsisten antar dua metode


2.2 Surrogate data

Metode pengganti digunakan ketika suatu data tidak tersedia, namun ada data lainnya yang

berkaitan erat dengan data tersebut dan memiliki korelasi tinggi (R2 > 0.5). Oleh karena itu, uji

korelasi perlu dilakukan terlebih dahulu sebelum menggunakan metode ini, Contoh data yang

berkaitan erat dan memiliki korelasi tinggi diantaranya adalah emisi dari air limbah domestik

mungkin terkait dengan populasi, dan emisi industri mungkin terkait dengan tingkat produksi

dalam industri yang relevan. Dalam bentuk yang paling sederhana, perkiraan akan terkait

dengan satu jenis data seperti yang ditunjukkan dalam Persamaan L1. 2-2:

Persamaan L1. 2-2. Pengisian data hilang dengan metode Surrogate

𝑦0 = 𝑦𝑡 ∗ (𝑠0

𝑠𝑡)

y0 dan yt = emisi/serapan dugaan tahun ke-0 dan ke-t

s0 dan st = parameter statistic surrogate tahun ke-0 dan ke-t

2.3 Interpolasi

Dalam beberapa kasus dimungkinkan untuk menerapkan metode secara intermiten di seluruh

rangkaian waktu. Sebagai contoh, statistik rinci yang diperlukan hanya dapat dikumpulkan

setiap beberapa tahun, atau mungkin tidak praktis untuk melakukan survei rinci setiap tahun.

Dalam hal ini, perkiraan untuk tahun-tahun menengah dalam rangkaian waktu dapat

dikembangkan dengan melakukan interpolasi antara perkiraan terperinci. Jika informasi tentang

tren umum atau parameter yang mendasari tersedia, maka metode pengganti lebih disukai.

Persamaan untuk mengisi data kosong dengan metode Interpolasi dapat dilihat pada

Persamaan L1. 2-3 di bawah ini.

Persamaan L1. 2-3. Pengisan data hilang dengan metode interpolasi

𝑌𝑡 = 𝑌𝑠𝑡𝑎𝑟𝑡 + (𝑇𝑡 − 𝑇𝑠𝑡𝑎𝑟𝑡

𝑇𝑒𝑛𝑑 − 𝑇𝑠𝑡𝑎𝑟𝑡 ) ∗ (𝑌𝑒𝑛𝑑 − 𝑌𝑠𝑡𝑎𝑟𝑡)

Ystart , Yend dan Yt = emisi/serapan dugaan tahun awal, akhir dan ke-t

Tstart , Tend dan Tt = tahun awal, akhir dan ke-t

Gambar L.1 2-3 menunjukkan contoh interpolasi linier. Dalam contoh ini, data untuk 1994 dan

1995 tidak tersedia. Emisi diperkirakan dengan asumsi pertumbuhan emisi tahunan konstan

dari 1993-1996. Teknik ini tepat dalam contoh ini karena tren keseluruhan tampak stabil, dan

tidak mungkin bahwa emisi aktual untuk 1994 dan 1995 secara substansial berbeda dari nilai

yang diprediksi melalui interpolasi. Untuk kategori yang memiliki kecenderungan emisi yang

mudah menguap (yaitu, mereka berfluktuasi secara signifikan dari tahun ke tahun), interpolasi

tidak akan sesuai dengan praktik yang baik dan data pengganti akan menjadi opsi yang lebih

baik. Praktiknya baik untuk membandingkan perkiraan interpolasi dengan data pengganti

sebagai pemeriksaan QA/QC.

Mengatasi Kesejangan Data 31

Gambar L.1 2-3. Interpolasi linear

2.4 Ekstrapolasi

Ketika perkiraan rinci belum disiapkan untuk tahun dasar atau tahun terbaru dalam inventaris,

mungkin perlu untuk memperkirakan dari perkiraan terperinci terdekat. Ekstrapolasi tren secara

konseptual mirip dengan interpolasi, tetapi sedikit yang diketahui tentang tren aktual.

Ekstrapolasi dapat dilakukan baik ke depan (untuk memperkirakan emisi atau kepunahan yang

lebih baru) atau mundur (untuk memperkirakan tahun dasar). Ekstrapolasi tren hanya

mengasumsikan bahwa tren yang diamati dalam emisi / penyerapan selama periode ketika

perkiraan rinci tersedia tetap konstan selama periode ekstrapolasi. Dengan asumsi ini, jelas

bahwa ekstrapolasi tren tidak boleh digunakan jika perubahan tren tidak konstan dari waktu ke

waktu. Dalam situasi ini, akan lebih tepat untuk mempertimbangkan menggunakan ekstrapolasi

berdasarkan data pengganti. Ekstrapolasi juga tidak boleh digunakan dalam jangka waktu lama

tanpa pemeriksaan rinci pada interval untuk mengkonfirmasi validitas tren yang berlanjut.

Dalam kasus data periodik, bagaimanapun, ekstrapolasi akan menjadi awal dan titik data akan

dihitung ulang pada tahap selanjutnya. Untuk mengisi data kosong dengan metode Ekstrapolasi

dapat digunakan Persamaan L1. 2-4 di bawah ini.

Persamaan L1. 2-4. Pengisian data hilang dengan metode Ekstrapolasi

𝑌𝑡 = 𝑌𝑡−1 + (𝑌𝑡−1 − 𝑌𝑡−2)

Yt, Yt-1 dan Yt-2 = emisi/serapan dugaan tahun ke-t , t-1 dan t-2

Gambar L.1 2-4 dalam bagian ini menunjukkan contoh di mana data aktivitas hanya tersedia

secara berkala untuk suatu periode tertentu, namun untuk tidak tersedia data untuk beberapa

tahun terakhir. Data untuk beberapa tahun terakhir dapat diekstrapolasi berdasarkan tren yang

konsisten, atau atas dasar data yang sesuai. Perlu dicatat, bagaimanapun, bahwa

ketidakpastian perkiraan ekstrapolasi meningkat sebanding dengan lamanya waktu di mana

ekstrapolasi dibuat. Setelah set data periodik terbaru tersedia, perlu kalkulasi ulang bagian dari

rangkaian waktu yang telah diperkirakan menggunakan ekstrapolasi tren.


Gambar L.1 2-4. Ekstrapolasi linear

Tidak seperti data yang tersedia secara berkala, ketika data tidak tersedia untuk tahun-tahun

pertama dalam rangkaian waktu (misalnya, tahun dasar dan data tahun dasar pra pada

misalnya pembuangan limbah dan penggunaan lahan) tidak ada kemungkinan mengisi

kesenjangan dengan survei di masa depan. Ekstrapolasi tren kembali dalam waktu mungkin

tetapi harus dilakukan dalam kombinasi dengan teknik splicing lainnya seperti data pengganti

dan tumpang tindih. Beberapa negara yang telah mengalami transisi administratif dan ekonomi

yang signifikan sejak tahun 1990 tidak memiliki data aktivitas yang konsisten untuk seluruh

rangkaian waktu, terutama jika kumpulan data nasional mencakup wilayah geografis yang

berbeda di tahun-tahun sebelumnya. Untuk mengekstrapolasi mundur dalam kasus ini, perlu

untuk menganalisis hubungan antara set data aktivitas yang berbeda untuk periode yang

berbeda, mungkin menggunakan beberapa set data pengganti.

2.5 Metode lainnya

Dalam beberapa kasus, mungkin perlu mengembangkan pendekatan khusus untuk

memperkirakan emisi dari waktu ke waktu. Misalnya, alternatif standar mungkin tidak valid

ketika kondisi teknis berubah sepanjang rentang waktu (misalnya, karena pengenalan teknologi

mitigasi). Dalam hal ini, perlu diperhatikan secara seksama tren di semua faktor yang diketahui

memengaruhi emisi atau penghapusan selama periode tersebut. Jika pendekatan khusus

digunakan, adalah praktik yang baik untuk mendokumentasikannya secara menyeluruh, dan

khususnya untuk memberikan pertimbangan khusus tentang bagaimana perkiraan emisi yang

dihasilkan dibandingkan dengan yang akan dikembangkan menggunakan alternatif yang lebih

standar.

LAMPIRAN 2. ANALISIS KETIDAKPASTIAN

LAMPIRAN 2.

ANALISIS KETIDAKPASTIAN

Analisis Ketidakpastian 34

1. PENDAHULUAN

Ketidakpastian (uncertainty) dapat dimaknai sebagai kurangnya pengetahuan tentang nilai

sebenarnya (true value) dari suatu peubah yang bisa dideskripsikan dalam bentuk sebaran

kepekatan peluang atau probability density function (PDF) yang mencirikan besar selang

kemungkinan nilai dari peubah tersebut. Analisis ketidakpastian merupakan bagian penting dari

sistem inventarisasi emisi gas rumah kaca. Analisis ini dilakukan untuk bagian-bagian

komponen seperti faktor emisi, data aktivitas dan parameter estimasi lainnya untuk setiap

kategor emisi. Analisis ketidakpastian perlu dilakukan untuk membantu memprioritaskan upaya

nasional agar dapat mengurangi ketidakpastian inventarisasi di masa depan serta memandu

pembuatan keputusan terkait pemilihan metode yang akan digunakan.

Panduan lengkap mengenai analisis ketidakpastian, termasuk teknis pendugaan dan

pelaporannya telah dibahas secara lengkap pada dokumen IPCC Good Practice Guidance

(Chapter 6) dan IPCC 2006 Guidelines (Volume III, Chapter 3). Panduan ini akan membahas

secara ringkas mengenai (i) identifikasi sumber ketidakpastian, (ii) teknis perhitungan tingkat

ketidakpastian, (iii) ketidakpastian gabungan, beserta (iv) contoh analisis ketidakpastian.

2. ANALISIS KETIDAKPASTIAN

Analisis ketidakpastian dalam Inventarisasi Gas Rumah Kaca Nasional merupakan suatu

proses yang terdiri dari beberapa langkah. Identifikasi sumber penyebab ketidakpastian

merupakan langkah awal yang perlu dilakukan. Setelah mengetahui sumber ketidakpastian,

langkah selanjutnya dalam melakukan analisis ketidakpastian adalah dengan mencari tingkat

ketidakpastian untuk masing-masing Data Aktifitas (DA), Faktor Emisi (FE) maupun Parameter

Lainnya (PL) yang ada pada setiap kategori emisi. Tingkat ketidakpastian dari masing-masing

komponen tersebut selanjutnya digunakan untuk menghitung ketidakpastian gabungan

(combined uncertainties) dalam satu tahun data inventarisasi Gas Rumah Kaca (GRK) Nasional

beserta kecenderungan (trend) ketidakpastian dari data dua tahun inventarisasi GRK Nasional.

Pada pedoman ini, perhitungan ketidakpastian gabungan dilakukan dengan menggunakan dua

pendekatan, yaitu penggandaan kesalahan (propagation error) dan simulasi Monte Carlo. Untuk

contoh penggunaan kedua pendekatan tersebut pada sektor Land Use, Land Use Change and

Forestry (LULUCF) dapat dilihat pada Bab 3: Contoh Analisis Ketidakpastian.

2.1 Identifikasi Sumber Ketidakpastian

Mengacu pada dokumen IPCC Guidline 2006 dan Permen KLHK No.73 Tahun 2017, sumber

penyebab besarnya tingkat ketidakpastian yang harus dicermati dalam inventarisasi GRK

diantaranya adalah:

a. Ketidaktersediaan dan/atau ketidaklengkapan data (karena data tidak seluruhnya

tersedia atau teknik pengukurannya belum tersedia)

b. Bias dalam penggunaan model

c. Ketidakterwakilan data

d. Kesalahan acak (contoh: karena data atau faktor emisi yang digunakan berasal dari

pengambilan contoh yang sangat sedikit)

e. Kesalahan Pengukuran

f. Kesalahan pelaporan atau klasifikasi

g. Kehilangan data

Dengan mengetahui sumber-sumber penyebab ketidakpastian dalam sistem inventarisasi GRK

Nasional, khususnya sumber utama penyumbang ketidakpastian, maka perhatian lebih serta


perbaikan perlu diprioritaskan pada sumber tersebut untuk mengurangi ketidakpastian dalam

inventarisai GRK di masa mendatang.

2.2 Tingkat Ketidakpastian

Secara statistik, tingkat ketidakpastian dapat diartikan sebagai presentase setengah nilai dari

selang kepercayaan (α) sebesar 95% dibagi dengan nilai rata-rata pengukuran (μ),

sebagaimana dijelaskan pada Persamaan L2. 2-1.

Persamaan L2. 2-1. Tingkat ketidakpastian

% 𝑢𝑛𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑡𝑦 =

12

∗ 𝑙𝑒𝑏𝑎𝑟 𝑠𝑒𝑙𝑎𝑛𝑔 𝑘𝑒𝑝𝑒𝑟𝑐𝑎𝑦𝑎𝑎𝑛

𝜇 ∗ 100


12

∗ 4𝜎

𝜇 ∗ 100 =

2𝜎

𝜇 ∗ 100

di mana, σ merupakan standar deviasi sedangkan μ adalah nilai rata-rata pengukuran

𝜎 = √∑ (𝑥𝑖 − 𝜇)2𝑛

𝑖=1

𝑛 − 1

Ilustrasi tingkat ketidakpastian dari suatu set data yang memiliki sebaran normal dapat dilihat

pada Gambar L.2 2-1. di berikut ini.

Gambar L.2 2-1. Ilustrasi tingkat ketidakpastian dari suatu set data (α = 95%)

Contoh 1

Misalkan dari pengukuran berulang sebanyak 1000 kali untuk menetapkan besar Faktor Emisi

(FE) dari suatu sumber emisi diperoleh nilai FE yang nilainya berkisar dari 0.5 sampai 1.5

dengan nilai rata-rata 1.0. Untuk menetapkan tingkat ketidakpastian, digunakan selang

kepercayaan 95%, dengan nilai-nilai FE yang tersebar antara nilai yang berada pada urutan ke

25 terkecil (persentil 2.5%) dan urutan 975 terbesar (persentil 97.5%). Misalkan nilai FE pada

nomor urut ke-25 (terkecil) ialah 0.7 sedangkan pada nomor urut ke-975 (terbesar) ialah 1.3.

Lebar selang kepercayaan pada pengukuran tersebut diketahui sebesar 0.6. Berdasarkan nilai-

nilai tersebut, tingkat ketidakpastian dari FE adalah:


12 ∗ (1.3 − 0.7)

1 ∗ 100 = 30%

36 Analisis Kategori Kunci

Contoh 2

Berdasarkan hasil pengukuran sebanyak sembilan kali pada suatu Data Aktifitas (DA)

didapatkan nilai berikut: 18, 15, 20, 18, 25, 22, 21, 18 dan 20. Nilai rata-rata dari pengukuran

tersebut adalah 19.67 dengan standar deviasi sebesar 2.71. Dengan menggunakan selang

kepercayaan 95%, tingkat ketidakpastian dari DA tersebut adalah:

% 𝑢𝑛𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑡𝑦 = 2 ∗ 2.71

19.67 ∗ 100 = 28%

2.3 Ketidakpastian Gabungan

Inventarisasi GRK Nasional terdiri dari sejumlah sumber emisi maupun rosot yang terbagi

dalam beberapa kategori dan sub-kategori. Untuk mengetahui ketidakpastian gabungan dari

berbagai sumber emisi, terdapat dua pendekatan, yaitu penggandaan kesalahan (propagation

error) dan simulasi Monte Carlo.

2.3.1 Pendekatan 1 – Penggandaan kesalahan

Pendekatan 1 dapat digunakan untuk memperkirakan ketidakpastian dalam kategori individual,

dalam inventarisasi secara keseluruhan, serta kecenderungan antara data dua tahun

inventariasi (misal: tahun terakhir dilakukannya inventarisasi dan tahun dasar).

a. Asumsi dasar yang harus dipenuhi

Dalam Pendekatan 1 ketidakpastian dari emisi atau penyerapan dapat dihitung dari

ketidakpastian yang ada pada data aktivitas, faktor emisi dan parameter estimasi lainnya

melalui persamaan penggandaan kesalahan (Mandel, 1984, Bevington dan Robinson, 1992).

Asumsi dasar yang harus dipenuhi dalam penggunaan Pendekatan 1 adalah sebagai berikut:

Jika ada korelasi antar data, maka korelasi dapat dimasukkan secara eksplisit atau data

dapat diagregasikan ke tingkat yang sesuai sehingga korelasi menjadi kurang penting

(bisa diabaikan)

Standar deviasi dibagi dengan nilai rata-rata bernilai < 0.3

Dalam perhitungan kecenderungan ketidakpastian pada tahun dasar dan tahun ke-t,

nilai ketidakpastian dalam FE dan DA diasumsikan bernilai sama

Jika salah satu asumsi dasar dari Pendekatan 1 tidak terpenuhi maka perhitungan

ketidakpastian akan lebih tepat jika dilakukan dengan menggunakan Pendekatan 2. Pada

prakteknya, pendekatan ini akan memberikan hasil yang informatif bahkan jika kriteria ini tidak

sepenuhnya dipenuhi dan beberapa korelasi tetap ada

b. Persyaratan utama dalam penggunaan Pendekatan 1

Untuk mengukur ketidakpastian menggunakan Pendekatan 1, perlu diketahui nilai rata-rata dan

standar deviasi untuk setiap data masukan, serta persamaan di mana semua data masukan

digabungkan untuk memperkirakan suatu luaran.. Setelah ketidakpastian pada setiap kategori

emisi di dalam inventarisasi GRK diketahui nilainya, nilai tersebut kemudian dapat digabungkan

untuk memberikan perkiraan mengenai ketidakpastian untuk seluruh inventarisasi di setiap

tahun dan kecenderungan ketidakpastian dari dua tahun data. Sebagaimana dibahas lebih

lanjut di bawah ini, perhitungan ketidakpastian gabungan dengan Pendekatan 1 dilakukan

dengan menggunakan dua aturan berupa penjumlahan dan perkalian.

c. Proses perhitungan

Perhitungan ketidakpastian gabungan pada suatu nilai yang merupakan hasi dari perkalian,

seperti pada suatu sub-kategori emisi yang nilai emisinya didapat dari hasil perkalian DA dan

FE, maka tingkat ketidakpastian gabungan dari kedua komponen tersebut bisa dihitung dengan

menggunakan Persamaan L2. 2-2.


Persamaan L2. 2-2. Penggabungan ketidakpastiaan yang melibatkan perkalian

𝑈𝑡𝑜𝑡𝑎𝑙 = √𝑈12 + 𝑈2

2 + ⋯ + 𝑈𝑛2

di mana, Utotal merupakan persentase ketidakpastian gabungan yang bersumber dari

ketidakpastian komponen U1 hingga Un

Contoh 3:

Dalam perhitungan emisi pada aktifitas deforestasi digunakan nilai biomassa hidup sebagai FE,

dimana nilai tersebut didapat dari beberapa parameter input berupa diameter pohon, kerapatan

pohon, konversi biomassa menjadi karbon, rasio root-shoot dan model alometrik. Pada tutupan

lahan berupa hutan lahan kering primer (primary dryland forest), diketahui nilai ketidakpastian

dari perhitungan diameter pohon (4.2%), model alometrik (19,5% dari Chave et al., 2005),

kerapatan pohon (9.8%) konversi biomassa menjadi karbon (5,32% dari IPCC 2006), dan rasio

root-shoot (20% dari IPCC 2006). Ketidakpastian gabungan pada FE untuk tutupan lahan

tersebut adalah:

𝑈𝑡𝑜𝑡𝑎𝑙 = √4.22 + 19.52 + 9.82 + 5.322 + 202

𝑈𝑡𝑜𝑡𝑎𝑙 = √922.23 = 32.15 %

Untuk menghitung tingkat ketidakpastian gabungan yang melibatkan penjumlahan maupun

pengurangan sejumlah kategori emisi, seperti pada perhitungan tingkat ketidakpastian emisi

pada inventarisasi GRK di tingkat sektor dan Nasional, persamaan yang bisa digunakan adalah

sebagai berikut:

Persamaan L2. 2-3. Pengabungan ketidakpastian yang melibatkan penjumlahan

𝑈𝑡𝑜𝑡𝑎𝑙 = √(𝑈1 ∗ 𝑥1)2 + (𝑈2 ∗ 𝑥2)2 + ⋯ + (𝑈𝑛 ∗ 𝑥𝑛)2

|𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛|

dimana, U1, U2, … merupakan ketidakpastian dari kategori emisi 1, 2, dst.

x1, x2, … dst. merupakan estimasi emisi dari kategori emisi 1, 2, dst.


Tabel L.2 2-1. Ketidapastian gabungan untuk sektor LULUCF

X A B C D E F G

IPCC Code

IPCC category

Gas

2000 emissions

or removals

2014 emissions

or removals

Activity data

uncertainty

Emission factor /

estimation parameter uncertainty

Combined uncertainty

Gg CO2 equivalent

Gg CO2 equivalent

% % %

3B1a Forest remaining Forest CO2 20,678 -127,701 12 16.1 20.08

3B1b Non-Forest to Forest CO2 -1,260 -3,675 12 16.1 20.08

3B2a Cropland remaining Cropland CO2 -41,587 -33,729 12 16.1 20.08

3B2b Non-Cropland to Cropland CO2 29,609 141,481 12 16.1 20.08

3B3a Grassland remaining Grassland

CO2 0 0 12 16.1 20.08

3B3b Non-Grassland to Grassland CO2 36,335 17,118 12 16.1 20.08

3B4a Wetland remaining Wetland CO2 0 0 12 16.1 20.08

3B4b Non-Wetland to Wetland CO2 0 0 12 16.1 20.08

3B5a Settlement remaining Settlement

CO2 0 0 12 16.1 20.08

3B5b Non-Settlement to settlement CO2 1,863 10,257 12 16.1 20.08

3B6a Otherland remaining Otherland CO2 0 0 12 16.1 20.08

3B6b Non-Otherland to Otherland CO2 29,585 134,546 12 16.1 20.08

3D Peat Decomposition CO2 268,575 341,735 20 50 53.85

3D Peat Fire CO2 161,571 499,389 25 50 55.90

Dengan menggunakan excel spreadsheet yang diadopsi dari IPCC Guidelines 2006 (lihat

Tabel), perhitungan ketidakpastian gabungan dapat dilakukan dengan mengikuti langkah-

langkah di dalam kotak berikut ini:

Langkah perhitungan ketidakpastian gabungan dengan Pendekatan 1 adalah sebagai berikut:

Langkah 1: Masukan informasi nilai emisi pada tahun dasar dan tahun berjalan untuk setiap

kategori emisi dan gas (kolom C dan D)

Langkah 2: Masukan informasi nilai ketidakpastian untuk data aktifitas dan faktor emisi pada

kolom E dan F secara berurutan

Langkah 3: Hitung nilai ketidakpastian gabungan untuk masing-masing kategori emisi pada

kolom G

Langkah 4: Hitung nilai kontribusi terhadap varian berdasarkan kategori emisi dan gas pada

tahun berjalan (kolom H)

Langkah 5: Hitung persentase ketidakpastian gabungan dari keseluruhan kategori emisi

Contoh 4:

Berdasarkan data inventarisasi GRK Nasional tahun 2000 dan 2014, pada sektor LULUCF

diketahui nilai emisi/serapan, tingkat ketidakpastian untuk DA dan FE serta ketidakpastian

gabungan untuk setiap kategori sebagaimana


Tabel L.2 2-1.

Dengan mengikuti langkah-langkah perhitungan ketidakpastian serta menggunakan Persamaan

3, ketidakpastian gabungan di sektor LULUCF untuk masing-masing tahun adalah,

Ketidakpastian gabungan di sektor LULUCF pada tahun 2000:

𝑈𝑡𝑜𝑡𝑎𝑙 = √(20.08 ∗ 20678)2 + 20.08 ∗ −1260)2 + ⋯ + (55.9 ∗ 161571)2

|20678 − 1260 + ⋯ + 161571|

𝑈𝑡𝑜𝑡𝑎𝑙 = 33.86 %

Ketidakpastian gabungan di sektor LULUCF pada tahun 2014:

𝑈𝑡𝑜𝑡𝑎𝑙 = √(20.08 ∗ −127701)2 + 20.08 ∗ −3675)2 + ⋯ + (55.9 ∗ 499389)2

|127701 − 3675 + ⋯ + 499389|

𝑈𝑡𝑜𝑡𝑎𝑙 = 34.48 %

d. Kecenderungan ketidakpastian

Dengan menggunakan Pendekatan 1, perhitungan kecenderungan ketidakpastian nilai emisi

dari dua tahun berbeda dapat dibedakan berdasarkan dua tipe sensitivitas:

Sensitivitas Tipe A: presentase perubahan emisi keseluruhan antara tahun dasar dan

tahun terkahir dilakukannya inventarisasi, dihasilkan dari peningkatan emisi sebesar 1%

atau penghapusan dari kategori dan gas yang telah ditentukan pada tahun dasar dan

tahun berjalan.

Sensitivitas Tipe B: presentase perubahan emisi keseluruhan antara tahun dasar dan

tahun terkahir dilakukannya inventarisasi, dihasilkan dari peningkatan emisi sebesar 1%

atau penghapusan dari kategori dan gas yang telah ditentukan hanya pada tahun

berjalan saja.

Sensitivitas Tipe A dan Tipe B hanyalah variabel yang mempermudah prosedur penghitungan.

Hasil analisis tidak dibatasi hanya dengan kenaikan 1% emisi, tetapi tergantung pada

kisarannya ketidakpastian untuk setiap kategori. Ketidakpastian yang berkorelasi

sepenuhnya antara tahun akan dikaitkan dengan sensitivitas Tipe A sedangkan

ketidakpastian yang tidak berkorelasi antara tahun akan dikaitkan dengan sensitivitas

Tipe B.

Dengan menggunakan excel spreadsheet yang diadopsi dari IPCC Guidelines 2006 (Table L2.

2-2), perhitungan kecenderungan ketidakpastian dapat dilakukan dengan mengikuti langkah-

langkah di dalam kotak berikut ini:

Langkah perhitungan tren ketidakpastian dengan Pendekatan 1 adalah sebagai berikut:

Langkah 1: Hitung nilai sensitivitas untuk tipe A dan B pada kolom I dan J secara berurutan


Langkah 2: Hitung ketidakpastian dalam tren emisi nasional yang disebabkan oleh

ketidakpastian faktor emisi atau parameter lainnya (kolom K)

Langkah 3: Hitung ketidakpastian dalam tren emisi nasional yang disebabkan oleh

ketidakpastian data aktivitas (kolom L)

Langkah 4: Nilai tren ketidakpastian dihitung berdasarkan perkalian kolom K dan L


Ta

be

l L.2

2-2

. A

na

lisis

tre

n k

etid

akp

astia

n u

ntu

k s

ekto

r L

UL

UC

F


Beberapa catatan yang perlu diperhatikan dalam perhitungan kecenderungan ketidakpastian

dijelaskan berikut ini:

Note A:

Jika yang diketahui hanya ketidakpastian gabungan untuk kategori (bukan untuk faktor emisi

dan data aktivitas secara terpisah), maka:

Jika nilai ketidakpastian berkorelasi sepanjang tahun, masukkan nilai ketidakpastian ke

dalam Kolom F, dan masukkan 0 di Kolom E;

Jika nilai ketidakpastian tidak berkorelasi sepanjang tahun, masukkan nilai

ketidakpastian ke dalam Kolom E, dan masukkan 0 di Kolom F

Note B:

|0.01 ∗ 𝐷𝑋 + ∑ 𝐷𝑖 − (0.01 ∗ 𝐶𝑋 + ∑ 𝐶𝑖)

(0.01 ∗ 𝐶𝑋 + ∑ 𝐶𝑖)∗ 100 −

∑ 𝐷𝑖 − ∑ 𝐶𝑖

∑ 𝐶𝑖∗ 100|

Dimana C dan D merupakan nilai emisi yang ada pada kolom tersebut

Note C:

Pada kasus di mana diasumsikan tidak ada korelasi antara faktor emisi, sensitivitas B harus

digunakan dan hasilnya dikalikan dengan √2

𝐾𝑥 = 𝐽𝑥 ∗ 𝐹𝑥 ∗ √2

Note D:

Pada kasus di mana korelasi antara data aktivitas diasumsikan, sensitivitas A harus digunakan

namun tidak perlu dikalikan dengan √2:

𝐿𝑥 = 𝐼𝑥 ∗ 𝐸𝑥


2.3.2 Pendekatan 2 – Simulasi Monte Carlo

Simulasi Monte Carlo cocok digunakan untuk penilaian ketidakpastian pada suatu kategori

emisi secara rinci, terutama jika ketidakpastiannya besar, distribusi tidak normal, algoritma

berupa fungsi kompleks dan/atau terdapat korelasi antara beberapa set DA, FE, atau bahkan

keduanya. Dalam simulasi Monte Carlo, sampel acak dari input model (misal: model sederhan

perhitungan nilai emisi, dengan input DA dan FE) dihasilkan sesuai dengan fungsi kepekatan

peluang (probability distribution function; PDF) yang ditentukan untuk setiap input. Jika model

memiliki dua input atau lebih, maka sampel acak dihasilkan dari PDF untuk masing-masing

input, dan satu nilai acak untuk setiap input dimasukkan ke dalam model untuk sampai pada

satu perkiraan output model. Proses ini diulang selama sejumlah iterasi yang diinginkan untuk

sampai pada beberapa perkiraan output model. Estimasi berganda adalah nilai sampel dari

PDF dari output model. Dengan menganalisis sampel PDF dari output model, maka nilai mean,

standar deviasi, interval kepercayaan 95 persen, dan atribut lainnya dari output PDF dapat

disimpulkan. Simulasi Monte Carlo merupakan metode numerik, oleh karena itu ketepatan hasil

biasanya akan meningkat siring dengan meningkatnya jumlah iterasi (pengulangan).

a. Asumsi dasar yang harus dipenuhi

Perhitungan ketidakpastian gabungan lebih tepat menggunakan Pendekatan 2 untuk kondisi-

kondisi berikut:

tingkat ketidakpastian besar

distribusi data berupa non-Gaussian (tidak normal)

algoritma berupa fungsi yang kompleks

korelasi terjadi antara beberapa set data aktivitas, faktor emisi, atau keduanya

tingkat ketidakpastian berbeda untuk tahun yang berbeda pada inventarisasi

b. Persyaratan utama dalam penggunaan Pendekatan 2

Untuk melakukan perhitungan ketidakpastian gabungan dengan menggunakan Pendekatan 2,

syarat utama yang harus dipenuhi adalah diketahuinya PDF dari setiap input data yang akan

dihitung nilai ketidakpastian gabungannya. PDF dapat diperoleh dengan berbagai metode,

diantaranya adalah dengan analisis statistik dan pendapat ahli (expert judgement). Untuk

melakukan perhitungan ketidakpastian gabungan dengan Pendekatan 2 dibutuhkan data yang

mencukupi.

Analisis Monte Carlo dapat menangani fungsi kepekatan peluang dengan berbagai bentuk,

serta menangani berbagai tingkat korelasi (baik dalam waktu dan di antara kategori

sumber/rosot). Simulasi Monte Carlo dapat menangani model sederhana (misalnya,

inventarisasi emisi yang merupakan penjumlahan dari beberapa sumber dan rosot, yang

masing-masing diperkirakan menggunakan perkalian antara DA dan FE) serta model yang lebih

kompleks (misalnya, peluruhan orde pertama untuk CH4 dari tempat pembuangan akhir).

c. Proses perhitungan

Ilustrasi simulasi Monte Carlo secara lengkap dapat dilihat pada Gambar L.2 2-2. Proses

perhitungan untuk mendapatkan nilai ketidakpastian dengan menggunakan simulasi Monte

Carlo adalah sebagai berikut:

Langkah 1: Tentukan rincian dari kategori emisi yang akan dihitung nilai ketidakpastiannya.

Diantaranya adalah DA, FE, parameter estimasi lainnya, nilai rata-rata (mean), PDF dan

korelasi.

Langkah 2: Pilih nilai secara acak. Nilai input secara acak akan digunakan dalam perhitungan

emisi. Awal dari iterasi dimulai pada tahap ini. Untuk setiap data masukan (variabel), suatu nilai

dipilih secara acak berdasarkan PDF pada data masukan tersebut.


Langkah 3: Perkirakan emisi. Variabel yang dipilih pada Langkah 2, masing-masing untuk DA

dan EF, digunakan untuk memperkirakan emisi dan serapan tahunan.

Langkah 4: Lakukan iterasi dan pantau hasilnya. Total terhitung dari Langkah 3 disimpan,

dan prosesnya kemudian diulangi dari Langkah 2. Hasil dari pengulangan digunakan untuk

menghitung mean dan PDF. Akhiri proses ketika tidak ada perubahan lagi pada nilai mean dan

PDF. Hasil dari pengulangan yang telah dilakukan digunakan untuk menghitung mean dan

PDF.

Gambar L.2 2-2. Ilustrasi proses perhitungan ketidakpastian dengan Pendekatan 2 (Sumber:

2006 IPCC Guidelines for National Greenhouse Gas Inventories, 2006)


d. Kecenderungan ketidakpastian

Pendekatan 2 dapat digunakan untuk memperkirakan ketidakpastian dalam tren serta nilai

emisi absolut pada tahun tertentu. Perhitungan kecenderungan ketidakpastian merupakan

lanjutan dari proses sebelumnya. Langkah-langkah yang harus dilakukan adalah sebagai

berikut:

Langkah 1: Tentukan rincian sumber ketidakpastian pada suatu kategori emisi. Tentukan

PDF untuk FE, DA, dan parameter estimasi lainnya. Ini adalah proses yang sama seperti yang

dijelaskan sebelumnya, kecuali bahwa hal ini perlu dilakukan baik untuk tahun dasar dan tahun

berjalan dilakukannya inventarisasi, dan hubungan antara data perlu dipertimbangkan. Untuk

banyak kategori, FE yang sama akan digunakan untuk setiap tahun (yaitu, faktor emisi untuk

kedua tahun adalah 100 persen berkorelasi). Dalam kasus ini, satu PDF yang sama digunakan

untuk setiap tahun di langkah 3. Perlu diperhatikan bahwa perubahan dalam teknologi atau

praktik yang dilakukan akan mengubah faktor emisi dari waktu ke waktu. Dalam hal ini, dua FE

harus digunakan, yaitu FE yang memiliki korelasi yang lebih rendah atau nol. Jika FE

mengandung elemen acak atau bervariasi secara tak terduga dari tahun ke tahun, maka FE

yang terpisah juga harus digunakan (misalnya, kandungan karbon bahan bakar fosil yang dapat

berubah sesuai dengan pasokan pasar bahan bakar dan juga mengandung ketidakpastiannya

sendiri). Umumnya, ketidakpastian dalam DA diasumsikan tidak berkorelasi antara tahun,

sehingga dua distribusi harus dimasukkan, bahkan jika parameternya sama, sehingga dua

pilihan acak yang berbeda dari distribusi ini akan dihasilkan pada langkah 3.

Langkah 2: Pilih nilai secara acak. Suatu nilai acak (variabel) akan dipilih dengan

mempertimbangkan korelasi antara PDF.

Langkah 3: Perkirakan emisi. Variabel acak terpilih digunakan untuk menghitung total emisi.

Langkah 4: Hasil. Total emisi yang telah dihitung dalam Langkah 3 akan disimpan.

Pengulangan dari Langkah 2 diakhiri ketika tidak ada perubahan lagi pada nilai emisi. Semua

hasil diperkirakan pada saat yang bersamaan termasuk emisi/penyerapan sektoral untuk tahun

dasar maupun untuk tahun ke-t. Nilai kecenderungan antara antar duat tahun data dihitung

dengan Persamaan L2. 2-4 berikut:

Persamaan L2. 2-4. Kecenderungan ketidakpastian (Pendekatan 2)

𝐾𝑒𝑐𝑒𝑛𝑑𝑒𝑟𝑢𝑛𝑔𝑎𝑛 𝑘𝑒𝑡𝑖𝑑𝑎𝑘𝑝𝑎𝑠𝑡𝑖𝑎𝑛 = 𝐸𝑚𝑖𝑠𝑖𝑡 − 𝐸𝑚𝑖𝑠𝑖𝑡𝑎ℎ𝑢𝑛 𝑑𝑎𝑠𝑎𝑟

𝐸𝑚𝑖𝑠𝑖𝑡𝑎ℎ𝑢𝑛 𝑑𝑎𝑠𝑎𝑟


Secara lengkap, ilustrasi proses perhitungan kecenderungan ketidakpastian pada dua tahun

inventarisasi dengan menggunakan Pendekatan 2 dapat dilihat pada Gambar L.2 2-3.

Gambar L.2 2-3. Proses penentuan tren ketidakpastian dengan Pendekatan 2 (Sumber: 2006

IPCC Guidelines for National Greenhouse Gas Inventories, 2006)


3. Contoh Analisis Ketidakpastian

Pada bab ini diberikan contoh analisis ketidakpastian pada sektor Land Use, Land Use Change

and Forestry (LULUCF) dengan menggunakan Pendekatan 1 (penggandaan kesalahan) dan

Pendekatan 2 (Simulasi Monte Carlo).

3.1 Pendekatan 1 – Penggandaan kesalahan (Error Propagation)

3.1.1 Identifikasi sumber ketidakpastian dari Data Aktifitas

Data aktifitas yang digunakan untuk memperkirakan emisi deforestasi, degradasi hutan,

dekomposisi gambut, dan tanah bakau berasal dari peta tutupan lahan nasional yang dihasilkan

oleh KLHK. Peta tutupan lahan terdiri dari 23 kelas tutupan lahan yang diperoleh dengan

analisis data penginderaan jarak jauh (Landsat pada resolusi spasial 30 meter). Identifikasi

objek murni berdasarkan penampilan yang ada pada gambar. Klasifikasi manual-visual melalui

teknik digitalisasi on-screen berdasarkan elemen kunci dari gambar/interpretasi foto yang

diterapkan sebagai interpretasi/metode klasifikasi. Beberapa set data tambahan (termasuk

batas-batas konsesi penebangan dan perkebunan, batas kawasan hutan) digunakan selama

proses delineasi, untuk mengintegrasikan informasi tambahan yang berharga pada proses

klasifikasi.

Klasifikasi manual memakan waktu dan padat karya (Margono et al., 2012, Margono et al.,

2014). Ini melibatkan staf dari tingkat kabupaten dan provinsi untuk secara manual menafsirkan

dan mendigitalkan citra satelit. Validasi data untuk memastikan hasil klasifikasi dilakukan

dengan membandingkan peta tutupan lahan dengan data lapangan yang dikumpulkan

sesudahnya. Stratified random sampling adalah pendekatan yang dipilih untuk memverifikasi

peta klasifikasi. Kompilasi beberapa data kunjungan lapangan dalam interval tahun tertentu

dilaksanakan untuk penilaian akurasi. Hasil perbandingan dilakukan pada tabel akurasi (matriks

kontingensi), menghasilkan akurasi keseluruhan 88% untuk semua 23 kelas, dan 98% untuk

kelas agregat hutan dan non-hutan (Kemenhut, 2012, Margono et al., 2012).

Emisi dari dekomposisi gambut diperkirakan menggunakan data aktivitas yang berasal dari peta

lahan gambut, yang telah dipisahkan dari peta tutupan lahan dan diproduksi oleh KLHK.

Pengembangan peta lahan gambut di Indonesia terkait erat dengan proyek pemetaan tanah

untuk program pengembangan pertanian, yang dilakukan oleh Kementerian Pertanian.

Indonesia telah mengembangkan prosedur pemetaan lahan gambut berdasarkan penginderaan

jauh pada skala 1: 50.000 (SNI 7925: 2013). Peta lahan gambut Indonesia telah diperbarui dan

dirilis beberapa kali karena dinamika ketersediaan data. Peta Lahan Gambut versi terbaru pada

2011 dengan skala 1: 250.000 (skala nasional) digunakan untuk estimasi emisi.

Estimasi emisi dari penebangan terbatas pada data penebangan yang dilaporkan oleh

pemerintah. Setiap tahun, konsesi penebangan menyerahkan dokumen rencana kerja tahunan

yang berisi daerah penebangan yang pada tahun-tahun sebelumnya diserahkan ke dinas

kehutanan provinsi dan ke BPHP. Kami menggunakan 41 dokumen konsesi untuk menentukan

kawasan penebangan tahunan di Kalimantan Timur. Log tahunan yang dilaporkan dalam

laporan masih perlu disesuaikan, karena tidak semua hutan yang telah dilaporkan telah dicatat

atau dipengaruhi oleh praktik penebangan. Selain itu, Ellis (2016) juga menemukan bahwa

hanya 69% dari hutan bekas tebangan yang terkena dampak oleh praktik penebangan.

Berdasarkan praktik di atas, ada sejumlah sumber utama ketidakpastian dari DA yang

digunakan untuk memperkirakan emisi dari deforestasi, degradasi, dekomposisi gambut, tanah

bakau, dan penebangan. DA untuk tutupan hutan dan perubahan tutupan hutan yang

digunakan dalam estimasi emisi dari deforestasi, degradasi, dekomposisi gambut dan tanah


bakau memiliki setidaknya tiga sumber ketidakpastian yaitu kualitas citra satelit, prosedur

interpretasi, dan kesalahan sampling yang terkait dengan proses memeriksa hasil interpretasi

dengan ground check. Sedangkan untuk areal penebangan, sumber utama ketidakpastian

terkait pemilihan faktor koreksi untuk memperoleh data aktivitas dari data yang dilaporkan dan

diolah. Deskripsi sumber ketidakpastian disajikan pada Tabel L.2 3-1.

Tabel L.2 3-1. Sumber ketidakpastian dari Data Aktivitas

No Sumber

ketidakpastian Deskripsi

1 Kualitas citra satelit Sistem pemantauan hutan nasional di Indonesia dikelola oleh Kementerian Lingkungan Hidup dan Kehutanan (KLHK). Sistem pemantauan ini menyediakan peta tutupan lahan secara berkala dengan mengolah citra satelit Landsat. Citra satelit Landsat cocok untuk tutupan lahan dan interpretasi perubahan tutupan lahan dalam hal resolusi spasial, spektral dan temporal. Namun, ada dua sumber kesalahan terkait dengan citra Landsat. Masalah pertama terkait dengan citra hilang dan perlu dimanipulasi menggunakan citra yang berbeda. Kedua, Indonesia adalah negara tropis yang memiliki banyak awan hampir sepanjang waktu. Bayangan awan dan cakupan awan akan mempengaruhi kualitas citra sehingga menghasilkan kesenjangan data. Batasan ini mempengaruhi proses interpretasi gambar.

2 Kartografi, proses interpretasi gambar, dan pembuatan peta tutupan lahan. (Pengetahuan dan kapasitas untuk interpretasi satelit)

Interpretasi citra satelit untuk menghasilkan peta tutupan lahan dilakukan oleh penerjemah terlatih yang menggunakan teknik penggambaran interpretasi manual atau visual. Prosedur Operasional Standar (SOP) dan manual disediakan untuk memandu penafsir melakukan interpretasi citra satelit. Interpretasi manual memakan waktu dan padat karya. Ini melibatkan staf dari tingkat kabupaten dan provinsi. Mereka diharapkan dapat menggunakan pengetahuan lokal mereka. Validasi data dilakukan melalui perbandingan tipe tutupan lahan dari interpretasi dengan ground truth. Kebenaran dasar menggunakan stratified random sampling. Kompilasi beberapa hasil ground truth dalam interval tahun tertentu digunakan untuk penilaian akurasi yang akan memberikan tingkat akurasi dari interpretasi kelas penutup lahan.

3 Kesalahan pengambilan sampel

Jumlah poin untuk mewakili kategori tutupan lahan akan menentukan tingkat akurasi penilaian. Kebenaran dasar akan mencerminkan keakuratan interpretasi dengan kondisi nyata. Ini membantu untuk menentukan keakuratan hasil interpretasi satelit. Oleh karena itu, jumlah titik pemeriksaan tanah akan secara signifikan mempengaruhi tingkat ketidakpastian.

4 Area penebangan selektif yang sebenarnya

Areal tebang pilih yang sebenarnya berasal dari dokumen rencana penebangan tahunan konsesi penebangan alami. Dokumen-dokumen ini dapat diakses dari instansi kehutanan provinsi Kalimantan Timur, tetapi datanya dikelola secara konvensional. Saat ini, tidak ada sistem manajemen basis data yang baik. Data sering hilang karena data pencatatan yang dilaporkan mungkin terlalu rendah. Selain itu, penggunaan asumsi pada areal penebangan yang terkena dampak nyata sebesar 69% mungkin tidak akurat karena faktor ini dihasilkan dari sejumlah daerah studi terbatas (pengambilan sampel kecil). Dengan demikian jumlah sampling berkontribusi pada ketidakpastian data ini.

Langkah-langkah untuk meminimalkan ketidakpastian pada Data Aktivitas

Minimalisasi kesalahan interpretasi yang biasanya menghasilkan kesalahan sistematis, adalah

melalui penerapan serangkaian prosedur operasi standar (SOP) yang konsisten dan

komprehensif, termasuk serangkaian penilaian kualitas dan proses pengendalian kualitas, dan

kesalahan sampling adalah melalui peningkatan contoh. Pelaksanaan prosedur QA / QC akan

ditingkatkan, melalui konsistensi yang digunakan dari SOP untuk interpretasi dan prosedur

pelatihan. Pemeriksaan konsistensi akan dilakukan oleh juru bahasa yang tidak terlibat dalam


klasifikasi asli. Mengikuti ketentuan tentang verifikasi yang diberikan dalam Bab 3 - Volume 1

dari IPCC GL 2006, langkah-langkah QA / QC akan dilengkapi dengan verifikasi, yaitu melalui

penilaian akurasi. Verifikasi akan dilakukan oleh pihak ketiga dan yang akan berfungsi untuk

mengkonfirmasi kualitas estimasi yang dapat diterima dan akan memungkinkan untuk

mengoreksi bias dan ketidakpastian terkait.

3.1.2 Identifikasi sumber ketidakpastian dari Faktor Emisi

Faktor emisi yang digunakan untuk estimasi emisi dari LUCF adalah dari National Forest

Inventory (NFI) Plot - program nasional yang diprakarsai oleh Departemen Kehutanan pada

tahun 1989 dan didukung oleh Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa

(FAO) dan Bank Dunia melalui Proyek NFI. Dari tahun 1989 hingga 2013, lebih dari 3.900

cluster plot sampel, telah dikembangkan dan didistribusikan pada 20x20 km, 10x10 km dan 5x5

km grid di seluruh negeri (Ditjen Planologi Kehutanan, 2014). Setiap cluster terdiri dari 1ha size

permanent sample plot (PSP) dan sekitar 8 plot sampel sementara (TSP).

Sebagian besar plot didirikan di daerah-daerah di bawah ketinggian 1.000 m. Pohon individu

dalam PSP 1-ha diukur dalam 16 unit rekaman (RU) berjumlah 25x25 m sub-plot. Semua pohon

dengan diameter minimal 5 cm diukur untuk DBH, dan sub-set diukur untuk tinggi pohon total.

Pohon juga diklasifikasikan berdasarkan nama spesies lokal, karakteristik mahkota, kerusakan,

dan infestasi. Informasi situs, termasuk pengamatan terhadap gangguan dan regenerasi, dan

data non-pohon (bambu, rotan, dll) juga dicatat. Petak diklasifikasikan dalam berbagai jenis /

kondisi yang mencakup sistem lahan, ketinggian dalam kelas 100 m, penggunaan lahan, tipe

hutan, kondisi tegakan dan status perkebunan, dataran, kemiringan lereng, dan aspek. Protokol

yang digunakan dalam sampling lapangan dan desain sistem untuk pengolahan data plot untuk

NFI di Indonesia dijelaskan dalam Revilla (1992).

Sebanyak 4.450 pengukuran PSP dari NFI (1990-2013) di seluruh negeri tersedia untuk

pemrosesan dan analisis data. Semua pohon individu dalam plot diperiksa dan informasi plot

diperiksa untuk setiap plot untuk memastikan informasi yang benar, sebagai bagian dari proses

jaminan kualitas. Validasi data meliputi: (i) memeriksa lokasi petak yang dilapis dengan peta

tutupan lahan Departemen Kehutanan, (ii) memeriksa jumlah unit pencatat (petak-petak) di

setiap petak, (iii) memeriksa data pengukuran melalui penyaringan kelainan DBH dan nama

spesies masing-masing pohon di plot, (iv) memeriksa informasi tentang area basal, kepadatan

tegakan, dll.

Dari 4.450 data pengukuran yang tersedia dari PSP NFI, 80% berlokasi di lahan berhutan

sementara data yang tersisa berada di semak belukar atau lahan lainnya. Dari PSP yang

berlokasi di hutan, proses validasi data mengurangi jumlah data pengukuran yang dapat

digunakan menjadi 2,622 (74,1%) untuk analisis. PSP ini berlokasi di hutan lahan kering dan

hutan rawa. Data penelitian hutan tambahan terutama untuk hutan bakau di Indonesia

dimasukkan karena tidak ada catatan PSP yang ditemukan di tipe hutan ini.

Biomassa di atas tanah (above ground biomass; AGB) masing-masing pohon di plot

diperkirakan menggunakan model alometrik yang dikembangkan untuk hutan tropis pan (Chave

et al., 2005), yang menggunakan diameter setinggi dada (DBH) dan kerapatan kayu (WD) dari

spesies sebagai parameter kunci. Beberapa model alometrik lainnya juga diuji, termasuk

beberapa model alometrik lokal yang dikompilasi dalam Krisnawati et al. (2012). Namun,

ketersediaan model alometrik lokal yang spesifik untuk enam jenis hutan tidak semuanya

terwakili di tujuh pulau utama di Indonesia, sehingga model alometrik umum Chave et al. (2005)

dipilih, sebagai gantinya. Model ini telah ditemukan memiliki kinerja yang sama baiknya dengan

model lokal di hutan tropis Indonesia (Rutishauser et al., 2013; Manuri et al., 2014).Sumber


ketidakpastian faktor emisi untuk penebangan dapat dikaitkan dengan keterampilan

pengetahuan staf lapangan dalam mengenali tingkat kematian dari tiga yang menderita

penebangan dan praktek penyaradan dalam mengukur luas jalan angkut dan halaman kayu

dan juga variasi kekosongan pohon.Berdasarkan praktik yang digunakan dalam menurunkan

data cadangan karbon, sumber ketidakpastian untuk EF pada kerapatan karbon jenis hutan

akan berasal dari pengukuran pohon, kesalahan model alometrik, kesalahan pengambilan

sampel, dan faktor konversi untuk biomassa menjadi karbon, dan termasuk keterampilan dan

pengetahuan staf lapangan. Analisis pada sumber ketidakpastian untuk faktor emisi disajikan

pada Tabel L.2 3-2.

Tabel L.2 3-2.Sumber ketidakpastian dari Faktor Emisi

No Sumber

ketidakpastian Deskripsi

1 Kesalahan pengukuran kayu

Pohon diukur dengan menilai Diameter tinggi pohon (DBH) dari pohon. Ini mengandung kesalahan sistematis atau acak. Kesalahan sistematis umumnya terjadi ketika SOP tidak pantas untuk mengukur DBH. Sedangkan kesalahan acak dapat terjadi karena kesalahan manusia yang dapat bervariasi dari satu ke yang lain.

2 Kesalahan model Allometric

Untuk memperkirakan total biomassa pohon (karbon), persamaan alometrik diterapkan menggunakan data pengukuran lapangan (DBH dan spesies pohon). Persamaan dari Chave dkk. (2015) dipilih dan diterapkan untuk Kalimantan Timur. Kesalahan model alometrik dapat dibagi dalam sumber-sumber berikut: a) kesalahan karena ketidakpastian koefisien model; b) kesalahan terkait dengan kesalahan model residu; c) pemilihan model alometrik. Kesalahan yang terkait dengan persamaan alometrik dapat bervariasi dari 5 dan 35% tergantung pada model yang dipilih (Van Breugel et al. 2011). Mengenai kesalahan pertama dan kedua, ini diharapkan dapat diabaikan karena ketidakpastian parameter dan kesalahan model residu Chave et al. (2014) sangat rendah. Oleh karena itu, diharapkan sumber utama kesalahan adalah pemilihan persamaan alometrik, yang relevan untuk Kalimantan Timur.

3 Kesalahan pengambilan sampel

Kesalahan sampling mungkin terjadi ketika analis tidak memilih sampel yang mewakili seluruh populasi data. Dalam kasus klasifikasi hutan, pengambilan sampel adalah analisis yang dilakukan dengan memilih kawasan hutan tertentu dari pengamatan dari area hutan yang lebih luas, dan pekerjaan ini dapat menghasilkan kesalahan sampling. Dari NFI, itu menunjukkan bahwa jumlah sampling untuk hutan mangrove sangat minimum. Sumber kesalahan ini juga dianggap dominan untuk karbon tanah untuk mangrove dan untuk faktor emisi untuk dekomposisi gambut. Karbon tanah untuk mangrove terbatas hanya 10 sampel, demikian juga karbon tanah untuk hutan mangrove yang dikonversi menjadi akuakultur. Faktor emisi untuk dekomposisi gambut berasal dari sejumlah lokasi terbatas di Indonesia.

4 Faktor konversi biomasa menjadi karbon

Untuk memperkirakan jumlah karbon di setiap tipe hutan, informasi tentang fraksi karbon diperlukan. Fraksi karbon biomassa (berat kering) diasumsikan sebesar 47% (1 ton biomassa = 0,47 ton C) mengikuti Pedoman IPCC 2006. Konversi C-stock menjadi ekuivalen karbon dioksida (CO2e) kemudian diperoleh dengan mengalikan C-stock dengan faktor 3,67 (44/12)

5 Ketrampilan dan pengetahuan untuk mengenali tingkat kematian pohon yang menderita penebangan dan praktek penyaradan, dan

Faktor emisi untuk emisi penebangan berasal dari pengukuran lapangan di 9 konsesi hutan di Kalimantan Timur dan Kalimantan Utara. Sumber utama kesalahan mungkin berasal dari kesalahan manusia ketika penilai mengukur pohon dan area yang diderita oleh kegiatan penebangan. Penilai harus memiliki keterampilan yang baik dalam mengenali pohon mati karena proses penyaradan, dan mengukur sisa pohon yang ditebang di hutan.


mengukur luas jalan angkut dan halaman kayu.

6 Berbagai jenis kekosongan pada batang kayu

Jenis kekosongan yang berbeda dapat mempengaruhi estimasi emisi karbon dari pohon-pohon yang ditebang yang ditinggalkan di hutan. Variasi kelonggaran pohon cukup tinggi.

7 Pengukuran Tanah mangrove

Analisis stok karbon di tanah mangrove membutuhkan upaya lebih dibandingkan dengan tanah mineral. Kondisi tanah mangrove relatif menantang karena karakteristik tanah, ini menciptakan potensi kesalahan pengukuran. Kualitas / jenis peralatan yang digunakan untuk mengambil contoh tanah di bawah tanah juga menghasilkan kesalahan pengukuran. Menggunakan peralatan yang berkualitas / bersertifikat akan mengurangi kesalahan.

Langkah-langkah untuk meminimalkan ketidakpastian pada Faktor Emisi

Mirip dengan data aktivitas, upaya untuk meminimalkan ketidakpastian melalui penguatan

penggunaan konsistensi SOP termasuk pelatihan dan peningkatan jumlah sampling. Dalam

kasus EF untuk penebangan, karena sistem inventarisasi hutan nasional belum memasukkan

jenis EF ini, upaya untuk mengurangi ketidakpastian akan dilakukan melalui kegiatan-kegiatan

berikut:

Mengembangkan dan meningkatkan protokol audit pemantauan,

Mengintegrasikan protokol audit pemantauan ke dalam kurikulum pusat pelatihan

kehutanan nasional, untuk menghasilkan auditor yang terampil dalam unit KPH di

Kalimantan Timur. Pusat pelatihan harus dilakukan secara berkala dengan mengundang

staf lapangan terkait dari Unit KPH,

Menyediakan alat / peralatan pendukung yang tepat untuk membuat proses

pemantauan/audit lebih efisien

3.1.3 Kuantifikasi ketidakpastian

Kuantifikasi ketidakpastian dalam REL dilakukan dengan menggunakan metode ‘penggandaan

kesalahan sederhana’ (IPCC 2006). Kami menghitung ketidakpastian semua data aktivitas dan

faktor emisi sebelum digabungkan ke dalam perkiraan ketidakpastian rata-rata emisi GHG

tahunan. Perkiraan ketidakpastian dari AD dan EF untuk deforestasi, degradasi, dekomposisi

gambut dan bakau tanah diambil dari FREL Nasional dan sumber lain termasuk penggunaan

penilaian ahli. Ketidakpastian dari data aktivitas dan faktor emisi yang dikaitkan dengan

kegiatan ER (deforestasi dan degradasi hutan, dll.) digabungkan menggunakan Persamaan 2

sedangkan total ketidakpastian estimasi emisi dari semua kegiatan, dihitung menggunakan

Persamaan 3. Ketidakpastian AD dan EF terkait dengan kegiatan REDD disajikan pada Tabel

L.2 3-3. Dengan menggunakan data ini, ketidakpastian estimasi emisi historis yang digunakan

untuk pembangunan FREL berkisar antara 21% dan 29% dengan rata-rata sekitar 25%.

Tabel L.2 3-3.Ketidakpastian dari Data Aktivitas dan Faktor Emisi pada aktivitas REDD

No Aktivatas Uncertainty (%) Catatan

1 Deforestasi Data Aktivitas

12

Sumber ketidakpastian berasal dari kualitas gambar satelit yang buruk, kesalahan manusia pada proses interpretasi, dan jumlah kebenaran tanah yang tidak memadai yang digunakan untuk penilaian akurasi. Kesalahan 12% hanya dihitung di kelas hutan, bukan kelas tutupan lahan secara


Faktor Emisi

29-44

keseluruhan. (Kemenhut, 2012, Margono et al. 2012). Metode untuk memperkirakan ketidakpastian biomasa hidup menggunakan penggandaan kesalahan (error propagation): sqrt(U1

2+ U22+ U3

2+ U4

2+ U52), subskrip 1, 2, 3, 4, dan 5 adalah

ketidakpastian untuk kesalahan pengukuran pohon (Dihitung), model alometrik (19,5% dari Chave et al, 2005), kerapatan kayu (Chave et al., 2004), konversi biomassa menjadi karbon (5,32% dari IPCC 2006), dan rasio root-shoot (20% dari IPCC 2006) masing-masing.

2 Degradasi Data Aktivitas Faktor Emisi

12

41-57

Sumber ketidakpastian berasal dari kualitas gambar satelit yang buruk, kesalahan manusia pada proses interpretasi, dan jumlah kebenaran tanah yang tidak memadai yang digunakan untuk penilaian akurasi. Kesalahan 12% hanya dihitung di kelas hutan, bukan kelas tutupan lahan secara keseluruhan. (Kemenhut, 2012, Margono et al. 2012). Metode untuk memperkirakan ketidakpastian biomasa hidup menggunakan penggandaan kesalahan (error propagation): sqrt(U1

2+ U22),

subskrip 1, dan 2 adalah ketidakpastian EF dari hutan primer dan hutan sekunder masing-masing.

3 Dekomposisi gambut Data Aktivitas Faktor Emisi

20

50-112

Sumber ketidakpastian berasal dari kualitas gambar satelit yang buruk, kesalahan manusia pada proses interpretasi, dan jumlah kebenaran tanah yang tidak memadai yang digunakan untuk penilaian akurasi (Ritung et al., 2011). Metode untuk memperkirakan ketidakpastian faktor emisi menggunakan penggandaan kesalahan: sqrt(U1

2+ U22), subskrip 1, dan 2 adalah

ketidakpastian EF tutupan lahan sebelum dan sesudah konversi masing-masing.

4 Kebakaran Gambut dan Hutan Data Aktivitas Faktor Emisi

50

75

Data aktivitas berasal dari data global hot spot dengan penilaian akurasi yang tidak memadai, dan dari asumsi yang digunakan untuk menentukan area yang terbakar. Kesalahan untuk parameter ini tinggi. Kesalahan dari parameter ini diambil dari studi oleh MRI (2013) di Kalimantan Tengah.


3.2 Pendekatan 2 – Simulasi Monte Carlo

Pada perhitungan ketidakpastian di sektor LULUCF, salah satu sumber ketidakpastian adalah

terkait dengan pemetaan penggunaan lahan yang mana terdapat korelasi antar data-data

terkait penggunaan lahan yang berbeda. Oleh karena itu digunakan pendekatan 2 (simulasi

Monte Carlo).

Untuk mengidentifikasi sumber utama ketidakpastian dalam estimasi fluks total, kami

memperoleh ketidakpastian parsial dari FE yang terkait dengan biomassa, FE yang terkait

dengan karbon tanah dan DA berdasarkan peta penggunaan lahan. Ketidakpastian parsial ini

diturunkan sebagai rentang ketidakpastian dari iterasi dalam simulasi Monte Carlo yang hanya

menyertakan sumber utama, dibagi oleh rentang ketidakpastian atas semua iterasi.

3.2.1 Kisaran ketidakpastian pada data masukan

Tiga kelompok utama dari parameter input diidentifikasi sebagai penyebab ketidakpastian dan

dievaluasi. Ini adalah ketidakpastian dari FE yang terkait dengan biomassa, FE yang terkait

dengan tanah dan DA berdasarkan peta penggunaan lahan. Beberapa input ini adalah

masukan Tier 1 yang disediakan dalam pedoman IPCC 2006. Dalam kasus ini rentang

ketidakpastian Tier 1 digunakan. Ketika data pengukuran tersedia, ketidakpastian faktor emisi

dihitung sebagai dua kali standar-kesalahan dari rata-rata yang dihitung dari pengukuran ini.

a. Ketidakpastian terkait biomassa

Ketidakpastian terkait biomassa termasuk ketidakpastian dalam stok biomassa (Tabel L.2 3-4)

dan (

Tabel L.2 3-5), rasio antara biomassa di atas tanah dan bawah tanah, perkiraan kayu mati dan

serasah (

Tabel L.2 3-5) dan parameter untuk perhitungan emisi dari kebakaran hutan (


Tabel L.2 3-6).

Tabel L.2 3-4.Kisaran ketidakpastian untuk biomassa non-hutan

Land use Biomass stock (kton/ha) Standar deviasi

Padang rumput & Heath 0.0068 0.00255

Lahan pertanian 0.005 0.001875

Tabel L.2 3-5.Kisaran ketidakpastian untuk biomassa hutan dan kayu mati

Parameter Tahun Satuan Nilai Standar deviasi

Growing stock 1990 m3/ha 157.98 1.93



BCEF 1990 kg/m3 714 5.71

BCEF 2003 kg/m3 736 6.06

BCEF 2013 kg/m3 764 5.98

R 1990 - 0.18 0.000708

R 2003 - 0.18 0.000625

R 2013 - 0.18 0.000717

Standing dead wood mass 1990 837.05 35.73



Lying dead wood mass 2003 1527.01 74.35

Lying dead wood mass 2013 1927.01 84.51


Tabel L.2 3-6. Rentang ketidakpastian untuk pembakaran liar

Parameter Nilai S.E.M. Satuan

Forest area burnt 37.77 10.38 Ha

NonForest area burnt 210 38.69 ha

Combustion efficiency Forest 0.45 0.16 -

Combustion efficiency NonForest 0.71 0.6 -

Gef_CO2_Forest 1569 131 g /kg

Gef_CO_Forest 107 37 g /kg

Gef_CH4_Forest 4.7 1 g /kg

Gef_N2O_Forest 0.26 0.07 g /kg

Gef_NOX_Forest 3 1.4 g /kg

Gef_CO2_NonForest 1613 95 g /kg

Gef_CO_NonForest 65 20 g /kg

Gef_CH4_NonForest 2.3 0.9 g /kg

Gef_N2O_NonForest 0.21 0.1 g /kg

Gef_NOX_NonForest 3.9 2.4 g /kg

b. Ketidakpastian terkait tanah

Ketidakpastian terkait tanah adalah ketidakpastian dalam penggunaan lahan dan stok karbon

spesifik jenis tanah dan rasio C-N untuk tanah mineral (Tabel L.2 3-7) dan fluks karbon untuk

tanah organik (Tabel L.2 3-8).

Tabel L.2 3-7. Kisaran ketidakpastian untuk stok karbon tanah dan rasio C-N untuk tanah

mineral

Tipe penggunaan lahan

Tipe tanah Cstock (tC/ha)

SEM (Cstock)

CN ratio (-) SEM (CN

ratio)

Padang rumput Brikgrond 78.3 5.47 15 2.50

Padang rumput Eerdgrond 87.84 6.47 15 2.50

Padang rumput Kalkhoudende zandgrond

58.55 7.65 17.3 0.21

Padang rumput Kalkloze zandgrond 86.56 2.76 23.4 1.34

Padang rumput Leemgrond 88.91 5.32 15 2.50

Padang rumput Onbepaald 105.64 1.65 15 2.50

Padang rumput Oude kleigrond 81.12 6.36 15 2.50

Padang rumput Podzol grond 116.07 4.01 25.6 0.31

Padang rumput Rivierklei grond 111.32 3.36 15 2.50

Padang rumput Zeekleigrond 113.66 2.77 15 2.50

Lahan pertanian Brikgrond 76.37 2.8 15 2.50

Lahan pertanian Eerdgrond 71.27 7.48 15 2.50

Lahan pertanian Kalkhoudende zandgrond

54.11 5.41 17.3 0.21

Lahan pertanian Kalkloze zandgrond 76.46 4.34 23.4 1.34

Lahan pertanian Leemgrond 81.54 6.05 15 2.50

Lahan pertanian Onbepaald 82.47 1.98 15 2.50

Lahan pertanian Oude kleigrond 83.86 19.96 15 2.50

Lahan pertanian Podzol grond 107.56 6.94 25.6 0.31


Lahan pertanian Rivierklei grond 84.57 6.12 15 2.50

Lahan pertanian Zeekleigrond 80.6 2.18 15 2.50

Kyoto Forest Brikgrond 82.47 12.77 15 2.50

Kyoto Forest Eerdgrond 99.53 17.39 15 2.50

Kyoto Forest Kalkhoudende zandgrond

32.16 5.78 17.3 0.21

Kyoto Forest Kalkloze zandgrond 57.39 5.18 23.4 1.34

Kyoto Forest Leemgrond 112.18 15.41 15 2.50

Kyoto Forest Onbepaald 87.68 3.73 15 2.50

Kyoto Forest Oude kleigrond 61.39 34.37 15 2.50

Kyoto Forest Podzol grond 92.23 4.68 25.6 0.31

Kyoto Forest Rivierklei grond 139.95 7.45 15 2.50

Kyoto Forest Zeekleigrond 139.49 10.54 15 2.50

Lahan basah Brikgrond 82.47 12.77 15 2.50

Lahan basah Eerdgrond 99.53 17.39 15 2.50

Lahan basah Kalkhoudende zandgrond

32.16 5.78 17.3 0.21

Lahan basah Kalkloze zandgrond 57.39 5.18 23.4 1.34

Lahan basah Leemgrond 112.18 15.41 15 2.50

Lahan basah Onbepaald 87.68 3.73 15 2.50

Lahan basah Oude kleigrond 61.39 34.37 15 2.50

Lahan basah Podzol grond 92.23 4.68 25.6 0.31

Lahan basah Rivierklei grond 139.95 7.45 15 2.50

Lahan basah Zeekleigrond 139.49 10.54 15 2.50

Permukiman Brikgrond 74.22 11.49 15 2.50

Permukiman Eerdgrond 89.57 15.65 15 2.50

Permukiman Kalkhoudende zandgrond

28.94 5.2 17.3 0.21

Permukiman Kalkloze zandgrond 51.65 4.66 23.4 1.34

Permukiman Leemgrond 100.96 13.87 15 2.50

Permukiman Onbepaald 78.91 3.36 15 2.50

Permukiman Oude kleigrond 55.25 30.94 15 2.50

Permukiman Podzol grond 83.01 4.21 25.6 0.31

Permukiman Rivierklei grond 125.96 6.7 15 2.50

Permukiman Zeekleigrond 125.54 9.48 15 2.50

Padang rumput Brikgrond 78.3 5.47 15 2.50

Padang rumput Eerdgrond 87.84 6.47 15 2.50

Padang rumput Kalkhoudende zandgrond

58.55 7.65 17.3 0.21

Padang rumput Kalkloze zandgrond 86.56 2.76 23.4 1.34

Padang rumput Leemgrond 88.91 5.32 15 2.50

Padang rumput Onbepaald 105.64 1.65 15 2.50

Padang rumput Oude kleigrond 81.12 6.36 15 2.50

Padang rumput Podzol grond 116.07 4.01 25.6 0.31

Padang rumput Rivierklei grond 111.32 3.36 15 2.50

Padang rumput Zeekleigrond 113.66 2.77 15 2.50

Lahan basah Brikgrond 82.47 12.77 15 2.50


Lahan basah Eerdgrond 99.53 17.39 15 2.50

Lahan basah Kalkhoudende zandgrond

32.16 5.78 17.3 0.21

Lahan basah Kalkloze zandgrond 57.39 5.18 23.4 1.34

Lahan basah Leemgrond 112.18 15.41 15 2.50

Lahan basah Onbepaald 87.68 3.73 15 2.50

Lahan basah Oude kleigrond 61.39 34.37 15 2.50

Lahan basah Podzol grond 92.23 4.68 25.6 0.31

Lahan basah Rivierklei grond 139.95 7.45 15 2.50

Lahan basah Zeekleigrond 139.49 10.54 15 2.50

Tabel L.2 3-8.Kisaran ketidak pastian untuk fluks karbon tanah dari tanah organik

Land use Soil type Soil Flux S.E.M.

Padang rumput / Lahan pertanian / Permukiman

Veengrond 19.03 9.51

Padang rumput / Lahan pertanian / Permukiman

Moerige grond 13.02 6.51

c. Ketidakpastian terkait penggunaan lahan

Ketidakpastian terkait penggunaan lahan dinyatakan dalam bentuk confusion matrix,

berdasarkan Kramer et al. 2015. Matriks ini menyediakan PDF dari penggunaan lahan dalam

suatu piksel, dengan klasifikasi piksel (Tabel L.2 3-9, Kramer dan Clement 2015 tabel 2.12).

Dengan menggunakan PDF tersebut, peta alternatif acak dihasilkan untuk setiap iterasi.

Meskipun ketidakpastian aktual dalam pemetaan penggunaan lahan akan melibatkan korelasi

otomatis spasial dan temporal, hal tersebut tidak diperhitungkan di sini karena kurangnya data.

Confusion matrix ini memiliki bias dari permukiman dan lahan lain (settlements and other land)

ke padang rumput, lahan pertanian dan hutan. Karena confusion matrix bersifat asimetris,

ketidakpastian terkait penggunaan lahan dinilai sebagai kisaran iterasi dengan hanya biomassa

dan ketidakpastian terkait tanah dan iterasi dengan ketidakpastian terkait biomassa, tanah dan

penggunaan lahan.

Tabel L.2 3-9.Confusion matrix untuk peta penggunaan lahan

PDF Classification

Oth

er

Lan

d

Pad

an

g

rum

pu

t

Lah

an

pert

an

ian

Kyo

to

Fo

rest

Lah

an

basah

Perm

uki

man

Heath

Reed

Other Land 0.94 0.04 - 0.02 - - - -

Padang rumput

0.00 0.98 0.02 0.00 - 0.00 - -

Lahan pertanian

- 0.03 0.97 - - - - -

Kyoto Forest - 0.01 - 0.99 - - - -

Lahan basah - - - - 1.00 - - -

Permukiman - 0.07 0.02 0.01 - 0.90 - -

Heath - - - - - - 1.00 -

Reed - - 0.02 - 0.02 - 0.02 0.94


3.2.2 Simulasi Monte Carlo

Secara total 683 iterasi dilakukan untuk analisis Monte Carlo. Dari iterasi ini, 1 adalah iterasi

nominal tanpa permutasi dalam parameter input. Dari iterasi ini, 104 hanya mengatasi

ketidakpastian tanah, 103 hanya mengatasi ketidakpastian biomassa dan 104 mengatasi

ketidakpastian tanah dan biomassa, membuat total 312 iterasi tanpa ketidakpastian dari peta

penggunaan lahan. Tambahan iterasi sebanyak 371 dilakukan dengan menyertakan

ketidakpastian dari peta penggunaan lahan (dengan atau tanpa ketidakpastian biomassa dan

ketidakpastian tanah). Jumlah iterasi yang digunakan untuk analisis didasarkan pada batasan

waktu. Tidak ada uji yang dilakukan untuk melihat konvergensi hasil.

a. Total ketidakpastian

Penghitungan emisi GRK dari LULUCF menghasilkan banyak output rinci. Pada bagian ini

hanya disajikan rentang ketidakpastian untuk tahun 2014 (Tabel L.2 3-10).

Tabel L.2 3-10. Rentang ketidakpastian per-kategori untuk 2014

Greenhouse Gas Source And Sink Categories

Net CO2 emissions/removals

(min, max)

4. Total LULUCF (-38%, + 64%)

A. Forest land (10%, + -12%)

1. Forest land remaining forest land (11%, + -14%)

2. Land converted to forest land (26%, + -21%)

B. Lahan pertanian (-39%, + 44%)

1. Lahan pertanian remaining Lahan pertanian (-61%, + 60%)

2. Land converted to Lahan pertanian (-45%, + 61%)

C. Padang rumput (-62%, + 75%)

1. Padang rumput remaining Padang rumput (-60%, + 68%)

2. Land converted to Padang rumput (-220%, + 340%)

D. Lahan basah(3) (-67%, + 76%)

1. Lahan basahs remaining Lahan basah IE,NO

2. Land converted to Lahan basah (-67%, + 76%)

E. Permukimans (-23%, + 69%)

1. Permukimans remaining Permukiman (-64%, + 53%)

2. Land converted to Permukiman (-17%, + 90%)

F. Other land (4) (-3%, + 152%)

1. Other land remaining other land

2. Land converted to other land (-3%, + 152%)

G. Harvested wood products (5) (-8%, + 1%)

H. Other (please specify) IE,NE,NO

Secara umum kita melihat bahwa ketidakpastian untuk berbagai kategori berbeda. Untuk

beberapa kategori, rentang ketidakpastian yang sangat asimetris terjadi. Secara umum

ketidakpastian dalam penyimpan lahan hutan lebih kecil dari ketidakpastian emisi dari

penggunaan lahan lainnya. Lebih jauh lagi, total emisi cenderung berada di bawah perkiraan.

Perlu disebutkan bahwa ketidakpastian relatif adalah fungsi dari ukuran total emisi atau

penyerapan yang dilaporkan. Oleh karena itu, ketidakpastian relatif besar pada nilai kecil akan


berdampak kecil pada ketidakpastian total. Ketika melihat kontribusi dari berbagai kategori

terhadap total emisi, kita melihat bahwa padang rumput yang tersisa di padang rumput

menyumbang 68% dari emisi bersih dan lahan pertanian secara keseluruhan untuk 42% dari

emisi bersih, sementara hutan yang tersisa menyumbang untuk penyerapan sebesar 35% dari

emisi bersih. Kategori lain berkontribusi maksimal 19% (lahan dikonversi ke permukiman).

Kategori dengan ketidakpastian terbesar (lahan yang dikonversi ke padang rumput) hanya

menyumbang 6% dari total emisi bersih.

b. Variabilitas temporal dalam ketidakpastian

.


Tabel L.2 3-11 memberikan nilai ketidakpastian untuk tahun 2014. Ketidakpastian ini tidak stabil

dari waktu ke waktu, karena sumber data yang berbeda memiliki resolusi temporal yang

berbeda. Berdasarkan nilai-nilai tersebut terlihat bahwa ketidakpastian bernilai besar pada

lahan yang dikonversi ke padang rumput. Sekali lagi penyebab utama untuk ketidakpastian

tersebut adalah bahwa nilai absolutnya kecil, dan oleh karena itu ketidakpastian serupa dalam

nilai absolut menghasilkan ketidakpastian relatif yang ekstrem sekitar tahun 2010.


Tabel L.2 3-11. Evolusi temporal dari berbagai ketidak pastian berdasarkan kategori



c. Ketidakpastian parsial

Untuk memperkirakan kontribusi relatif dari sumber ketidakpastian yang berbeda terhadap

perkiraan ketidakpastian total, perhitungan dilakukan perhitungan ketidakpastian parsial.

Ketidakpastian parsial dibahas di sini untuk 2014 (


Tabel L.2 3-12). Ketidakpastian parsial dihitung dalam dua cara berbeda. Untuk ketidakpastian

parsial biomassa dan tanah, rentang ketidakpastian ditentukan oleh simulasi monte carlo

difokuskan pada ketidakpastian ini. Nilai minimum dan maksimum dari interval 95% dari hasil

kemudian dinyatakan relatif terhadap nilai minimum dan maksimum interval 95% dari simulasi

monte carlo dengan semua ketidakpastian disertakan. Dengan demikian, minimum dan

maksimum ini dapat bernilai lebih dari 100% jika ketidakpastian parsial lebih tinggi daripada

ketidakpastian total (karena efek dari ketidakpastian yang berbeda bersifat negatif satu sama

lain). Ketidakpastian parsial yang disebabkan oleh masuknya ketidakpastian peta dihitung

dengan mengekstraksi ketidakpastian dari simulasi monte carlo difokuskan pada ketidakpastian

biomassa dan tanah dari ketidakpastian total. Ketidakpastian yang tersisa ditafsirkan sebagai

ketidakpastian dalam peta.

Dalam menganalisis ketidakpastian ini kita melihat bahwa ketidakpastian parsial dapat serupa

dalam ukuran. Namun kontribusi relatif dari ketidakpastian parsial dapat sangat bias.

Ketidakpastian dalam biomassa terutama bertanggung jawab atas ketidakpastian di lahan

hutan, dan lahan dikonversi ke daratan lain. Meskipun memiliki nilai lebih pada jangkauan

maksimum daripada pada kisaran minimum. Hal ini disebabkan oleh biomassa yang relatif

besar di lahan berhutan, dan pengaruh biomassa terhadap emisi lahan yang dikonversi.

Ketidakpastian dalam parameter tanah memiliki dampak besar pada total emisi. Semua rentang

maksimum dapat dipertanggungjawabkan oleh ketidakpastian ini. Meskipun ini hanya

merupakan kontribusi kecil terhadap ketidakpastian terkait dengan lahan hutan, ini adalah

sumber utama ketidakpastian untuk kategori Lahan pertanian dan Padang rumput. Karena itu

juga memiliki kontribusi besar terhadap lahan yang dikonversi ke penggunaan lahan lainnya.

Untuk Lahan dan Pemukiman Lainnya, kontribusi ini terutama untuk kisaran minimum, bukan

kisaran maksimum.

Ketidakpastian yang tidak dapat dijelaskan oleh ketidakpastian dalam biomassa dan parameter

tanah dikaitkan dengan ketidakpastian dalam peta penggunaan lahan. Karena confusion matrix

peta penggunaan lahan memiliki bias, efek ketidakpastian ini terhadap ketidakpastian total juga

memiliki bias. Khususnya lahan lain dan kategori pemukiman mengalami ketidakpastian yang

condong dengan kisaran nilai minimum yang terutama ditentukan oleh ketidakpastian dalam

peta penggunaan lahan.


Tabel L.2 3-12. Ketidakpastian parsial per-kategori sebagai persentase dari ketidakpastian total

Greenhouse Gas Source And Sink Categories Biomass Soil Map

2014 2014 2014

4. Total LULUCF (8%, 15%) (65%, 111%) (17%, 0%)

A. Forest land (103%, 130%) (16%, 21%) (0%, 0%)

1. Forest land remaining forest land (98%, 147%) (0%, 0%) (4%, 0%)

2. Land converted to forest land (90%, 74%) (77%, 66%) (4%, 22%)

B. Lahan pertanian (73%, 105%) (87%, 90%) (1%, 0%)

1. Lahan pertanian remaining Lahan pertanian

(0%, 0%) (116%, 106%) (0%, 4%)

2. Land converted to Lahan pertanian (77%, 131%) (43%, 55%) (29%, 0%)

C. Padang rumput (30%, 30%) (125%, 103%) (0%, 0%)

1. Padang rumput remaining Padang rumput

(0%, 0%) (127%, 100%) (0%, 8%)

2. Land converted to Padang rumput (79%, 102%) (49%, 65%) (23%, 0%)

D. Lahan basahs(3) (95%, 126%) (67%, 81%) (3%, 0%)

1. Lahan basahs remaining Lahan basahs

2. Land converted to Lahan basahs (95%, 126%) (67%, 81%) (3%, 0%)

E. Permukimans (14%, 45%) (44%, 123%) (58%, 0%)

1. Permukimans remaining Permukimans (0%, 0%) (137%, 83%) (0%, 9%)

2. Land converted to Permukimans (14%, 78%) (26%, 139%) (73%, 0%)

F. Other land (4) (1%, 76%) (2%, 109%) (98%, 0%)

1. Other land remaining other land

2. Land converted to other land (1%, 76%) (2%, 109%) (98%, 0%)

G. Harvested wood products (5) (123%, 12%) (0%, 0%) (0%, 86%)

H. Other (please specify)

LAMPIRAN 3. ANALISIS KATEGORI KUNCI

LAMPIRAN 3.

ANALISIS KATEGORI KUNCI

Analisis Ketegori Kunci 67

1. PENDAHULUAN

Key Category Analysis atau KCA merupakan analisis yang digunakan untuk mengidentifikasi

sumber/rosot yang menjadi prioritas (kategori kunci) dalam sistem inventarisasi GRK nasional,

karena besar emisi/serapan memiliki pengaruh besar terhadap total inventarisasi GRK, baik dari

nilai absolut, tren dan tingkat ketidakpastiannya. Kategori kunci merujuk pada sumber (sources)

maupun rosot (sink).

Pelaksanaan KCA sendiri telah diatur dalam IPCC Good Practice (Chapter 7) dan IPCC 2006

GL (Volume.I, Chapter 4) dan memiliki tujuan untuk:

Mengindentifikasi sumber/rosot yang perlu diprioritaskan apabila sumberdaya terbatas

untuk pelaksanaan inventarisasi GRK. Ini adalah upaya yang baik untuk perbaikan

inventarisasi yang difokuskan pada sumber/rosot yang sudah diidentifikasi sebagai

kategori kunci;

Mengindentifikasi sumber/rosot yang perlu menggunakan tier yang lebih tinggi;

Mengidentifikasi sumber/rosot mana yang perlu mendapatkan perhatian khusus untuk

dilakukan penjaminan dan pengendalian mutu (QA/QC).

2. PENDEKATAN UMUM DALAM ANALISIS KATEGORI KUNCI

Kategori kunci memiliki peranan yang sangat penting dalam sistem inventarisasi GRK nasional.

Terdapat tiga aspek penting yang menyebabkan analisis kategori kunci perlu dilakukan.

Pertama adalah identifikasi kategori kunci dapat meningkatkan efisiensi dari sisi sumber daya

(resources) dalam pelaksanaan inventarisasi GRK nasional. Penyelenggara invetarisasi GRK

nasional dapat fokus untuk mengembangkan data dan metode untuk kategori-kategori kunci.

Kedua adalah hasil analisis kategori kunci dapat mendorong penyelenggara inventarisasi GRK

nasional untuk fokus menggunakan metoda tier yang lebih tinggi pada kategori-kategorikunci

tertentu. Ketiga, hasil dari analisis kategori kunci dapat mendorong penyelenggara inventarisasi

GRK nasional untuk melaksanakan penjaminan dan pengendalian mutu (QA/QC) pada

kategori-kategori kunci tertentu terlebih dahulu. Hal ini dapat meningkatkan efektifitas dalam

kegiatan inventarisasi GRK.

Alur pendekatan umum dalam pelaksanaan analisis kategori kunci dijelaskan secara detail

pada Gambar L.3 2-1. Ada 2 pendekatan untuk melakukan analisis kategori kunci, yang

keduanya mengidentifikasi kategori kunci dalam hal kontribusi mereka terhadap tingkat absolut

emisi nasional dan serapan serta kecenderungan emisi dan serapan. Pendekatan I

mengindentifikasi kategori kunci menggunakan ambang emisi kumulatif yang ditentukan

sebelumnya. Kategori-kategori kunci adalah emisi/serapan dengan nilai kumulatif mencapai

95% terhadap tingkat total emisi. Pendekatan II menggunakan kompiler inventarisasi, jika

ketidakpastian kategori atau ketidakpastian parameter tersedia. Pada pendekatan II, kategori

kunci diurutkan berdasarkan kontribusinya terhadap ketidakpastian.

Proses ini dimulai dengan memeriksa kelengkapan data/informasi untuk melaksanakan analisis

kategori kunci. Jika hasil analisis ketidakpastian country specific untuk tiap kategori tersedia,

maka penyelenggara inventarisasi GRK dapat menggunakan analisis kuantitatif yang terdiri dari

metode penilaian tingkat (level assessment) dan penilaian tren (trend assessment) untuk

pendekatan I dan pendekatan II. Penjelasan mendalam mengenai dua jenis pendekatan

tersebut akan dijelaskan pada subbab berikutnya. Selain itu, analisis kualitatif juga dapat

digunakan pada tahapan ini. Sebaliknya, jika data inventarisasi GRK yang tersedia hanya data

lebih dari satu tahun, maka penentuan kategori kunci terbatas hanya menggunakan metode


penilaian tingkat, penilaian tren yang menggunakan pendekatan I serta kriteria kualitatif saja.

IPCC juga mengakomodasi penentuan kategori kunci untuk negara yang hanya memiliki data

inventarisasi GRK untuk periode satu tahun saja yaitu dengan menggunakan penilaian tingkat

(pendekatan I) dan kriteria kualitatif.

Jika data yang dibutuhkan untuk analisis kategori kunci tidak tersedia sama sekali, maka

penyelenggara inventarisasi GRK diperbolehkan untuk hanya menggunakan kriteria kualitatif.

Detail untuk tiap metode akan dijelaskan pada sub-bab berikutnya.

Gambar L.3 2-1. Decision tree untuk identifikasi kategori kunci

3. PENDEKATAN I UNTUK ANALISIS KATEGORI KUNCI

3.1 Penilaian Tingkat (Level Assessment) dengan Pendekatan I

Pendekatan I menilai pengaruh berbagai kategori sumber emisi dan serapan berdasarkan

tingkat (level) dan kecenderungan (trend) terhadap inventarisasi GRK nasional apabila data

inventarisasi GRK tersedia beberapa tahun. Jika data inventarisasi hanya 1 tahun tersedia,

maka hanya dilakukan penilaian tingkat (level assessment) emisi. Pendekatan I merupakan

pendekatan yang sederhana dan dapat dengan mudah dilakukan menggunakan analisis

spreadsheet.

Kontribusi setiap kategori sumber emisi atau serapan terhadap tingkat inventarisasi nasional

total berdasarkan penilaian tingkat (level assessment) dihitung menurut Persamaan L.3 3-1.


Persamaan L.3 3-1. Metode penilaian tingkat (pendekatan I)

𝐾𝑒𝑦 𝑐𝑎𝑡𝑒𝑔𝑜𝑟𝑦 𝑙𝑒𝑣𝑒𝑙 𝑎𝑠𝑠𝑒𝑠𝑠𝑚𝑒𝑛𝑡 = |𝑠𝑜𝑢𝑟𝑐𝑒 𝑜𝑟 𝑠𝑖𝑛𝑘 𝑐𝑎𝑡𝑒𝑔𝑜𝑟𝑦 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑒| 𝑡𝑜𝑡𝑎𝑙 𝑐𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑜𝑛⁄

𝐿𝑥,𝑡 = |𝐸𝑥,𝑡|/ ∑|𝐸𝑦,𝑡|

𝑦

Dimana:

𝐿𝑥,𝑡 : penilaian tingkat sumber atau rosot ke-x pada tahun inventarisasi ke-t

|𝐸𝑥,𝑡| : nilai absolut emisi atau serapan dari sumber atau rosot ke-x pada tahun ke-t

∑|𝐸𝑦,𝑡|

𝑦

: total sumbangan, yaitu total dari nilai absolut emisi dan serapan pada tahun ke-t

dihitung menurut tingkat agregat yang dipilih oleh negara tersebut. Karena emisi

dan serapan dalam bentuk nilai absolut maka nilai total bisa lebih besar dari

besar emisi bersih (emisi – serapan).

Kategori kunci berdasarkan


Persamaan L.3 3-1 dilakukan dengan menentukan kontribusi emisi absolut suatu kategori

terhadap emisi total sektor/nasional. Kemudian, persentase kontribusi emisi per kategori

diurutkan dari nilai terbesar hingga terkecil dan dijumlahkan hingga mendapatkan nilai kumulatif

sebesar 95%. Kategori sumber emisi yang masuk dalam batas 95% dapat diasumsikan sebagai

kategori kunci. Untuk memudahkan pemahaman terkait analisis kategori kunci, IPCC

menyediakan format spreadsheet untuk perhitungan pada Tabel L.3 3-1 berikut:

Tabel L.3 3-1. Spreadsheet untuk analisis pendekatan I – Metode penilaian tingkat

A B C D E F G

Kode kategori

IPCC

Kategori IPCC

Gas Rumah Kaca

Estimasi tahun

terakhir 𝐸𝑥,𝑡 dalam

CO2eq

Nilai estimasi absolut tahun

terakhir

|𝐸𝑥,𝑡|

Penilaian Tingkat

𝐿𝑥,𝑡

Total kumulatif (kolom F)

Total ∑|𝐸𝑦,𝑡|

𝑦

1

3.2 Pedoman dan Langkah Metode Penilaian Tingkat (Pendekatan I)

Instruksi:

Implementasi prosedur Analisis

Kategori Kunci/KCA merupakan

bagian penting dari

pengembangan sistem IGRK di

Indonesia. Seperti dijelaskan

dalam pedoman IPCC

(guidelines 2006), pelaksanaan

KCA bertujuan untuk membantu

dalam mengindentifikasi

sumber/rosot yang perlu

diprioritaskan dalam sistem

inventarisasi GRK.

Langkah 1: Masukkan semua kategori inventarisasi GRK sesuai dengan Tabel L.3 3-1

A B C D E F G

Kode kategori

IPCC

Kategori IPCC Gas Rumah Kaca

Estimasi tahun

terakhir CO2eq


terakhir

Penilaian Tingkat


1A Kategori Emisi CO2 X X

2B Kategori Removal

CO2 -Y Y

3C Kategori Emisi CH4 Z Z

4A Kategori Removal

CO2 -A A

5B Kategori Emisi N2O B B

… Kategori lainnya … … ….

Total 1

Instruksi menjalankan KCA-penilaian tingkat Langkah 1: Masukan semua kategori invetarisasi

GRK di spreadsheet Tabel L.3 3-1 pada kolom A- D

Langkah 2: Bagi nilai absolut emisi per kategori dengan total dari nilai absolut emisi dan serapan pada tahun ke-t (kolom F)

Langkah 3: Urutkan estimasi kategori emisi berdasarkan nilai penilaian tingkat (dari terbesar hingga terkecil) pada kolom F

Langkah 4: Jumlahkan nilai kumulatif kontribusi sumber/sorot (nilai absolut besar ke kecil) hingga mendapatkan angka 95% pada kolom G


Langkah 2: Bagi nilai absolut emisi per kategori dengan total dari nilai absolut emisi dan

serapan pada tahun ke-t

A B C D E F G

Kode kategori

IPCC


Estimasi tahun

terakhir CO2eq


terakhir

Penilaian Tingkat


1A Kategori Emisi CO2 X X 15%

2B Kategori Emisi CO2 -Y Y 40%

3C Kategori Emisi CH4 Z Z 5%

4A Kategori Removal

CO2 -A A 2%

5B Kategori Emisi N2O B B 25%


Total

Langkah 3: Urutkan estimasi kategori emisi berdasarkan nilai penilaian tingkat (dari nilai

terbesar hingga terkecil)

A B C D E F G

Kode kategori

IPCC


Estimasi tahun

terakhir CO2eq


terakhir

Penilaian Tingkat


2B Kategori Emisi CO2 -Y Y 40%

5B Kategori Emisi N2O B B 25%

1A Kategori Emisi CO2 X X 15%

3C Kategori Emisi CH4 Z Z 5%

4A Kategori Removal

CO2 -A A 2%


Total


Langkah 4: Jumlahkan nilai kumulatif kontribusi sumber/sorot (nilai absolut besar ke kecil)

hingga mendapatkan angka 95% sehingga dapat ditemukan kategori kunci

A B C D E F G

Kode kategori

IPCC


Estimasi tahun

terakhir CO2eq


terakhir

Penilaian Tingkat


2B Kategori Emisi CO2 -Y Y 40% 40%

5B Kategori Emisi N2O B B 25% 65%

1A Kategori Emisi CO2 X X 15% 90%

3C Kategori Emisi CH4 Z Z 5% 95%

4A Kategori Removal

CO2 -A A 2% 97%


Total

Metode penilaian tingkat/level assessment harus dilakukan pada tahun dasar dan tahun terakhir

inventarisasi. Jika nilai estimasi tahun dasar berubah atau dihitung ulang, analisis kategori kunci

harus diperbaharui. Kategori-kategori yang masuk di ambang batas 95% di tahun dasar dan

tahun terakhir inventarisasi dapat diklasifikasikan sebagai kategori kunci. Namun, interpretasi

dari hasil KCA seharusnya tetap menggunakan informasi dari tahun-tahun perhitungan lainnya.

Hal ini dikarenakan terdapat beberapa kategori memiliki nilai emisi yang fluktuatif setiap

tahunnya. Kemungkinan kategori tersebut telah teridentifikasi sebagai kategori kunci pada

tahun tertentu namun tidak untuk di tahun inventarisasi lainnya. Jika ada kategori yang memiliki

nilai kumulatif kontribusi berada diantara 95-97%, penyelenggara inventarisasi GRK disarankan

untuk membandingkan informasi tersebut dengan hasil perhitungan di tahun sebelumnya

ataupun menggunakan metode KCA lain seperti metode penilaian tren/trend assessment.

3.3 Penilaian Tren (Level Assessment)

Tujuan dari penilaian tren adalah untuk mengidentifikasi kategori-kategori kunci yang mungkin

tidak terlalu signifikan diidentifikasi menggunakan metode penilaian tingkat. Metode ini

digunakan berdasarkan tren emisi/serapan dari tahun dasar hingga tahun perhitungan

inventarisasi. Analisis kategori kunci menggunakan metode penilaian tren diformulasi

berdasarkan Persamaan L.3 3-2 (jika tersedia data inventarisasi GRK yang lebih dari periode

satu tahun).

Persamaan L.3 3-2. Metode penilaian tren (pendekatan I)

𝑇𝑥,𝑡 =|𝐸𝑥,0|

∑ |𝐸𝑦,0|𝑦

∎ |[(𝐸𝑥,𝑡 − 𝐸𝑥,0)

⌈𝐸𝑥,0⌉] −

(∑ 𝐸𝑦,𝑡 −𝑦 ∑ 𝐸𝑦,0𝑦 )

|∑ 𝐸𝑦,0𝑦 ||

Dimana:

𝑇𝑥,𝑡 : penilaian tren untuk kategori sumber dan rosot ke-x tahun ke-t

dibanding tahun ke-0 (base year)

|𝐸𝑥,0| : nilai absolut emisi atau serapan dari kategori sumber atau rosot ke-x

tahun ke-0

(𝐸𝑥,𝑡 & 𝐸𝑥,0) : nilai estimasi ril dari ketegori sumber atau rosot ke-x tahun ke-t dan

tahun ke-0

∑ 𝐸𝑦,𝑡

𝑦

& ∑ 𝐸𝑦,0

𝑦

: total dugaan inventarisasi tahun ke-t dan tahun ke-0


Untuk kondisi dimana emisi tahun dasar untuk kategori bernilai sama dengan nol, Persamaan

L.3 3-2 kemudian di modifikasi untuk menghindari kesalahan perhitungan menjadi Persamaan

L.3 3-3.

Persamaan L.3 3-3. Modifikasi rumus analisis tren jika emisi pada tahun baseline sama dengan

nol

𝑇𝑥,𝑡 = |𝐸𝑥,𝑡 ∑|𝐸𝑦,0|

𝑦

⁄ |

Metode penilaian tren digunakan untuk mengidentifikasi tren dari suatu kategori terhadap tren

total emisi serapan GRK. Kategori-kategori yang memiliki tren berbeda dengan tren total harus

diidentifikasi sebagai kategori kunci, dimana perbedaan ini berdasarkan pada kategori tingkat

emisi/serapan pada tahun dasar. Untuk memudahkan proses analisis tren, IPCC membuat

format spreadsheet untuk perhitungan pada Tabel L.3 3-2 berikut:

Tabel L.3 3-2. Spreadsheet untuk analisis pendekatan I – Metode analisis tren

A B C D E F G H

Kode

kategori

IPCC

Kategori

IPCC

Gas

Rumah

Kaca

Estimasi

tahun dasar

𝐸𝑥,0 (CO2eq)

Estimasi

tahun akhir

𝐸𝑥,𝑡 (CO2eq)

Analisis

tren

𝑇𝑥,𝑡

%

Kontribusi

terhadap

tren

Total

Kumulatif

Total ∑|𝑇𝑦,𝑡|

𝑦

3.4 Pedoman dan Langkah Metode Analisis Tren (Pendekatan I)

Instruksi:

Implementasi prosedur KCA

merupakan bagian penting

dari pengembangan sistem

IGRK di Indonesia. Seperti

dijelaskan dalam pedoman

IPCC (guidelines 2006),

pelaksanaan KCA bertujuan

untuk membantu untuk

mengindentifikasi

sumber/rosot yang perlu

diprioritaskan dalam sistem

inventarisasi GRK.

Instruksi menjalankan KCA-analisis tren (I) Langkah 1: Masukan semua kategori invetarisasi GRK

di spreadsheet Tabel L.3 3-3 kolom A - E Langkah 2: Masukan nilai emisi dan serapan per

kategori untuk tahun ke-0 dan tahun ke-t Langkah 3: Hitung nilai analisis tren dengan

menggunakan Persamaan L.3 3-2 atau Persamaan L.3 3-3 Persamaan L.3 3-3.

kolom F Langkah 4: Buatlah persentase kontribusi kategori

terhadap total analisis tren kolom G Langkah 5: Jumlahkan nilai kumulatif kontribusi

sumber/sorot (nilai absolut besar ke kecil) hingga mendapatkan angka 95% kolom H


Tabel L.3 3-3. Penjelasan langkah 1 - langkah 4 untuk analisis tren (Pendekatan I)

A B C D E F G H

Kode

kategori

IPCC

Kategori

IPCC

Gas

Rumah

Kaca

Estimasi

tahun dasar

𝐸𝑥,0 (CO2eq)

Estimasi

tahun akhir


Analisis tren

𝑇𝑥,𝑡

%

Kontribusi

terhadap

tren

Total

Kumulatif

(Kolom G)

1A Kategori

Emisi

CO2 80 90 0.088808974 27%

2B Kategori

Emisi

CO2 50 99 0.07364847 22%

3C Kategori

Emisi

CH4 110 190 0.078038718 23%

4A Kategori

Emisi

CO2 71 80 0.078440321 23%

5B Kategori

Emisi

N2O 20 35 0.015562107 5%

Total 331 494

Langkah terakhir untuk menentukan kategori kunci adalah dengan mengurutkan persentase

kontribusi terhadap tren (kolom G) dari nilai terbesar hingga terkecil seperti yang ditunjukan

pada Tabel L.3 3-4. Berdasarkan contoh tersebut, terdapat 4 kategori kunci berada pada

kisaran total kumulatif 95% dari kontribusi tren kategori terhadap nilai totalnya.

Tabel L.3 3-4. Contoh penggunaan analisis tren (Pendekatan I) untuk penentuan kategori kunci

A B C D E F G H

Kode

kategori

IPCC

Kategori

IPCC

Gas

Rumah

Kaca

Estimasi

tahun dasar

𝐸𝑥,0 (CO2eq)

Estimasi

tahun akhir


Analisis tren

𝑇𝑥,𝑡

%

Kontribusi

terhadap

tren

Total

Kumulatif

(Kolom G)

1A Kategori

Emisi

CO2 80 90 0.088808974 27% 27%

3C Kategori

Emisi

CH4 110 190 0.078038718 23% 50%

4A Kategori

Removal

CO2 71 80 0.078440321 23% 73%

2B Kategori

Emisi

CO2 50 99 0.07364847 22% 95%

5B Kategori

Emisi

N2O 20 35 0.015562107 5% 100%

Total 331 494 0.33449859

Pada dasarnya, metode ini memperlakukan tren yang mengalami peningkatan ataupun

penurunan dalam kondisi yang sama. Namun, terdapat beberapa kemungkinan dimana suatu

negara tidak akan melakukan penelitian lebih lanjut untuk kategori sumber/rosot yang memiliki

tren menurun. Hal ini dikarenakan besarnya sumber daya/resources yang dibutuhkan untuk

melaksanakan aktivitas tersebut.

Tren penurunan kategori emisi terhadap total inventarisasi yang signifikan juga dapat menjadi

indikasi bahwa telah terjadi penurunan data aktivitas dan faktor emisi yang diakibatkan oleh

aksi mitigasi. Terlepas dari apapun metodologi yang digunakan untuk menentukan kategori

kunci, lembaga penyelenggara inventarisasi GRK harus menginformasikan mengenai metode


yang digunakan untuk analisis kategori kunci serta penerapan pedoman QA/QC dalam kegiatan

ini.

4. PENDEKATAN II UNTUK ANALISIS KATEGORI KUNCI

4.1 Penilaian Tingkat (Level Assessment) dengan Pendekatan II

Penilaian tingkat emisi dengan menggunakan pendekatan II mengkombinasikan hasil analisis

ketidakpastian (uncertainty analysis) dengan hasil analisis penilaian tingkat pendekatan I.

Proses ini akan memberikan informasi lebih akurat dibandingkan dengan pendekatan I terkait

dengan penentuan kategori kunci. Formulasi metode untuk penilaian tingkat yang berbasis

pada pendekatan II adalah sebagai berikut:

Persamaan L.3 4-1. Metode penilaian tingkat (pendekatan II)

𝐿𝑈𝑥,𝑡 = (𝐿𝑥,𝑡 . 𝑈𝑥,𝑡) ∑[(𝐿𝑥,𝑡 . 𝑈𝑦.,𝑡)]

𝑦

⁄

Dimana:

𝐿𝑈𝑥,𝑡 : penilaian tingkat dengan ketidakpastian untuk kategori sumber dan rosot ke-x

pada inventarisasi tahun terakhir (tahun ke-t)

𝐿𝑥,𝑡 : penilaian tingkat dihitung pada

Persamaan L.3 3-1

𝑈𝑥,𝑡 : persentase ketidakpastian kategori ke-x pada tahun-t (dihitung berdasarkan

analisis ketidakpastian). Jika nilai ketidakpastian tersebut asimetris, maka

gunakanlah nilai ketidakpastian yang lebih besar. Ketidakpastian relatif akan

selalu memiliki nilai positif

4.2 Pedoman dan Langkah Metode untuk Penilaian Tingkat (Pendekatan II)

Instruksi menjalankan KCA-penilaian tingkat (II) Langkah 1: Masukkan semua kategori inventarisasi GRK sesuai dengan Tabel L.3 3-1.

Lalu tambahkan kolom persentase ketidakpastian (Ux,t) dan Penilaian Tingkat (Pendekatan II)

Langkah 2: Masukkan nilai hasil penilaian tingkat (Lx,t) pada kolom E dan masukan nilai persentase ketidakpastian (Ux,t) yang didapatkan berdasarkan pedoman analisis ketidakpastian

Langkah 3: Hitunglah nilai penilaian tingkat yang telah dikombinasikan dengan hasil analisis ketidakpastian menggunakan Persamaan L.3 4-1 untuk setiap kategori emisi/serapan

Langkah 4: Urutkan nilai (LUx,t) pada kolom G berdasarkan pada nilai terbesar hingga terkecil. Kemudian, hitung total kumulatif (LUx,t) per kategori

Langkah 5: Sama seperti metode penilaian tingkat pendekatan I, kategori-kategori yang memiliki nilai dibawah atau sama dengan 95% dapat diklasifikasikan sebagai kategori kunci


Langkah 1: Masukkan semua kategori inventarisasi GRK sesuai dengan Tabel L.3 3-1.

Kemudian, tambahkan kolom persentase ketidakpastian (Ux,t) dan Penilaian Tingkat

(Pendekatan II)

A B C D E F G H

Kode

kategori

IPCC

Kategori

IPCC

Gas

Rumah

Kaca

Nilai

estimasi

absolut

tahun

terakhir

CO2eq

Penilaian

Tingkat

𝐿𝑥,𝑡

Persentase

Ketidakpastian

(%)

𝑈𝑥,𝑡

Penilaian

Tingkat

(pendekatan

II)

𝐿𝑈𝑥,𝑡

Total

kumulatif

(kolom G)

1A Kategori

Emisi

CO2 X

2B Kategori

Emisi

CO2 Y

3C Kategori

Emisi

CH4 Z

4A Kategori

Removal

CO2 A

5B Kategori

Emisi

N2O B

… Kategori

lainnya

… ….

Total

Langkah 2: Masukkan nilai hasil penilaian tingkat (Lx,t) pada kolom E dan masukan nilai

persentase ketidakpastian (Ux,t) pada kolom F yang didapatkan berdasarkan

pedoman analisis ketidakpastian

A B C D E F G H

Kode

kategori

IPCC

Kategori

IPCC

Gas

Rumah

Kaca

Nilai

estimasi

absolut

tahun

terakhir

CO2eq

Penilaian

Tingkat

𝐿𝑥,𝑡

Persentase

Ketidakpastian

(%)

𝑈𝑥,𝑡

Penilaian

Tingkat

(pendekatan

II)

𝐿𝑈𝑥,𝑡

Total

kumulatif

(kolom G)

1A Kategori

Emisi

CO2 X 15% 10%

2B Kategori

Emisi

CO2 Y 40% 5%

3C Kategori

Emisi

CH4 Z 5% 10%

4A Kategori

Removal

CO2 A 2% 15%

5B Kategori

Emisi

N2O B 25% 7%

… Kategori

lainnya

… ….

Total


Langkah 3: Hitunglah nilai penilaian tingkat pada kolom G yang telah dikombinasikan dengan

hasil analisis ketidakpastian menggunakan Persamaan L.3 4-1 untuk setiap

kategori emisi/serapan

A B C D E F G H

Kode

kategori

IPCC

Kategori

IPCC

Gas

Rumah

Kaca

Nilai

estimasi

absolut

tahun

terakhir

CO2eq

Penilaian

Tingkat

𝐿𝑥,𝑡

Persentase

Ketidakpastian

(%)

𝑈𝑥,𝑡

Penilaian

Tingkat

(pendekatan

II)

𝐿𝑈𝑥,𝑡

Total

kumulatif

(kolom G)

1A Kategori

Emisi

CO2 X 15% 10% 24.79%

2B Kategori

Emisi

CO2 Y 40% 14% 33.06%

3C Kategori

Emisi

CH4 Z 5% 10% 8.26%

4A Kategori

Removal

CO2 A 2% 15% 4.96%

5B Kategori

Emisi

N2O B 25% 7% 28.93%

… Kategori

lainnya

… ….

Langkah 4: Urutkan nilai (LUx,t) pada kolom G berdasarkan pada nilai terbesar hingga terkecil.

Kemudian, hitung total kumulatif (LUx,t) per kategori

Langkah 5: Sama seperti metode penilaian tingkat pendekatan I, kategori-kategori yang

memiliki nilai dibawah atau sama dengan 95% dapat diklasifikasikan sebagai

kategori kunci

A B C D E F G H

Kode

kategori

IPCC

Kategori

IPCC

Gas

Rumah

Kaca

Nilai

estimasi

absolut

tahun

terakhir

CO2eq

Penilaian

Tingkat

𝐿𝑥,𝑡

Persentase

Ketidakpastian

(%)

𝑈𝑥,𝑡

Penilaian

Tingkat

(pendekatan

II)

𝐿𝑈𝑥,𝑡

Total

kumulatif

(kolom

G)

2B Kategori

Emisi

CO2 Y 40% 14% 33.06% 33.06%

5B Kategori

Emisi

N2O B 25% 7% 28.93% 61.98%

1A Kategori

Emisi

CO2 X 15% 10% 24.79% 86.78%

3C Kategori

Emisi

CH4 Z 5% 10% 8.26% 95.04%

4A Kategori

Removal

CO2 A 2% 15% 4.96% 100.00%

… Kategori

lainnya

… ….

Total

Kategori-kategori emisi atau serapan yang teridentifikasi sebagai kategori kunci dengan

menggunakan metode penilaian tingkat (Pendekatan II) dan tidak teridentifikasi oleh


Pendekatan I, wajib untuk tetap diklasifikasikan sebagai kategori utama. Sebagai tambahan,

urutan kategori utama yang telah diidentifikasi oleh Pendekatan II dapat menjadi informasi

untuk perencanaan perbaikan sistem inventarisasi GRK nasional.

4.3 Penilaian Tren (Trend Assessment) dengan Pendekatan II

Penilaian tren dengan pendekatan II, Persamaan L.3 3-2 dapat dikembangkan dengan

menambahkan informasi dari hasil analisis ketidakpastian (uncertainty analysis). Formulasi

tersebut dideskripsikan pada persamaan berikut:

Persamaan L.3 4-2. Metode penilaian tren (pendekatan II)

𝑇𝑈𝑥,𝑡 = 𝑇𝑥,𝑡 ⋇ 𝑈𝑥,𝑡

Dimana:

𝐿𝑈𝑥,𝑡 : penilaian tren dengan ketidakpastian untuk kategori sumber dan rosot ke-x

tahun ke-t

𝑇𝑥,𝑡 : penilaian tren dihitung pada Persamaan L.3 3-2

𝑈𝑥,𝑡 : persentase ketidakpastian suatu kategori pada tahun-t (dihitung berdasarkan

analisis ketidakpastian). Ketidakpastian relatif akan selalu memiliki nilai positif

4.4 Pedoman dan Langkah untuk Metode Penilaian Tren (Pendekatan II)

Tabel L.3 4-1. Penjelasan langkah 1 - langkah 4 untuk analisis tren (Pendekatan II)

A B C D E F G H

Kode

kategori

IPCC

Kategori

IPCC

Gas

Rumah

Kaca

Analisis

tren

𝑇𝑥,𝑡

CO2eq

Persentase

Ketidakpastian

(%)

𝑈𝑥,𝑡

Analisis tren

(pendekatan

II)

𝑇𝑈𝑥,𝑡

Kontribusi

terhadap

total

emisi (%)

Total

kumulatif

(kolom G)

1A Kategori

Emisi

CO2 0.089 14% 0.0124 34.95%

2B Kategori

Emisi

CO2 0.074 7% 0.0052 14.49%

3C Kategori

Emisi

CH4 0.078 10% 0.0078 21.94%

4A Kategori

Removal

CO2 0.078 10% 0.0078 22.05%

Instruksi menjalankan KCA-penilaian tingkat (II) Langkah 1: Masukkan semua kategori inventarisasi GRK sesuai dengan Tabel L.3

3-1. Lalu tambahkan kolom persentase ketidakpastian (Ux,t) dan hasil analisis Penilaian Tren (Pendekatan II) TUx,t

Langkah 2: Masukkan nilai hasil analisis tren (TUx,t) pada kolom D (didapatkan dari Persamaan L.3 3-3) dan masukan nilai persentase ketidakpastian (Ux,t) yang didapatkan berdasarkan pedoman analisis ketidakpastian (kolom E)

Langkah 3: Hitunglah nilai analisis tren yang telah dikombinasikan dengan hasil analisis ketidakpastian menggunakan Persamaan L.3 4-2 untuk setiap kategori emisi/serapan

Langkah 4: Urutkan nilai (TUx,t) pada kolom G berdasarkan pada nilai terbesar hingga terkecil. Kemudian, hitung total kumulatif (TUx,t) per kategori

Langkah 5: Sama seperti metode penilaian tingkat pendekatan I, kategori-kategori yang memiliki nilai kumulatif dibawah atau sama dengan 95% dapat diklasifikasikan sebagai kategori kunci


5B Kategori

Emisi

N2O 0.016 15% 0.0023 6.56%

Total 0.0356

Langkah kelima untuk menentukan kategori kunci adalah dengan mengurutkan hasil analisis

tren yang dikombinasikan dengan hasil analisis ketidakpastian (kolom E) dari nilai terbesar

hingga terkecil seperti yang ditunjukan pada Persamaan L.3 4-2.

Tabel L.3 4-2. Contoh penggunaan analisis tren (Pendekatan II) untuk penentuan kategori

kunci

A B C D E F G H

Kode

kategori

IPCC

Kategori

IPCC

Gas

Rumah

Kaca

Analisis

tren

𝑇𝑥,𝑡

CO2eq

Persentase

Ketidakpastian

(%)

𝑈𝑥,𝑡

Analisis tren

(pendekatan

II)

𝑇𝑈𝑥,𝑡

Kontribusi

terhadap

total emisi

(%)

Total

kumulatif

(kolom

G)

1A Kategori

Emisi

CO2 0.089 14% 0.0124 35.10% 35.10%

4A Kategori

Removal

CO2 0.074 10% 0.0074 20.79% 55.88%

3C Kategori

Emisi

CH4 0.078 10% 0.0078 22.03% 77.91%

2B Kategori

Emisi

CO2 0.078 7% 0.0055 15.50% 93.41%

5B Kategori

Emisi

N2O 0.016 15% 0.0023 6.59% 100.00%

Total 0.0354

Kategori-kategori emisi atau serapan yang teridentifikasi sebagai kategori kunci dengan

menggunakan metode analisis tren (Pendekatan II) dan tidak teridentifikasi oleh Pendekatan I,

wajib untuk tetap diklasifikasikan sebagai kategori kunci. Sebagai tambahan, urutan kategori

utama yang telah diidentifikasi oleh Pendekatan II dapat menjadi informasi untuk perencanaan

perbaikan sistem inventarisasi GRK nasional.

5. PENDEKATAN KUALITATIF

Pada beberapa kasus, hasil dari Analisis Kategori Kunci/KCA tidak dapat mengidentifikasi

semua kategori sumber/rosot yang harus diprioritaskan dalam sistem inventarisasi GRK. Jika

KCA secara kuantitatif tidak dapat dilakukan akibat dari minimnya data inventarisasi GRK, maka

penyelenggara inventarisasi GRK dapat menggunakan metode kriteria kualitatif untuk

identifikasi kategori kunci. Kriteria-kriteria kualitatif yang dijelaskan di bawah ini hanya dapat

digunakan untuk kondisi tertentu saja. Berikut merupakan contoh dari kriteria kualitatif

berdasarkan good practice IPCC GL:

Teknik mitigasi dan teknologi

Jika emisi dari suatu kategori emisi mengalami penurunan atau serapan mengalami

peningkatan yang diakibatkan oleh mekanisme mitigasi perubahan iklim, hal ini merupakan

salah satu contoh identifikasi kategori kunci dengan menggunakan kriteria kualitatif. Analisis ini

diharapkan dapat memberikan informasi yang tepat untuk mengetahui apakah suatu kategori

sumber emisi dapat diklasifikasikan sebagai “kategori kunci”.


Perkiraan tren peningkatan/penurunan nilai emisi dari suatu kategori

Koordinator sektor dan penanggung jawab IGRK nasional harus dapat mengidentifikasi kategori

sumber emisi yang memiliki kecenderungan untuk mengalami peningkatan ataupun penurunan

di masa yang akan datang. Untuk melaksanakan analisis ini, koordinator sektor and

penanggung jawab IGRK nasional dapat melibatkan tenaga ahli. Hasil analisis tersebut dapat

menjadi acuan untuk identifikasi kategori kunci.

Tidak ada penilaian kuantitatif dari analisis ketidakpastian yang dilakukan

Jika data kuantitatif estimasi emisi GRK serta hasil analisis ketidakpastian tidak dapat

digunakan/tersedia, koordinator sektor dan penanggung jawab IGRK disarankan untuk

melakukan identifikasi kategori sumber emisi yang diduga memiliki nilai ketidakpastian yang

cukup besar (expert judgment).

Kelengkapan

Metode atau pendekatan yang digunakan untuk analisis kategori utama sangat bergantung

pada kelengkapan inventarisasi GRK suatu negara. Analisis kategori utama masih

dimungkinkan untuk dilakukan hanya untuk kategori-kategori sumber emisi yang telah dilakukan

estimasi. Namun, hasil analisis ini tidak dapat menggambarkan secara komprehensif kategori-

kategori sumber emisi yang dapat dikategorikan sebagai “sumber emisi kunci/utama”.

Pada kasus ini, koordinator sektor dan penanggung jawab inventarisasi GRK nasional

disarankan untuk melakukan analisis kualitatif terhadap kategori sumber emisi potensial yang

belum diestimasi dengan menggunakan kriteria kualitatif yang telah dijelaskan sebelumnya.

6. PELAPORAN DAN DOKUMENTASI

Merupakan suatu contoh yang baik untuk melaksanakan dokumentasi terhadap hasil KCA di

dalam laporan inventarisasi GRK. Informasi dalam dokumen ini sangatlah penting untuk

menjelaskan pemilihan metode untuk tiap kategori. Sebagai tambahan, penanggung jawab

inventarisasi harus mencantumkan kriteria di mana setiap kategori diidentifikasi sebagai kunci

(misalnya tingkat, tren atau kualitatif) dan metode yang digunakan untuk KCA (misal:

pendekatan I atau pendekatan II). Tabel L.3 3-1 dan Tabel L.3 3-12 harus digunakan sebagai

dokumen dari kegiatan analisis kategori kunci. Tabel L.3 3-1 dapat digunakan sebagai

rangkuman dari hasil analisis kategori kunci. Notasi yang dapat digunakan: “L” untuk kategori

kunci yang menggunakan metode penilaian tingkat: “T” untuk kategori kunci yang

menggunakan metode penilaian tren; dan “Q” untuk kategori kunci yang menggunakan kriteria

kualitatif. Kolom komentar harus menjelaskan alasan penggunakan kriteria kualitatif dalam

identifikasi kategori kunci.

Tabel L.3 6-1. Rangkuman hasil analisis kategori utama

Metode kuantitatif yang digunakan: Pendekatan I atau Pendekatan II

A B C D E

Kode kategori

IPCC

Kategori IPCC Gas Rumah

Kaca

Identifikasi

kriteria

komentar


7. APLIKASI ANALISIS KATEGORI UTAMA

a. Contoh Perhitungan Analisis Kategori Kunci

Agar dapat lebih memahami metode-metode yang digunakan untuk melaksanakan analisis

kategori kunci, sub-bab ini akan membahas mengenai proses penentuan kategori kunci untuk

sektor energi:

Penilaian tingkat dengan Pendekatan I

1. Langkah pertama yang dilakukan adalah melakukan tabulasi informasi emisi/serapan untuk

tiap kategori IPCC per jenis gas dan kemudian menjumlahkan semua emisi dalam unit Gg

CO2eq (studi kasus mengambil data inventarisasi GRK Indonesia untuk sektor energi pada

tahun 2014)

Tabel L.3 7-1. Informasi inventarisasi GRK sektor Energi tahun 2014

Code Categories

2014

CO2 CH4 N2O Total

GgCO2 GgCH4 GgCO2eq GgN2O GgCO2eq Gg CO2eq

Sectoral Approach

Energy Energy 544,394

1,309 27,483.85 18 5,456.63 577,334

1.A Fuel Combustion 538,204

532 11,167.55 18 5,445.07 554,816

1.A.1 Energy Industries 222,307

3 69.46 3 836.30 223,213

1.A.1.a Main activity electricity and heat production

207,780

3 63.91 3 827.62 208,671

1.A.1.b Petroleum refining 14,489

0 5.54 0 8.49 14,503

1.A.1.c Coal Processing 39

0 0.01 0 0.19 39

1.A.2 Manufacturing Industries and Construction

170,145

22 463.30 3 985.17 171,593

1.A.3 Transport 113,704

36 765.07 5 1,652.87 116,122

1.A.4 Other Sectors 23,408

469 9,844.85 6 1,948.70 35,201

1.A.4.a Commercial/Institutional

2,826

3 57.03 0 14.99 2,899

1.A.4.b Residential 20,581

466 9,787.82 6 1,933.71 32,303

1.A.5 Other 8,640

1 24.86 0 22.02 8,687

1.B Fugitive emissions 6,190

777 16,316.30 0 11.56 22,518

1.B.1 Solid Fuels -

106 2,221.38 - - 2,221

1.B.1.a Underground coal mining

- - -

1.B.1.b Surface coal mining -

106 2,221.38 - 2,221

1.B.2 Oil and Natural Gas 6,190

671 14,094.92 0 11.56 20,296

1.B.2.a Oil 2,090

515 10,809.99 0 8.65 12,909

1.B.2.b Natural gas 4,100

156 3,284.93 0 2.90 7,388


2. Langkah berikutnya adalah memasukkan data total emisi (Gg CO2eq) dari semua kategori

ke format tabel analisis kategori utama (Tabel L.3 3-1)

A B C D E F G

Kode kategori

IPCC

Kategori IPCC GHG 𝑬𝒙,𝒕

(GgCO2eq) |𝑬𝒙,𝒕|

(GgCO2eq)

𝑳𝒙,𝒕 Total kumulatif (kolom F)


CO2 208,671 208,671

1.A.1.b Petroleum refining CO2 14,503 14,503

1.A.1.c Coal Processing CO2 39 39


CO2 171,593 171,593

1.A.3 Transport CO2 116,122 116,122

1.A.4.a Commercial/Institutional CO2 2,899 2,899

1.A.4.b Residential CO2 32,303 32,303

1.A.5 Other CO2 8,687 8,687

1.B.1 (Fugitive emissions) Solid Fuels

CO2 2,221

2,221

1.B.2 (Fugitive emissions) Oil and Natural Gas

CO2 20,296

20,296

Total 577,334 577,334

3. Selanjutnya, mengrutkan estimasi kategori emisi berdasarkan nilai penilaian tingkat (dari

terbesar hingga terkecil)

A B C D E F G

Kode kategori

IPCC



(GgCO2eq)

𝑳𝒙,𝒕 Total kumulatif

(kolom F)


CO2 208,671 208,671 36%


CO2 171,593 171,593 30%

1.A.3 Transport CO2 116,122 116,122 20%

1.A.4.b Residential CO2 32,303 32,303 6%

1.B.2x (Fugitive emissions) Oil and Natural Gas

CO2 20,296 20,296 4%

1.A.1.b Petroleum refining CO2 14,503 14,503 3%

1.A.5 Other CO2 8,687 8,687 2%

1.A.4.a Commercial/Institutional CO2 2,899 2,899 1%


CO2 2,221 2,221 0%

1.A.1.c Coal Processing CO2 39 39 0%

Total 577,334 577,334

4. Langkah terakhir, menjumlahkan nilai kumulatif kontribusi sumber/sorot (nilai absolut besar

ke kecil) hingga mendapatkan angka 95%

A B C D E F G

Kode kategori IPCC



(GgCO2eq)



CO2 208,671 208,671 36% 36%


CO2 171,593 171,593 30% 66%


1.A.3 Transport CO2 116,122 116,122 20% 86%

1.A.4.b Residential CO2 32,303 32,303 6% 92%


CO2 20,296 20,296 4% 95%

1.A.1.b Petroleum refining CO2 14,503 14,503 3% 98%

1.A.5 Other CO2 8,687 8,687 2% 99%

1.A.4.a Commercial/Institutional CO2 2,899 2,899 1% 100%


CO2 2,221 2,221 0% 100%

1.A.1.c Coal Processing CO2 39 39 0% 100%

Total 577,334 577,334

Penilaian tren dengan Pendekatan I

1. Langkah pertama yang dilakukan adalah melakukan tabulasi informasi emisi untuk tiap

kategori IPCC per jenis gas lalu kemudian menjumlahkan semua emisi dalam unit Gg

CO2eq (studi kasus mengambil data inventarisasi GRK Indonesia untuk sektor energi pada

tahun 2010 sebagai base dan tahun 2014 sebagai tahun akhir)

Tabel L.3 7-2. Informasi inventarisasi GRK sektor Energi tahun 2010 dan 2014

Code Categories

2010 2014

Total Total

CO2eq Gg CO2eq

Sectoral Approach

Energy Energy 452,986 577,334

1.A Fuel Combustion 429,979 554,816

1.A.1 Energy Industries 144,335 223,213


130,886 208,671

1.A.1.b Petroleum refining 13,449 14,503

1.A.1.c Coal Processing 192 39


132,306 171,593

1.A.3 Transport 108,745 116,122

1.A.4 Other Sectors 44,593 35,201

1.A.4.a Commercial/Institutional 3,798 2,899

1.A.4.b Residential 28,299 32,303

1.A.5 Other 12,496 8,687

1.B Fugitive emissions 23,007 22,518

1.B.1 Solid Fuels 1,334 2,221

1.B.1.a Underground coal mining - -

1.B.1.b Surface coal mining 1,334 2,221

1.B.2 Oil and Natural Gas 21,673 20,296

1.B.2.a Oil 15,312 12,909

1.B.2.b Natural gas 6,361 7,388


2. Langkah II memasukan semua kategori invetarisasi GRK di spreadsheet

3. Tabel L.3 3-2 dan nilai emisi dan serapan per kategori untuk tahun ke-0 dan tahun ke-t

A B C D E F G H

Kode kategori IPCC


Estimasi tahun dasar 𝐸𝑥,0 (CO2eq

)

Estimasi tahun akhir 𝐸𝑥,𝑡 (CO2eq

)

Analisis tren

𝑇𝑥,𝑡

% Kontribusi terhadap tren

Total Kumulatif


CO2 130,886 208,671

1.A.1.b Petroleum refining CO2 13,449 14,503

1.A.1.c Coal Processing CO2 192 39


CO2 132,306 171,593

1.A.3 Transport CO2 108,745 116,122


CO2 3,798 2,899

1.A.4.b Residential CO2 28,299 32,303

1.A.5 Other CO2 12,496 8,687


CO2 1,334 2,221


CO2 21,673 20,296

Total 453,178 577,334

4. Langkah selanjutnya menghitung nilai analisis tren Tx,t dengan menggunakan Persamaan

L.3 3-2 atau Persamaan L.3 3-3.

A B C D E F G H

Kode kategori

IPCC


Estimasi tahun dasar 𝐸𝑥,0 (CO2eq)

Estimasi tahun akhir


Analisis tren 𝑇𝑥,𝑡

% Kontribusi terhadap

tren

Total Kumulatif


CO2 130,886 208,671 0.092517

1.A.1.b Petroleum refining CO2 13,449 14,503 0.005804

1.A.1.c Coal Processing CO2 192 39 0.000453


CO2 132,306 171,593 0.006707

1.A.3 Transport CO2 108,745 116,122 0.049463


CO2 3,798 2,899 0.004279

1.A.4.b Residential CO2 28,299 32,303 0.008273

1.A.5 Other CO2 12,496 8,687 0.015960


CO2 1,334 2,221 0.001149


CO2 21,673 20,296 0.016140

Total 453,178 577,334 0.200750

5. Selanjutnya, menghitung persentase kontribusi kategori terhadap total analisis tren dan

diurutkan dari nilai terbesar ke terkecil

6. Langkah terakhir adalah menjumlahkan nilai kumulatif kontribusi sumber/sorot (nilai absolut

besar ke kecil) hingga mendapatkan angka 95%


A B C D E F G H

Kode kategori

IPCC


Estimasi tahun dasar 𝐸𝑥,0 (CO2eq)

Estimasi tahun akhir 𝐸𝑥,𝑡 (CO2eq

)

Analisis tren 𝑇𝑥,𝑡

% Kontribusi terhadap

tren

Total Kumulatif


CO2 130,886 208,671 0.0925 46.1% 46.1%

1.A.3 Transport CO2 108,745 116,122 0.0494 24.6% 70.7%


CO2 21,673 20,296 0.01614 8.0% 78.8%

1.A.5 Other CO2 12,496 8,687 0.01596 8.0% 86.7%

1.A.4.b Residential CO2 28,299 32,303 0.00827 4.1% 90.8%


CO2 132,306 171,593 0.00670 3.3% 94.2%

1.A.1.b Petroleum refining CO2 13,449 14,503 0.00580 2.9% 97.1%


CO2 3,798 2,899 0.00427 2.1% 99.2%


CO2 1,334 2,221 0.00114 0.6% 99.8%

1.A.1.c Coal Processing CO2 192 39 0.00045 0.2% 100.0%

Total 453,178 577,334 0.20075

b. Penerapan Analisis Kategori Utama di Sistem IGRK Indonesia

Analisis Kategori Kunci untuk pelaporan inventarisasi GRK Indonesia tahun 2017 yang tertuang

dalam Indonesia Third National Communication (TNC) menerapkan pendekatan I. Metode yang

digunakan untuk menentukan ketegori kunci dalam laporan ini adalah analisis tren untuk tahun

inventarisasi terakhir yaitu tahun 2015. Hasil dari analisis tren untuk menentukan kategori kunci

terlampir pada Tabel L.3 7-3 dan


Tabel L.3 7-4. Perbedaan dari kedua tabel ini bertujuan untuk membandingkan kategori kunci

yang memasukkan informasi LULUCF dan non-LULUCF. Sementara rangkuman KCA untuk

Inventarisasi GRK pada TNC dapat dilihat pada


Tabel L.3 7-5.


Communication (TNC) Indonesia – dengan memasukkan kategori LULUCF

A B C D E F G

Kode kategori

IPCC



(GgCO2eq)


3D Peat Decomposition CO2 341,735 341,735 20.5% 20.5%

1 A1 Energy Industries CO2 222,307 222,307 13.3% 33.8%

1 A2 Manufacturing Industries and Construction

CO2 170,145 170,145 10.2% 44.0%

3B2b Non-Cropland to Cropland CO2 141,481 141,481 8.5% 52.5%

1 A3 Transportation CO2 138,397 138,397 8.3% 60.7%

3B6b Non-Otherland to Otherland CO2 134,546 134,546 8.1% 68.8%

3B1a Forest remaining Forest CO2 127,701 127,701 7.7% 76.5%

4 D2 Industrial Wastewater Treatment and Discharge

CH4 45,608 45,608 2.7% 79.2%

3 C7 Rice Cultivation CH4 35,994 35,994 2.2% 81.3%

3B2a Cropland remaining Cropland

CO2 33,729 33,729 2.0% 83.4%

4 A2 a Unmanaged Waste Disposal Sites

CH4 33,123 33,123 2.0% 85.4%

3 C4 Direct Soils N2O 32,575 32,575 2.0% 87.3%

2 A1 Cement Production CO2 24,192 24,192 1.4% 88.8%

1 A4 b Residential CO2 20,581 20,581 1.2% 90.0%

3B3b Non-Grassland to Grassland CO2 17,118 17,118 1.0% 91.0%

3A1 Enteric Fermentation CH4 16,084 16,084 1.0% 92.0%

1 B2 Oil and Natural Gas CH4 14,095 14,095 0.8% 92.8%

4 D1 Domestic Wastewater Treatment and Discharge

CH4 14,066 14,066 0.8% 93.7%

3B5b Non-Settlement to settlement CO2 10,257 10,257 0.6% 94.3%

1 A4 b Residential CH4 9,788 9,788 0.6% 94.9%

1 A5 Non-Specified CO2 8,640 8,640 0.5% 95.4%

3 C5 Indirect Soils N2O 8,520 8,520 0.5% 95.9%

2 B1 Ammonia Production CO2 7,947 7,947 0.5% 96.4%

3 C6a Direct from manure N2O 7,625 7,625 0.5% 96.8%

1 B2 Iron and Steel Production CO2 6,256 6,256 0.4% 97.2%

3 C3 Oil and Natural Gas CO2 6,190 6,190 0.4% 97.6%

3B1b Urea Fertilization CO2 4,836 4,836 0.3% 97.9%

2 C1 Non-Forest to Forest CO2 3,675 3,675 0.2% 98.1%

1 A4 a Commercial/Institutional CO2 2,826 2,826 0.2% 98.2%


N2O 2,659 2,659 0.2% 98.4%

2 D2 Paraffin Wax Use CO2 2,284 2,284 0.1% 98.5%

1 B1 Solid Fuels CH4 2,221 2,221 0.1% 98.7%

1 A3 Transportation N2O 2,056 2,056 0.1% 98.8%

3A2 Manure Management CH4 2,031 2,031 0.1% 98.9%

2 B8 Petrochemical and Carbon Black Production

CO2 1,946 1,946 0.1% 99.0%

1 A4 b Residential N2O 1,934 1,934 0.1% 99.2%

3 C2 Liming CO2 1,920 1,920 0.1% 99.3%

4 C2 Open Burning Waste CO2 1,748 1,748 0.1% 99.4%

3 C1b Biomass Burning CL CH4 1,204 1,204 0.1% 99.4%

3C6b Indirect from manure N2O 1,202 1,202 0.1% 99.5%

4 C2 Open Burning Waste CH4 1,111 1,111 0.1% 99.6%

1 A2 Manufacturing Industries and N2O 985 985 0.1% 99.6%


Construction

1 A1 Energy Industries N2O 836 836 0.1% 99.7%

1 A3 Transportation CH4 792 792 0.0% 99.7%

3 C1c Biomass Burning GL CH4 716 716 0.0% 99.8%

4B Nitric Acid Production N2O 524 524 0.0% 99.8%

4B Manufacturing Industries and Construction

CH4 463 463 0.0% 99.8%

2 B2 Biomass Burning CL N2O 461 461 0.0% 99.9%

1 A2 Aluminium Production CO2 320 320 0.0% 99.9%

3 C1b Biomass Burning GL N2O 274 274 0.0% 99.9%

2 C3 Other Process Uses of Carbonates

CO2 221 221 0.0% 99.9%

3 C1c Lubricant Use CO2 206 206 0.0% 99.9%

2 A4 Open Burning Waste N2O 201 201 0.0% 99.9%

2 D1 Biological Treatment of Solid Waste

N2O 199 199 0.0% 100.0%

4 C2 Lime Production CO2 153 153 0.0% 100.0%

2 A2 Lead Production CO2 113 113 0.0% 100.0%

2 C5 Others - natrium carbonate in pulp paper industry

CO2 99 99 0.0% 100.0%

2 H1 Energy Industries CH4 69 69 0.0% 100.0%

1 A1 Petrochemical and Carbon Black Production

CH4 67 67 0.0% 100.0%

2 B8 Commercial/Institutional CH4 57 57 0.0% 100.0%

1 A4 a Glass Production CO2 31 31 0.0% 100.0%

2 A3 Carbide Production CO2 29 29 0.0% 100.0%

2 B5 Non-Specified CH4 25 25 0.0% 100.0%

1 A5 Non-Specified N2O 22 22 0.0% 100.0%

1 A5 Commercial/Institutional N2O 15 15 0.0% 100.0%

1 A4 a Oil and Natural Gas N2O 12 12 0.0% 100.0%

1 B2 Zinc Production CO2 10 10 0.0% 100.0%

2 C6 Biological Treatment of Solid Waste

CH4 5 5 0.0% 100.0%

2 H2 Others - natrium carbonate in food & beverages industry

CO2 5 5 0.0% 100.0%

2 B4 Iron and Steel Production CH4 0 - 0.0% 100.0%

2 B5 Caprolactam, Glyoxal and Glyoxylic Acid

CH4 - 0.0% 100.0%

2 C1 Carbide Production CH4 - 0.0% 100.0%

2 C2 Ferroalloys Production CO2 - 0.0% 100.0%


N2O - 0.0% 100.0%

3B3a Grassland remaining Grassland

CO2 - 0.0% 100.0%

3B4a Wetland remaining Wetland CO2 - 0.0% 100.0%

3B4b Non-Wetland to Wetland CO2 - 0.0% 100.0%

3B5a Settlement remaining Settlement

CO2 - 0.0% 100.0%

3B6a Otherland remaining Otherland

CO2 - 0.0% 100.0%



Communication (TNC) Indonesia – tidak memasukkan kategori LULUCF

A B C D E F G

Kode kategori

IPCC



(GgCO2eq)


1 A1 Energy Industries CO2 222,307 222,307 25.9% 26%


CO2 170,145 170,145 19.8% 46%

1 A3 Transportation CO2 138,397 138,397 16.1% 62%


CH4 45,608 45,608 5.3% 67%

3 C7 Rice Cultivation CH4 35,994 35,994 4.2% 71%

4A 2a Unmanaged Waste Disposal Sites

CH4 33,123 33,123 3.9% 75%

3 C4 Direct N2O Soils N2O 32,575 32,575 3.8% 79%

2 A1 Cement Production CO2 24,192 24,192 2.8% 82%

1 A4 b Residential CO2 20,581 20,581 2.4% 84%

3A1 Enteric Fermentation CH4 16,084 16,084 1.9% 86%

1 B2 Oil and Natural Gas CH4 14,095 14,095 1.6% 88%


CH4 14,066 14,066 1.6% 89%

1 A4 b Residential CH4 9,788 9,788 1.1% 90%

1 A5 Non-Specified CO2 8,640 8,640 1.0% 91%

3 C5 Indirect N2O Soils N2O 8,520 8,520 1.0% 92%

2 B1 Ammonia Production CO2 7,947 7,947 0.9% 93%

3 C6a Direct N2O from manure N2O 7,625 7,625 0.9% 94%

1 B2 Iron and Steel Production CO2 6,256 6,256 0.7% 95%

3 C3 Oil and Natural Gas CO2 6,190 6,190 0.7% 96%

2 C1 Urea Fertilization CO2 4,836 4,836 0.6% 96%

1 A4 a Commercial/Institutional CO2 2,826 2,826 0.3% 97%


N2O 2,659 2,659 0.3% 97%

2 D2 Paraffin Wax Use CO2 2,284 2,284 0.3% 97%

1 B1 Solid Fuels CH4 2,221 2,221 0.3% 97%

3A2 Transportation N2O 2,056 2,056 0.2% 98%

2 B8 Manure Management CH4 2,031 2,031 0.2% 98%

1 A4 b Petrochemical and Carbon Black Production

CO2 1,946 1,946 0.2% 98%

3 C2 Residential N2O 1,934 1,934 0.2% 98%

4 C2 Liming CO2 1,920 1,920 0.2% 99%

1 A3 Open Burning Waste CO2 1,748 1,748 0.2% 99%

3 C1b Biomass Burning CL CH4 1,204 1,204 0.1% 99%

3C6b Indirect N2O from manure N2O 1,202 1,202 0.1% 99%

4 C2 Open Burning Waste CH4 1,111 1,111 0.1% 99%


N2O 985 985 0.1% 99%

1 A1 Energy Industries N2O 836 836 0.1% 99%

1 A3 Transportation CH4 792 792 0.1% 99%

3 C1c Biomass Burning GL CH4 716 716 0.1% 100%

4B Nitric Acid Production N2O 524 524 0.1% 100%

4B Manufacturing Industries and Construction

CH4 463 463 0.1% 100%

2 B2 Biomass Burning CL N2O 461 461 0.1% 100%

1 A2 Aluminium Production CO2 320 320 0.0% 100%

3 C1b Biomass Burning GL N2O 274 274 0.0% 100%

2 C3 Other Process Uses of CO2 221 221 0.0% 100%


Carbonates

3 C1c Lubricant Use CO2 206 206 0.0% 100%

2 A4 Open Burning Waste N2O 201 201 0.0% 100%

2 D1 Biological Treatment of Solid Waste

N2O 199 199 0.0% 100%

4 C2 Lime Production CO2 153 153 0.0% 100%

2 A2 Lead Production CO2 113 113 0.0% 100%

2 C5 Others - natrium carbonate in pulp & paper industry

CO2 99 99 0.0% 100%

2 H1 Energy Industries CH4 69 69 0.0% 100%

1 A1 Petrochemical and Carbon Black Production

CH4 67 67 0.0% 100%

2 B8 Commercial/Institutional CH4 57 57 0.0% 100%

1 A4 a Glass Production CO2 31 31 0.0% 100%

2 A3 Carbide Production CO2 29 29 0.0% 100%

2 B5 Non-Specified CH4 25 25 0.0% 100%

1 A5 Non-Specified N2O 22 22 0.0% 100%

1 A5 Commercial/Institutional N2O 15 15 0.0% 100%

1 A4 a Oil and Natural Gas N2O 12 12 0.0% 100%

1 B2 Zinc Production CO2 10 10 0.0% 100%

2 C6 Biological Treatment of Solid Waste

CH4 5 5 0.0% 100%


CO2 5 5 0.0% 100%

2 B4 Iron and Steel Production CH4 0 - 0.0% 100%


CH4 - 0.0% 100%

2 C1 Carbide Production CH4 - 0.0% 100%

2 C2 Ferroalloys Production CO2 - 0.0% 100%


N2O - 0.0% 100%

1 A1 Energy Industries CO2 222,307 222,307 25.9% 26%


CO2 170,145 170,145 19.8% 46%

1 A3 Transportation CO2 138,397 138,397 16.1% 62%


CH4 45,608 45,608 5.3% 67%

3 C7 Rice Cultivation CH4 35,994 35,994 4.2% 71%

4A 2a Unmanaged Waste Disposal Sites

CH4 33,123 33,123 3.9% 75%

3 C4 Direct N2O Soils N2O 32,575 32,575 3.8% 79%

2 A1 Cement Production CO2 24,192 24,192 2.8% 82%

1 A4 b Residential CO2 20,581 20,581 2.4% 84%

3A1 Enteric Fermentation CH4 16,084 16,084 1.9% 86%

1 B2 Oil and Natural Gas CH4 14,095 14,095 1.6% 88%


CH4 14,066 14,066 1.6% 89%

1 A4 b Residential CH4 9,788 9,788 1.1% 90%


Tabel L.3 7-5. Rangkuman KCA untuk laporan Third National Communication (2007)

Metode kuantitatif yang digunakan: Pendekatan I

A B C D E

Kode kategori IPCC

Kategori IPCC GHG Identifikasi kriteria

Komentar

3D Peat Decomposition CO2 L1

1 A1 Energy Industries CO2 L1

1 A2 Manufacturing Industries and Construction CO2 L1

3B2b Non-Cropland to Cropland CO2 L1

1 A3 Transportation CO2 L1

3B6b Non-Otherland to Otherland CO2 L1

3B1a Forest remaining Forest CO2 L1


CH4 L1

3 C7 Rice Cultivation CH4 L1

3B2a Cropland remaining Cropland CO2 L1

4 A2 a Unmanaged Waste Disposal Sites CH4 L1

3 C4 Direct Soils N2O L1

2 A1 Cement Production CO2 L1

1 A4 b Residential CO2 L1

3B3b Non-Grassland to Grassland CO2 L1

3A1 Enteric Fermentation CH4 L1

1 B2 Oil and Natural Gas CH4 L1


CH4 L1

3B5b Non-Settlement to settlement CO2 L1

1 A4 b Residential CH4 L1

1 A5 Non-Specified CO2 L1

3 C5 Indirect Soils N2O L1

2 B1 Ammonia Production CO2 L1

3 C6a Direct from manure N2O L1

1 B2 Iron and Steel Production CO2 L1

3 C3 Oil and Natural Gas CO2 L1

3B1b Urea Fertilization CO2 L1

2 C1 Non-Forest to Forest CO2 L1

1 A4 a Commercial/Institutional CO2 L1


N2O L1

2 D2 Paraffin Wax Use CO2 L1

1 B1 Solid Fuels CH4 L1

1 A3 Transportation N2O L1

3A2 Manure Management CH4 L1

2 B8 Petrochemical and Carbon Black Production CO2 L1

1 A4 b Residential N2O L1

3 C2 Liming CO2 L1

4 C2 Open Burning Waste CO2 L1

3 C1b Biomass Burning CL CH4 L1

3C6b Indirect from manure N2O L1

4 C2 Open Burning Waste CH4 L1

1 A2 Manufacturing Industries and Construction N2O L1

1 A1 Energy Industries N2O L1

1 A3 Transportation CH4 L1

3 C1c Biomass Burning GL CH4 L1

4B Nitric Acid Production N2O L1

4B Manufacturing Industries and Construction CH4 L1

2 B2 Biomass Burning CL N2O L1


1 A2 Aluminium Production CO2 L1

3 C1b Biomass Burning GL N2O L1

2 C3 Other Process Uses of Carbonates CO2 L1

3 C1c Lubricant Use CO2 L1

2 A4 Open Burning Waste N2O L1

2 D1 Biological Treatment of Solid Waste N2O L1

4 C2 Lime Production CO2 L1

2 A2 Lead Production CO2 L1

2 C5 Others - natrium carbonate in pulp&paper industry

CO2 L1

2 H1 Energy Industries CH4 L1

1 A1 Petrochemical and Carbon Black Production CH4 L1

2 B8 Commercial/Institutional CH4 L1

1 A4 a Glass Production CO2 L1

2 A3 Carbide Production CO2 L1

2 B5 Non-Specified CH4 L1

1 A5 Non-Specified N2O L1

1 A5 Commercial/Institutional N2O L1

1 A4 a Oil and Natural Gas N2O L1

1 B2 Zinc Production CO2 L1

2 C6 Biological Treatment of Solid Waste CH4 L1


CO2 L1

2 B4 Iron and Steel Production CH4 L1

2 B5 Caprolactam, Glyoxal and Glyoxylic Acid CH4 L1

2 C1 Carbide Production CH4 L1

2 C2 Ferroalloys Production CO2 L1

2 B4 Caprolactam, Glyoxal and Glyoxylic Acid N2O L1

3B3a Grassland remaining Grassland CO2 L1

3B4a Wetland remaining Wetland CO2 L1

3B4b Non-Wetland to Wetland CO2 L1

3B5a Settlement remaining Settlement CO2 L1

3B6a Otherland remaining Otherland CO2 L1

Checking Tool 93

LAMPIRAN 4. CHECKING TOOL UNTUK AKTIFITAS PENJAMINAN MUTU

LAMPIRAN 4.

CHECKING TOOL UNTUK AKTIFITAS PENJAMINAN MUTU

94 Checking Tool

1. PENDAHULUAN

Dalam pelaksanaan proses penjaminan mutu atau Quality Assurance, penyelenggara

inventarisasi GRK dapat menggunakan beberapa metode ataupun tools. Salah satu tools

tersebut adalah IPCC emission difference. Tools ini merupakan salah satu best practice dalam

sistem inventarisasi GRK Belanda yang bertujuan untuk mengevaluasi perubahan nilai estimasi

emisi dalam dua periode inventarisasi GRK. Jika terjadi perubahan yang cukup signifikan

terhadap suatu kategori maka penyelenggara inventarisasi GRK akan melakukan konfirmasi

lebih lanjut kepada penanggung jawab di instansi ataupun lembaga terkait. IPCC emission

difference checking tools yang merupakan bentuk dukungan Pemerintah Belanda untuk

peningkatan sistem inventarisasi GRK akan disesuaikan dengan kondisi yang ada di Indonesia.

Dalam pedoman penggunaan checking tools untuk aktifitas penjaminan mutu atau QA ini, akan

dijelaskan secara mendalam mengenai langkah-langkah melakukan analisis perbedaan nilai

emisi untuk dua tahun inventarisasi dengan menggunakan checking tools. Diharapkan

pedoman serta checking tools ini dapat membantu penyelenggara inventarisasi GRK dalam

melaksanakan kegiatan QA sehingga menghasilkan kualitas inventarisasi GRK yang memenuhi

prinsip transparansi (Transparency), akurasi (Accuracy), konsistensi (Consistency), komparabel

atau dapat diperbandingkan (Comparability), dan kelengkapan (Completeness).

2. PRINSIP DASAR IPCC EMISSION DIFFERENCE TOOLS

Pada dasarnya perhitungan emisi/serapan GRK untuk setiap kategori emisi didapatkan dari

perkalian antara Data Aktifitas (DA) dan Faktor Emisi (FE). Data aktifitas merupakan data

pembangunan ataupun aktifitas manusia (anthropogenic) yang dapat menghasilkan

emisi/serapan GRK sedangkan Faktor Emisi menunjukan besarnya emisi/serapan per satuan

unit kegiatan yang dilakukan. Terdapat banyak jenis Gas Rumah Kaca (GRK) yang berada di

atmosfer dan berpotensi menyebabkan terjadinya perubahan iklim global. Dari berbagai macam

jenis gas tersebut, GRK yang menjadi prioritas untuk dilakukan inventarisasi adalah CO2, CH4

dan N2O.

Berdasarkan IPCC 2006, sumber emisi/serapan yang masuk dalam inventarisasi GRK terdiri

dari 4 sektor utama yaitu sektor (i) energi, (ii) proses industri dan penggunaan produk, (iii)

pertanian, kehutanan, dan penggunaan lahan lainnya, dan (iv) limbah. Semua kategori

emisi/serapan untuk semua sektor tersebut harus dimasukkan dalam penyusunan hasil

inventarisasi GRK dan jenis GRK utamanya CO2, CH4, N2O, HFCs, PFCs, dan SF6. Hasil

estimasi emisi/serapan untuk tiap kategori dan jenis GRK kemudian akan disusun di dalam

laporan inventarisasi GRK nasional. Secara umum, penyusunan inventarisasi GRK dilakukan

secara berkala pada periode tertentu dan melibatkan semua instansi ataupun lembaga terkait.

Setiap periodenya, selalu ada upaya perbaikan yang dilakukan secara konsisten dan sejalan

dengan semakin berkembangnya ketersediaan serta kualitas data. Proses penyelenggaraan

inventarisasi GRK dalam satu siklus umumnya diselesaikan dalam periode satu tahun.

Penjelasan secara mendalam terkait tahapan pelaksanaan inventarisasi GRK tercantum pada

dokumen Pedoman QA/QC.

Salah satu tahapan yang menjadi fokus dari penyusunan inventarisasi GRK adalah

pemeriksaan inventarisasi GRK melalui mekanisme penjaminan mutu (QA). Penyelenggara

inventarisasi GRK, terutama untuk tingkat nasional akan melakukan pengecekan ulang

terhadap hasil inventarisasi GRK yang dilakukan oleh sektor ataupun daerah sebagai bagian

dari proses QA. Dalam pelaksanaan tahapan ini, penanggung jawab inventarisasi GRK

nasional memerlukan suatu checking tools yang dapat mengevaluasi hasil estimasi

emisi/serapan dari kategori sumber/rosot dari tiap sektor ataupun daerah. Salah satu checking

Checking Tool 95

tools yang dapat diimplementasikan di sistem inventarisasi GRK Indonesia adalah IPCC

emission difference tools.

Tools ini merupakan salah satu best practice yang telah diterapkan di sistem inventarisasi GRK

Belanda untuk mengidentifikasi kesalahan dan/atau penjelasan terkait kategori-kategori sumber

emisi yang mengalami perubahan secara signifikan jika dibandingkan dengan siklus

inventarisasi tahun sebelumnya. Di dalam sistem inventarisasi GRK Belanda, checking tools ini

akan dipersiapkan oleh national inventory compiler di setiap siklus tahun inventarisasi GRK

(sebelum dimasukkan ke dalam database nasional).

Tools ini diaplikasikan dalam format spreadsheet (SS) dan dapat didistribusikan kepada

lembaga ataupun instansi lainnya. National inventory compiler di Belanda akan mengunduh

data inventarisasi GRK tahun sebelumnya dari database ke dalam SS dan dibandingkan

dengan nilai estimasi emisi/serapan dari siklus inventarisasi GRK saat ini. Prinsip dari tools ini

sendiri adalah mengidentifikasi sumber emisi/serapan yang dikombinasikan dengan beberapa

jenis GRK yang berbeda, dimana perubahan emisi/serapan terjadi antara tahun inventarisasi

GRK sebelumnya (former inventory year) dan tahun inventarisasi GRK yang baru (new

inventory year). Jika terdapat perbedaan yang signifikan antara emisi di tahun ke-(t) dan (t-1)

pada kategori-kategori tertentu, maka penanggung jawab sektor terkait harus memberikan

penjelasan/justifikasi. SS yang berisi penjelasan dari sektor terkait merupakan basis pelaporan

tren emisi di laporan inventarisasi GRK Belanda. Alur penggunaan tools IPCC emission

difference di sistem inventarisasi GRK Belanda dijelaskan pada Gambar L.4 2-1.

Signifikan:

Definisi dari “signifikan” dapat diatur berdasarkan kebutuhan dari suatu negara. Jika melihat

best practice inventarisasi GRK di Belanda, mereka menggunakan ambang batas 5% untuk

tingkatan emisi sektor. Jika perubahan emisi dari suatu kategori sumber emisi memiliki

kontribusi lebih dari 5% total emisi sektor daripada perubahan nilai faktor emisi dan atau data

aktifitas, maka sector specialist memiliki kewajiban untuk memberikan penjelasan/justifikasi

Kriteria kedua untuk definisi signifikan adalah ambang batas 0,5% untuk total emisi nasional.

Jika perubahan emisi dari suatu kategori sumber emisi memiliki kontribusi lebih dari 0.5%

total emisi nasional (untuk jenis GRK spesifik) daripada perubahan nilai faktor emisi dan atau

data aktifitas, maka sector specialist memiliki kewajiban untuk memberikan

penjelasan/justifikasi

96 Checking Tool

Gambar L.4 2-1. Alur IPCC emission difference tools di sistem inventarisasi GRK Belanda

Berdasarkan penjelasan sebelumnya terkait dengan penggunaan tools IPCC emission

difference di sistem inventarisasi GRK Belanda, tools ini dimungkinkan untuk diterapkan di

Indonesia dalam rangka proses penjaminan mutu terhadap hasil inventarisasi GRK yang

dilakukan oleh penyelenggara inventarisasi GRK nasional (lembaga penanggung jawab

inventarisasi GRK nasional, koordinator sektor dan penanggung jawab sub-sektor). Namun,

perlu dilakukan modifikasi terhadap data input yang akan dimasukkan kedalam SS IPCC

emission difference tools. Hal dikarenakan terdapat beberapa perbedaan dari sistem

kelembagaan, proses pelaporan dan QA/QC antara Indonesia dan Belanda.

Modifikasi yang dilakukan adalah dengan menambahan beberapa kolom baru di dalam SS

IPCC emission difference tools yaitu kolom koordinator sektor dan penanggung jawab sub-

sektor. Selain itu, untuk mempercepat proses analisis, SS IPCC emission difference tools

dimodifikasi dengan membagi proses analisis berdasarkan sektor Energi, IPPU, Pertanian,

LULUCF dan Limbah. Hal ini bertujuan agar tools ini dapat pula digunakan oleh koordinator

sektor untuk mengidentifikasi alasan perubahan nilai emisi per kategori dan GRK tertentu dari

dua periode inventarisasi GRK. Proses ini merupakan salah satu kewajiban dari koordinator

masing-masing sektor untuk memastikan tahapan inventarisasi GRK dari penanggung jawab

sub-sektor mereka ataupun pemerintah daerah telah dilakukan dengan kaidah yang benar

(penjaminan mutu). Informasi perubahan nilai emisi per kategori dan GRK yang signifikan juga

dapat membantu percepatan proses evaluasi yang dilakukan lembaga penanggung jawab

inventarisasi GRK nasional. Detail alur proses pemeriksaan hasil inventarisasi GRK dari

penanggung jawab sub-sektor/daerah yang dilakukan oleh koordinator sektor dideskripsikan

dalam Gambar L.4 2-2.

Koordinator sektor akan memasukkan data-data emisi yaitu data aktifitas, faktor emisi dan emisi

tahun inventarisasi saat ini yang telah dilakukan perhitungannya oleh sub-sektor atau unit

terkait ke dalam spreadsheet (tab “Checks_Sector specialist_sektor terkait). Sebelumnya,

koordinator sektor juga telah memasukkan parameter-parameter seperti data aktifitas, faktor

emisi serta emisi tahun sebelumnya yang digunakan sebagai basis perbandingan. Faktor emisi

yang digunakan sebagai perbandingan antara data inventarisasi GRK tahun ini dan tahun

sebelumnya adalah implied emission factor (IEF).

Checking Tool 97

Gambar L.4 2-2. Alur IPCC emission difference tools untuk tingkat sektor/daerah

Penggunaan IEF bertujuan untuk mendapatkan informasi perubahan nilai emisi yang

diakibatkan perubahan nilai faktor emisi data tahun (t-1) ke tahun (t). IEF didapatkan dari hasil

pembagian antara nilai estimasi emisi/serapan dan data aktifitas untuk masing-masing kategori.

Setelah dilakukan input parameter-parameter yang dibutuhkan, tools ini kemudian secara

otomatis akan mengidentifikasi kategori emisi mana saja yang perlu dikonfirmasi ulang ke

penanggung jawab sub-sektor/pemerintah daerah.

Proses yang sama juga terjadi pada lembaga penanggung jawab IGRK nasional yaitu

melakukan pengecekan ulang terhadap hasil inventarisasi GRK secara menyeluruh dari tiap

koordinator sektor sebagai bagian dari proses penjaminan mutu (QA) dan lakukan revisi apabila

diperlukan. Perbedaan utama dari alur yang dilakukan pada tingkat koordinator sektor dan

lembaga penanggung jawab inventarisasi GRK nasional adalah kriteria yang digunakan untuk

mengidentifikasi perubahan emisi dari tahun (t-1) ke (t) itu signifikan atau tidak. Kriteria tersebut

adalah perubahan emisi dari suatu kategori sumber emisi memiliki kontribusi lebih dari 0.5%

total emisi nasional (untuk jenis GRK spesifik) daripada perubahan nilai faktor emisi dan atau

data aktifitas. Jika kriteria-kriteria tersebut terpenuhi, maka koordinator sektor memiliki

kewajiban untuk memberikan penjelasan secara mendalam mengenai alasan/justifikasi suatu

kategori emisi mengalami perubahan nilai yang signifikan dari dua periode inventarisasi GRK.

Informasi terkait alur penggunaan tools IPCC emission difference untuk level lembaga

penanggung jawab inventarisasi GRK nasional dijelaskan pada Gambar L.4 2-3.

98 Checking Tool

Gambar L.4 2-3. Alur IPCC emission difference tools untuk tingkat nasional

Checking Tool 99

Berikut merupakan instruksi detail terkait penggunaan checking tools yang akan diterapkan di

sistem inventarisasi GRK Indonesia.

Instruksi umum penggunaan tools IPCC emission difference

Langkah 1: Buka spreadsheet tools kemudian lanjutkan dengan mengisi sheet

“Checks_Sector specialist” untuk masing-masing sektor

Langkah 2: Isi kolom koordinator sektor, Sub-sektor/unit pelaksana, Kode IPCC,

Deskripsi sumber, Data aktifitas tahun (t-1), Data aktifitas (t), GRK,

Emisi/sorot (t-1), Emisi/sorot (t), Unit FE, FE (t-1), FE (t) dengan kondisi

inventarisasi tahun terbaru dan tahun sebelumnya

Langkah 3: Masukan nilai total emisi di target sektor di kolom “Tot_per_target sector” dan

total emisi nasional di kolom “Tot_per_component”

Langkah 4: Lihat perubahan nilai emisi di kolom “Em_deviation”. Perubahan ini

diakibatkan oleh perubahan data aktifitas dan faktor emisi. Koordinator sektor

ataupun penanggung jawab sub-sektor/unit pelaksana yang bertanggung

jawab untuk setiap kategori harus dapat menjelaskan perubahan nilai data

aktifitas dan faktor emisi jika kriteria-kriteria terkait telah terpenuhi

Langkah 5: Untuk memfasilitasi penggunaan dan identifikasi kombinasi sumber/gas yang

membutuhkan justifikasi, pengguna tools dapat menganalisis nilai di kolom

“Total (share of emissions in target total)”. Pada kolom ini, persentase total

emisi target sektor dihitung untuk mendapatkan informasi terkait persentase

suatu kategori emisi terhadap total emisi sektor di tahun (t-1). Untuk

memudahkan proses analisis, dibuatlah suatu matriks kriteria yang bertujuan

untuk memberikan informasi perubahan nilai emisi dan kontribusinya

terhadap target sektor secara kuantitatif. Angka-angka yang digunakan

berdasarkan pada best practice sistem inventarisasi GRK di Belanda.

Gambar L.4 2-4. Matriks kriteria terkait dengan nilai perubahan emisi dari tahun (t-1) ke tahun t

Pada Gambar L.4 2-4, terlihat bahwa kontribusi kategori emisi terhadap total emisi sektor di

tahun ke (t-1) dapat dibagi menjadi 4 kriteria yaitu:

1. High (tinggi): jika kategori sumber emisi berkontribusi lebih dari 10% total emisi sektor

2. Middle (menengah): Jika kategori sumber emisi berkontribusi lebih dari 2.5% total emisi

sektor

3. Low (rendah): Jika kategori sumber emisi berkontribusi lebih dari 0.1% total emisi

sektor

4. Negligible (dapat diabaikan): Jika kategori sumber emisi yang berkontribusi kurang

dari atau sama dengan 0.1% total emisi sektor

EF or AD EF or AD EF or AD

High Middle Low

Markers Emission Contribution to 1 2 3

Target sector > > <=

1 High > 10.0% 15% 5% 5%

2 Middle > 2.5% 60% 20% 20%

3 Low > 0.1% 1500% 500% 500%

4 Negligible <= 0.1% 4500% 1500% 1500%

Changes in

100 Checking Tool

Kolom berikutnya menjelaskan kriteria perubahan nilai data aktifitas dan faktor emisi dari tahun

(t-1) ke tahun t. Terdapat 3 kriteria terkait dengan persentase perubahan nilai data aktifitas dan

faktor emisi, yaitu:

1. High (tinggi): jika perubahan nilai data aktifitas dan faktor emisi lebih dari 15% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 10% total emisi sektor

jika perubahan nilai data aktifitas dan faktor emisi lebih dari 60% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 2.5% total emisi sektor


jika perubahan nilai data aktifitas dan faktor emisi lebih dari 4500% untuk kategori-kategori yang memiliki kontribusi emisi kurang dari 0.1% total emisi sektor

2. Medium (menengah) jika perubahan nilai data aktifitas dan faktor emisi lebih dari 5% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 10% total emisi sektor



jika perubahan nilai data aktifitas dan faktor emisi lebih dari 1500% untuk kategori-kategori yang memiliki kontribusi emisi kurang dari 0.1% total emisi sektor

3. Rendah jika perubahan nilai data aktifitas dan faktor emisi kurang dari /sama dengan 5% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 10% total emisi sektor

jika perubahan nilai data aktifitas dan faktor emisi kurang dari /sama dengan 20% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 2.5% total emisi sektor

jika perubahan nilai data aktifitas dan faktor emisi kurang dari /sama dengan 500% untuk kategori-kategori yang memiliki kontribusi emisi lebih dari 0.1% total emisi sektor

jika perubahan nilai data aktifitas dan faktor emisi kurang dari /sama dengan 1500% untuk kategori-kategori yang memiliki kontribusi emisi kurang dari 0.1% total emisi sektor

Berikutnya adalah identifikasi latar belakang perubahan nilai emisi dari tahun (t-1) ke tahun t.

Pada Gambar L.4 2-4 dapat dilihat bahwa untuk kriteria kontribusi emisi untuk kategori sektor

dibagi menjadi empat. Masing-masing kriteria ditandai dengan angka “1” (kontribusi paling

tinggi) sampai dengan “4” (kontribusi paling rendah). Selain itu, kriteria lain yang digunakan

adalah perubahan data aktifitas dan faktor emisi (3 kriteria). Masing-masing kriteria ditandai

dengan angka “1” (perubahan paling tinggi) hingga “3” (perubahan paling rendah). Secara

otomatis, masing-masing perubahan untuk emisi, data aktifitas dan faktor emisi akan

dikelompokan sesuai dengan kriteria masing-masing: sesuai dengan nilai yang ada pada kolom

“Total (share of emissions in target total)”. Pada kolom “legenda” akan muncul kombinasi (dua

digit) kriteria untuk perubahan data aktifitas dan faktor emisi. Penjelasan gabungan kriteria akan

dijelaskan secara detail padaTabel L.4 2-1

Checking Tool 101

Tabel L.4 2-1. Penjelasan terkait perubahan data aktifitas dan faktor emisi

Kode Penjelasan Komentar

11 AD(++) * EF(++) Activity Data show a strong increase and Emission Factor shows a strong increase

12 AD(++) * EF(+) Activity Data show a strong increase and Emission Factor has increased

13 AD(++) * EF(=) Activity Data show a strong increase and Emission Factor is about equal

21 AD(+) * EF(++) Activity Data show an increase and Emission Factor shows a strong increase

22 AD(+) * EF(+) Activity Data show an increase and Emission Factor has increased

23 AD(+) * EF(=) Activity Data show an increase and Emission Factor is about equal

31 AD(=) * EF(++) Activity Data are about equal and Emission Factor shows a strong increase

32 AD(=) * EF(+) Activity Data are about equal and Emission Factor has increased

33 AD(=) * EF(=) Activity Data are about equal and Emission Factor is about equal

00 x Trend in Activity Data and Emission Factor are not calculated. Please explain the changes based on other information/parameters.

1-1 AD(++) * EF(--) Activity Data show a strong increase and Emission Factor shows a strong decrease

1-2 AD(++) * EF(-) Activity Data show a strong increase and Emission Factor shows a decrease

1-3 AD(++) * EF(=) Activity Data show a strong increase and Emission Factor is about equal

2-1 AD(+) * EF(--) Activity Data show an increase and Emission Factor shows a strong decrease

2-2 AD(+) * EF(-) Activity Data show an increase and Emission Factor shows a decrease

2-3 AD(+) * EF(=) Activity Data show an increase and Emission Factor is about equal

3-1 AD(=) * EF(--) Activity Data are about equal and Emission Factor shows a strong decrease

3-2 AD(=) * EF(-) Activity Data are about equal and Emission Factor shows a decrease

3-3 AD(=) * EF(=) Activity Data are about equal and Emission Factor is about equal

-11 AD(--) * EF(++) Activity Data show a strong decrease and Emission Factor shows a strong increase

-12 AD(--) * EF(+) Activity Data show a strong decrease and Emission Factor has increased

-13 AD(--) * EF(=) Activity Data show a strong decrease and Emission Factor is about equal

-21 AD(-) * EF(++) Activity Data show a decrease and Emission Factor shows a strong increase

-22 AD(-) * EF(+) Activity Data show a decrease and Emission Factor has increased

-23 AD(-) * EF(=) Activity Data show a decrease and Emission Factor is about equal

-31 AD(=) * EF(++) Activity Data are about equal and Emission Factor shows a strong increase

-32 AD(=) * EF(+) Activity Data are about equal and Emission Factor has increased

-33 AD(=) * EF(=) Activity Data are about equal and Emission Factor is about equal

-1-1 AD(--) * EF(--) Activity Data show a strong decrease and Emission Factor shows a strong decrease

-1-2 AD(--) * EF(-) Activity Data show a strong decrease and Emission Factor shows a decrease

-1-3 AD(--) * EF(=) Activity Data show a strong decrease and Emission Factor is about equal

-2-1 AD(-) * EF(--) Activity Data show a decrease and Emission Factor shows a strong decrease

-2-2 AD(-) * EF(-) Activity Data show a decrease and Emission Factor shows a decrease

-2-3 AD(-) * EF(=) Activity Data show a decrease and Emission Factor is about equal

-3-1 AD(=) * EF(--) Activity Data are about equal and Emission Factor shows a strong decrease

-3-2 AD(=) * EF(-) Activity Data are about equal and Emission Factor shows a decrease

102 Checking Tool

-3-3 AD(=) * EF(=) Activity Data are about equal and Emission Factor is about equal

Langkah 6: Setelah analisis terhadap perubahan emisi, data aktifitas dan faktor emisi

dilakukan, kemudian analisis dilanjutkan pada kolom “Change in emission

Target sector” dan “Change in National Emission”

Kolom “Change in emission Target sector” merupakan persentase perubahan total emisi target

sektor akibat perubahan emisi dari kategori tertentu untuk tahun inventori (t-1) dan (t).

Berdasarkan “best practice” dari Belanda, jika persentanse perubahan lebih dari 5% maka

penyelenggara inventarisasi GRK terkait harus menjelaskan alasan perubahan di kolom

“Explanation by sector specialist”.

Kolom “Change in National Emission” merupakan persentase perubahan total emisi nasional

akibat perubahan emisi dari kategori tertentu untuk tahun inventori (t-1) dan (t). Berdasarkan

“best practice” dari Belanda, jika persentase perubahan lebih dari 0.5% maka

koordinator/penanggung jawab sub-sektor/unit pelaksana harus dapat menjelaskan alasan

perubahan di kolom “Explanation by sector specialist”. Dalam tools ini, jika kedua kondisi

tersebut terjadi maka kedua kolom tersebut akan berubah warna. Hal itu menandakan bahwa

koordinator/penanggung jawab sub-sektor/unit pelaksana harus menjelaskan alasan perubahan

tersebut.

Langkah 7: Setelah penjelasan masing-masing kategori telah dikemukakan oleh

koordinator/penanggung jawab sektor (berikut dengan identitas pengguna

yang ada di kolom “Penanggung jawab sub-sektor/daerah maka spreadsheet

ini wajib untuk dikembalikan ke koordinator sektor dan diteruskan ke

penanggung jawab inventarisasi GRK nasional untuk dievaluasi kembali

3. PELAPORAN

Agar alasan-alasan terkait perubahan emisi dari tahun (t-1) ke tahun (t) dapat diterima dengan

baik oleh penanggung jawab inventarisasi GRK nasional, maka perlu dibuat suatu laporan yang

memberikan informasi kategori mana saja yang mengalami perubahan nilai emisi secara

signifikan. Informasi-informasi yang harus dituliskan di dalam laporan:

Kategori mana saja yang menjadi isu dan perlu dikonfirmasi oleh koordinator sektor ke

penanggung jawab sub-sektor/daerah

Bagaimana proses konfirmasi tersebut dilakukan (penjelasan alur)

Apa kriteria yang digunakan dalam proses konfirmasi

Batasan-batasan dari proses tersebut yang telah teridentifikasi

Apa umpan balik yang didapatkan dari sub-sektor/unit pelaksana

Langkah yang diambil oleh koordinator sektor terkait dengan temuan-temuan selama

proses konfirmasi

Rekomendasi untuk peningkatan sistem inventarisasi GRK

Laporan ini harus dilampirkan dalam laporan QA/QC dari tahap penanggung jawab sub-sektor

hingga lembaga penanggung jawab IGRK nasional.

Checking Tool 103

4. CONTOH PENGGUNAAN TOOLS IPCC EMISSION DIFFERENCE DI SEKTOR ENERGI

Pada penggunaan tools IPCC emission difference untuk sektor energi terdapat beberapa

proses yang dilakukan hingga mendapatkan hasil sesuai dengan penjelasan pada instruksi

umum di atas, yaitu:

1. Koordinator sektor energi mengisi kolom koordinator sektor sesuai dengan mekanisme

kelembagaan yang telah ditunjuk pada Permen KLHK no.73/2017 dan kolom

penanggung jawab sub-sektor untuk lembaga yang bertanggung jawab dalam

pengelolaan kategori tersebut (berdasarkan klasifikasi IPCC).

2. Koordinator sektor energi kemudian memasukan data-data terkait perhitungan emisi per

jenis gas rumah kaca (data aktifitas dan emisi/sorot) untuk setiap kategori emisi kedalam

spreadsheet tools untuk tahun inventarisasi (t-1) dan (t). Faktor emisi (IEF) untuk tahun

inventarisasi (t-1) dan (t) didapatkan dari pembagian antara kolom “emisi/sorot” dengan

“data aktifitas” (Data tahun ke (t-1) dan (t) merupakan data inventarisasi GRK tahun

2013 & 2014

104 Checking Tool

3. Masukan nilai total emisi di target sektor di kolom “Tot_per_target sector” dan total emisi

nasional di kolom “Tot_per_component” (nilai di kedua kolom ini didapatkan

berdasarkan penjumlahan emisi di tahun (t-1) atau 2013 untuk masing-masing jenis gas)

4. Untuk mempermudah perhitungan jumlah emisi di tahun 2013 per jenis gas, pengguna

dapat menggunakan fitur filter yang ada di tiap kolom spreadsheet. Langkah pertama

adalah lakukan filter terhadap gas yang akan dilakukan penjumlahan emisinya, sebagai

contoh gas CO2. Kemudian, lakukan perhitungan sum untuk kolom “Emisi/sorot tahun

2013) dan masukan hasil penjumlahan pada kolom “Tot_per_target sector”. Untuk kolom

“Tot_per_component” dilakukan ketika semua sektor sudah mengisi parameter-

parameter terkait dan akan dilakukan proses yang sama untuk total emisi tahun 2013

gas CO2.

5. Lihat perubahan nilai emisi di kolom “Em_deviation”. Perubahan ini diakibatkan oleh

perubahan data aktifitas dan faktor emisi. Penjelasan terkait perubahan tersebut dapat

dilihat pada kolom “explanation of difference”. Masing-masing penjelasan kode yang

terlampir pada kolom “explanation of difference”, dapat dilihat pada Tabel L.4 2-1.

Checking Tool 105

6. Kolom “Total (share of emissions in target total)” memberikan penjelasan mengenai

kontribusi suatu kategori emisi terhadap total emisi sektoral pada jenis gas tertentu

untuk tahun (t-1) atau 2013. Warna-warna yang ada di tiap cell merepresentasikan

kriteria kontribusi kategori emisi per jenis gas (detail penjelasan terkait terlampir pada

Gambar L.4 2-4.

7. Tahap terakhir yang dilakukan ada melakukan identifikasi perubahan nilai emisi per

kategori pada kolom “Total (share of emissions in target total)” untuk checking oleh

koordinator sektor. Jika terjadi perubahan emisi untuk periode 2013 dan 2014 secara

signfikan sesuai kriteria yang telah dijelaskan sebelumnya, maka cell akan berubah

warna. Ketika hal ini terjadi, sub-sektor/unit pelaksana wajib untuk memberikan

penjelasan pada kolom “Explanation by sector specialist”.

8. Setelah semua kolom penjelasan terisi oleh penanggung jawab sub-sektor di sektor

energi, spreadsheet ini kemudian akan dikembalikan lagi ke koordinator sektor untuk

dilakukan review kembali dan kemudian dilaporkan ke penanggung jawab IGRK

nasional.

PEDOMAN QA/QC UNTUK INVENTARISASI GRKditjenppi.menlhk.go.id/reddplus/images/adminppi/dokumen/Pedoman_QA... · Contoh penerapan metode penilaian tingkat ... DAFTAR GAMBAR DAFTAR GAMBAR

Documents