Strategi Pengembangan Industri Pengolahan Perikanan · PDF fileKonsepsi Pemodelan Energi ... Energi di Sektor Transportasi Sampai Tahun 2025 ... keseimbangan suply dan demand. Dari

Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi

1

DAFTAR ISI

DAFTAR ISI .............................................................................................................. 1

DAFTAR GAMBAR.................................................................................................. 3

DAFTAR TABEL ...................................................................................................... 4

BAB 1 PENDAHULUAN .......................................................................................... 5

1.1. Latar Belakang .................................................................................................. 5

1.2. Tujuan ............................................................................................................. 7

1.3. Sasaran ............................................................................................................. 8

1.4. Keluaran .......................................................................................................... 8

1.5. Metode Pelaksanaan .......................................................................................... 8

1.5.1. Metode Pengumpulan Data .................................................................. 8

1.5.2. Analisis Data ...................................................................................... 10

BAB 2 KONSEP MODEL ENERGI ...................................................................... 11

2.1. Prinsip Dasar dan Tujuan Model ..................................................................... 11

2.2. Proses permodelan ........................................................................................... 12

2.3. Permodelan Energi .......................................................................................... 14

2.3.1. Konsepsi Pemodelan Energi .............................................................. 14

2.3.2. Model Energi Top-down (Top-down Energi Models)........................ 18

2.3.3. Model Energi Bottom up .................................................................... 20

2.3.4. Perbandingan Pendekatan Model Top-down dan Bottom up ............. 24

2.3.5. Pendekatan Peramalan dalam Model Energi ..................................... 26


2

BAB 3 PEMANFAATAN MODEL ENERGI DI INDONESIA .......................... 30

3.1. Penggunaan Model Energi di Indonesia .......................................................... 30

3.2. Kesesuaian Model Energi Dengan Kondisi Energi Indonesia ........................ 36

3.3. Evaluasi Pendekatan Model Energi ................................................................. 41

BAB 4 PROYEKSI KEBUTUHAN DAN PENYEDIAAN ENERGI .................. 49

4.1. Konsep dan Metodologi Model LEAP ............................................................ 49

4.2. Struktur dan Metode Penghitungan Model LEAP .......................................... 51

4.3. Pengaturan Skenario ........................................................................................ 52

4.3.1. Skenario DASAR ............................................................................... 52

4.4. Hasil Simulasi Model LEAP Nasional (Skenario Dasar) ................................ 55

4.4.1 Kebutuhan Energi Final ..................................................................... 55

4.4.1.1 Kebutuhan Energi Final Sektor Rumah Tangga ................. 58

4.4.1.2 Kebutuhan Energi Final Sektor Industri ............................. 59

4.4.1.3 Kebutuhan Energi Final Sektor Transportasi ...................... 61

4.4.1.4 Kebutuhan Energi Final Sektor Lainnya (Komersial, Sektor

lainnya dan Bahan Baku) .................................................... 62

4.4.2 Kondisi Penyediaan Energi ................................................................ 64

4.4.2.1. Penyediaan Energi Listrik ................................................... 66

4.4.2.2. Penyediaan Minyak Bumi dan BBM .................................. 71

4.4.2.3. Penyediaan Gas Bumi dan Batubara ................................... 74

BAB 5 KESIMPULAN DAN REKOMENDASI ................................................... 77

5.1. Kesimpulan ...................................................................................................... 77

5.1.1. Hasil Pemodelan Energi Skenario Dasar ........................................................ 79

5.2. Rekomendasi dan Tindak Lanjut ..................................................................... 81

DAFTAR PUSTAKA ............................................................................................... 84


3

DAFTAR GAMBAR

Gambar 1. Kondisi Bauran Energi Indonesia Tahun 2011 (DEN, 2011) ................... 5

Gambar 2. Perbandingan Konsumsi Energi Per Kapita dan Elastisitas Energi

Indonesia, Malaysia, Thailand dan Singapura (KESDM, 2011) .............. 6

Gambar 3. Kerangka Pendekatan Kajian .................................................................... 9

Gambar 4. Konsep Umum Proses Pemodelan .......................................................... 12

Gambar 5. Proses Logic Pemodelan ......................................................................... 13

Gambar 6. Keterkaitan Tujuan Aspek Energy, Economic dan Environment dalam

Model Energi (Widodo, 2013) ............................................................... 16

Gambar 7. Diagram Alir Perencanaan Energi Menggunakan Model MARKAL..... 32

Gambar 8. Kerangka model INOSYD ...................................................................... 33

Gambar 9. Alur Proses Model IIEEM ...................................................................... 34

Gambar 10. Struktur Model IIEEM ........................................................................... 34

Gambar 11. Komposisi Pengguna LEAP di Dunia dan Indonesia ............................ 49

Gambar 12. Referrence Energy System (RES) .......................................................... 52

Gambar 13. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Sektor

Pengguna Sampai Tahun 2025 (Skenario DASAR) .............................. 56

Gambar 14. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi

Sampai Tahun 2025 (Skenario DASAR) ............................................... 58

Gambar 15. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi di

Sektor Rumah Tangga Sampai Tahun 2025 (Skenario DASAR) .......... 59


Sektor Industri Sampai Tahun 2025 (Skenario DASAR) ...................... 61

Gambar 17. Proyeksi Konsumsi Energi Final Berdasarkan Sektor Pengguna dan Jenis

Energi di Sektor Transportasi Sampai Tahun 2025 (Skenario DASAR )

................................................................................................................ 62


Sektor Komersial Sampai Tahun 2025 (Skenario DASAR) .................. 63


Sektor Lainnya dan Sebagai Bahan Baku Sampai Tahun 2025 ............. 64


4

Gambar 20. Proyeksi Bauran Energi (Dengan Biomassa) Sampai Tahun 2025 (dalam

juta SBM) ............................................................................................... 67

Gambar 21. Proyeksi Bauran Energi (Tanpa Biomassa) Sampai Tahun 2025 (dalam

juta SBM) ............................................................................................... 67

Gambar 22. Proyeksi Perkembangan Kapasitas Listrik Sampai Tahun 2025 ........... 69

Gambar 23. Proyeksi Produksi Listrik Sampai Tahun 2025 ..................................... 70

Gambar 24. Proyeksi Komposisi Jumlah Kebutuhan BBM Per Sektor Pengguna

(dalam juta SBM) ................................................................................... 71

Gambar 25. Proyeksi Supply dan Demand BBM Berdasarkan Jenis BBM Sampai

Tahun 2025 (dalam juta KL) .................................................................. 72

Gambar 26. Proyeksi Supply dan Demand Minyak Bumi Nasional ......................... 74

Gambar 27. Proyeksi Supply dan Demand Gas Bumi Nasional (dalam juta mmscf) 75

Gambar 28. Proyeksi Supply dan Demand Batubara Nasional (dalam juta ton) ....... 76

DAFTAR TABEL

Tabel 1. Perbedaan Pendekatan Model Energi Top-down dan Bottom-Up ............... 25

Tabel 2. Perbandingan Model Energi Berdasarkan Pendekatannya .......................... 43

Tabel 3. Kandidat Alternatif Model Energi Untuk Perencanaan Energi ................... 48

Tabel 4. Asumsi Skenario Dasar Model LEAP Nasional .......................................... 54

Tabel 5. Proyeksi Total Primary Energy Supply Sampai Tahun 2025 ...................... 65

Tabel 6. Proyeksi Jumlah Impor Energi Sampai Tahun 2025 ................................... 65

Tabel 7. Proyeksi Jumlah Ekspor Energi Sampai Tahun 2025.................................. 65

Tabel 8. Perkembangan Kebutuhan dan Beban Puncak Listrik Sampai .................... 68

Tabel 9. Perkembangan Kapasitas Listrik Berdasarkan Jenis Pembangkit Sampai

Tahun 2025 ............................................................................................. 69

Tabel 10. Perkembangan Produksi Listrik Berdasarkan Jenis Pembangkit Sampai

Tahun 2025 ............................................................................................. 70

Tabel 11. Proyeksi Perkembangan Supply dan Demand BBM Berdasarkan Jenis

BBM Sampai Tahun 2025 (dalam juta KL) .......................................... 73

Tabel 12. Proyeksi Jumlah BBM Bersubsidi Sampai Tahun 2025 .......................... 73


5

BAB 1

PENDAHULUAN

1.1. Latar Belakang

Indonesia memiliki aneka ragam sumber daya energi dalam jumlah memadai

namun tersebar tidak merata. Konsumsi energi tumbuh pesat seiring pertumbuhan

penduduk dan ekonomi. Sebagian besar beban konsumsi berada di Jawa, pulau yang

membutuhkan banyak energi, namun yang tidak memiliki sumber dayanya sendiri

dalam jumlah memadai. Sebaliknya, banyak sumber energi terdapat di tempat

berpenduduk sedikit, kegiatan ekonominya belum berkembang serta berjarak cukup

jauh dari Jawa.

Energi memiliki peranan penting tidak hanya sebagai komoditas yang

menjadi tumpuan penerimaan negara tetapi juga sebagai katalisator dan faktor

produksi utama dalam pembangunan ekonomi. Pada tahun 2011, pertumbuhan

konsumsi energi Indonesia mencapai 7%. Dari jumlah total energi yang dikonsumsi

itu, Indonesia masih tergantung pada energi fosil yang terdiri dari minyak 47%,

batubara dan gas masing-masing 24%, sementara energi baru terbarukan yang

memiliki potensi besar hanya memiliki 5% dari total portofolio energi nasional

(Gambar 1).

Gambar 1. Kondisi Bauran Energi Indonesia Tahun 2011 (DEN, 2011)

Ketergantungan terhadap energi fosil dapat menimbulkan permasalahan

diantaranya 1) menipisnya cadangan energi fossil, 2) kenaikan harga akibat laju

permintaan lebih besar dari produksinya, dan 3) emisi gas rumah kaca akibat

pembakaran energi fosil. Minyak mentah dan BBM telah diimpor guna mengatasi


6

permintaan yang melonjak dari tahun ke tahun sehingga ketahanan energi nasional

rentanter hadap fluktuasi harga dan pasokan/permintaan minyak mentah dunia.

Permasalahan lainnya adalah keterbatasan akses energi yang sangat terbatas

di Indonesia akibat kurangnya pengembangan infrastruktur energi terutama di daerah

terpencil. Kondisi ini menjadi faktor utama penyebab rasio elektrifikasi yang masih

rendah 72.95%. Hal ini menjadikan konsumsi energi per kapita Indonesia yang

rendah dengan kisaran 0.85 Ton Oil Equivalen (TOE) di bawah rata-rata konsumsi

dunia sebesar 1.7 TOE dan negara-negara ASEAN (Singapura 3.7 TOE, Malaysia

2.5 TOE, dan Thailand 1.5 TOE) (Gambar 2).

Rendahnya konsumsi energi per kapita Indonesia dibarengi dengan masih

belum efisiennya pemanfaatan energi dan cenderung boros. Berdasarkan data tahun

2011, elastisitas energi Indonesia 1.63 lebih tinggi dari Thailand, Malaysia dan

Singapura yang mencapai 1.4, 1.2 dan 1.1 yang artinya untuk meningkatkan

pertumbuhan ekonomi memerlukan pertumbuhan energi yang lebih besar

Gambar 2. Perbandingan Konsumsi Energi Per Kapita dan Elastisitas Energi

Indonesia, Malaysia, Thailand dan Singapura (KESDM, 2011)

Berdasarkan data International Energi Agency (IEA) tahun 2010, Indonesia

dapat memenuhi permintaan energi untuk 20 tahun kedepan. Namun apabila

Indonesia tidak melakukan tindakan apapun guna mengamankan pasokan energinya

maka pada tahun 2020 diperkirakan menjadi nett importer energi. Keseimbangan

penyediaan dan permintaan energi menjadi titik tolak dalam perencanaan energi,

karena itu proyeksi penyediaan dan permintaan energi menjadi sangat penting bagi


7

perencanaan pemenuhan kebutuhan energi dan strategi pemenuhan kebutuhan

tersebut. Model proyeksi yang baik menjadi prasyarat untuk dapat menghasilkan

gambaran penyediaan permintaan pada tahun-tahun mendatang. Untuk itu beberapa

syarat utama yang menentukan pemodelan energi yang baik harus ada seperti adanya

variabel-variabel yang berpengaruh (baik langsung/maupun tidak langsung),

memiliki tingkat akurasi yang cukup tinggi, serta mudah pengoperasiannya.

Kompleksnya permasalahan energi di Indonesia memerlukan perencanaan

yang komprehensif dan berimbang yang berarti harus juga memperhatikan aspek

ekonomi, lingkungan hidup dan sosial masyarakat serta mempertimbangkan

keseimbangan suply dan demand. Dari hasil perencanaan energi ini dapat dihasilkan

proyeksi permintaan energi yang menjadi dasar bagi penyusunan strategi penyediaan

energi. Faktor utama yang menentukan tingkat permintaan energi adalah

pertumbuhan ekonomi, jumlah penduduk, harga energi dan pola konsumsi energi di

masa lampau.

Berbagai model energi telah dikembangkan untuk membantu dalam

perencanaan energi, model yang berdasarkan ekonometrika atau teknik statistika

banyak digunakan untuk membuat proyeksi kebutuhan energi jangka panjang.

Sedangkan untuk strategi penyediaan energi, banyak digunakan teknik optimasi

dengan fungsi objektif tertentu. Model energi yang telah digunakan dalam

perencanaan energi antara lain: MARKAL, CGE, INOSYS, EFFECTS, LEAP dan

lainnya yang masing-masing memiliki keunggulan tersendiri. Di Indonesia

penerapan model energi sudah dikembangkan di beberapa Instansi di antaranya

BPPT dengan Markalnya, Pusdatin dengan LEAP. Dalam rangka mengembangkan

perencanaan energi baik di tingkat nasional dan daerah seperti diamanatkan UU

Energi, model ini akan sangat membantu. Namun demikian agar setiap perencanaan

energi di tiap level perencanaan (nasional maupun daerah) dapat sinkron dan selaras

perlu adanya kesamaan model yang akan dilaksanakan baik di tingkat nasional dan

daerah.

1.2. Tujuan

Tujuan dari kegiatan ini adalah i) menganalisa kelebihan dan kekurangan dari

setiap model yang kemudian menjadi bahan pertimbangan pemilihan model sebagai

alat bantu untuk melakukan perencanaan energi ke depan dan ii) apabila


8

memungkinkan, menggabungkan kelebihan setiap model untuk dapat diaplikasikan

dalam satu model untuk mendukung perencanaan energi di Indonesia.

1.3. Sasaran

Sasaran yang ingin dicapai adalah tersusunnya alternatif model energi yang

akan digunakam untuk melakukan perencanaan energi di Indonesia khususnya dalam

RPJMN 2015-2019.

1.4. Keluaran

Keluaran dari kegiatan ini adalah laporan kajian, yang dapat dijadikan acuan

dan alat bantu dalam merekomendasi kebijakan untuk pimpinan dan stakeholder

terkait dan juga untuk sebagai bahan seminar yang akan disampaikan dalam forum-

forum kebijakan nasional terkait dengan perencanaan energi.

1.5. Metode Pelaksanaan

1.5.1. Metode Pengumpulan Data

Metode dan pendekatan pekerjaan dalam kajian ini dilakukan dengan

pendekatan beberapa tahap seperti tampak dalam Gambar 3. Secara spesifik kajian

ini meliputi tahapan ; 1) inventarisasi dan mengevaluasi model energi yang telah

digunakan dalam perencanaan energi; 2) identifikasi kelebihan dan kekurangan dari

masing-masing model energi khususnya dalam menganalisa penyediaan dan

permintaan energi; 3) analisis kajian akademis sebagai landasan penyusunan model

energi yang telah digunakan dalam perencanaan energi 4) perumusan alternatif

model energi untuk melakukan perencanaan energi di Indonesia.

Analisis yang akan dilakukan dalam kajian adalah analisis data sekunder

(secondary data analysis/desk study) baik terhadap model-model energi yang ada,

kondisi data kebutuhan dan penyediaan energi dan analisis data primer berdasar hasil

wawancara dan diskusi pada kunjungan lapangan dengan beberapa stakeholder

terkait. Berikut uraian pendekatan pekerjaan Kajian Pengembangan Model dalam

Mendukung Perencanaan Energi:


9

Gambar 3. Kerangka Pendekatan Kajian

Data yang diperlukan dalam kajian ini meliputi data primer dan data

sekunder. Sumber data primer melakukan kunjungan lapangan ke daerah-daerah

selain untuk mengetahui kondisi data energi dan model yang sudah dikembangkan

(apabila ada), sedangkan data sekunder diperoleh dari lembaga-lembaga yang terkait

yang telah mengembangkan model-model energi. Sementara metode pengumpulan

data sekunder meliputi studi literatur dan review dokumen.

Berkaitan dengan pengumpulan data dan melakukan studi maka perlu

dilakukan langkah-langkah:

a. Melaksanakan koordinasi melalui rapat kerja, konsinyasi, lokakarya ataupun

seminar.

Rapat kerja anggota tim kajian dilakukan untuk mengkoordinasikan kegiatan

kajian agar dapat berjalan sesuai dengan tujuan, sasaran dan timeline yang telah

disepakati, konsinyanyi dilakukan untuk mempersiapkan perumusan dan

pembuatan laporan awal, tengah dan akhir. Untuk mendapatkan masukan lebih

banyak dan mendalam mengenai penyediaan dan permintaan energi nasional

sebagai bahan untuk melakukan pemodelan perencanaan energi dilakukan

kegiatan lokakarya/seminar, dengan mengundang pemangku kebijakan baik pusat

maupun daerah, stakeholder, asosiasi energi, serta narasumber pakar.


10

b. Melakukan diskusi yang terencana dengan praktisi, pengguna dan para

narasumber terkait dalam sektor energi.

c. Melakukan Forum Group Discussion (FGD) dengan beberapa pemangku

kebijakan serta stakeholder khususnya yang terkait dengan sektor energi. FGD

dilakukan dalam bentuk diskusi (brainstorming) yang bertujuan untuk

mendapatkan, mengidentifikasi dan menggali informasi lebih mendalam

mengenai perencanaan energi yang akan dijadikan masukan bagi pengembangan

model perencanaan energi.

1.5.2. Analisis Data

Seperti dapat dilihat dalam Gambar 3 di atas, analisis data dalam studi ini

menganalisis kelebihan dan kekurangan model untuk selanjutnya diambil salah satu

model energi yang secara optimal dalam mendukung perencanaan energi.

Menganalisis secara khusus aspek pemodelan energi untuk pengembangan model

dalam mendukung perencanaan energi. Adapun alat analisis yang digunakan dalam

kajian pengembangan model dalam mendukung perencanaan energi adalah studi

komparatif dengan membandingkan terhadap semua model-model perencanaan

energi yang ada yang disesuaikan dengan hasil diskusi dengan berbagai stakeholder

baik pada studi lapangan maupun pada FGD dan seminar. Tahapan berikutnya adalah

merumuskan model energi alternatif yang sesuai dengan kondisi energi di Indonesia

baik di tingkat daerah maupun di tingkat pusat dengan memperhatikan kemudahan

akses, kemudahan pemahaman dari sumber daya manusianya (modeller dan user).


11

BAB 2

KONSEP MODEL ENERGI

2.1. Prinsip Dasar dan Tujuan Model

Di banyak kalangan, model diartikan sebagai representasi dari kenyataan

yang disederhanakan (D. H. Meadows dalam Dale, 2006). Konsep tentang realita dan

bahasa yang kita gunakan untuk mengkomunikasikannya disebut model mental.

Model tersebut berupa simbol-simbol abstrak yang berusaha menjelaskan beberapa

aspek fenomena yang kompleks. Konsep ini juga menjelaskan tentang segala sesuatu

yang terjadi di sekitar kita dengan proses yang disederhanakan.

Selanjutnya model mental menghubungkan antara pemahaman manusia

dengan fenomena yang penting untuk pengembangan teori dalam ilmu pengetahuan

(Morgan & Morrison, 1999 dan Fishwick, 2007 dalam Dale, 2006). Kekuatan model-

model ini adalah kemampuannya dalam menjelaskan beberapa aspek dari alam ini

sehingga model merupakan struktur yang merepresentasikan pemahaman

pengetahuan kita tentang sistem dan sering ditampilkan dalam bahasa formal ilmiah

dan matematika (Charles A. S. Hall & Day, 1990 dalam Dale, 2006). Formulasi

semacam ini dapat memprediksi dari model melalui angka numerik dengan bantuan

komputer. Tujuan utama dari pemodelan adalah untuk memprediksi kondisi masa

depan berdasarkan perilaku sistem dimasa lalu.

Beberapa prinsip umum permodelan, terkait dengan proses pemodelan:

Menentukan masalah dan tujuan dari model;

Tentukan variabel;

Pilih variabel kontrol;

Pilih parameter untuk variabel kontrol;

Menguji model yang dihasilkan untuk pelanggaran hukum fisik atau ekonomi;

Pilih horizon waktu;

Menjalankan model dan memeriksa hasil;


12

Variasikan parameter ke skenario yang wajar untuk melihat apakah hasilnya

masih masuk akal;

Bandingkan hasilnya dengan data eksperimen;

Merevisi parameter dan, mungkin, bahkan model;

Kegunaan pemodelan antara lain untuk : 1) berpikir (analisis); 2)

berkomunikasi; 3) memperkirakan (prediksi); 4) mengendalikan (kontrol); 5) berlatih

(simulasi).

2.2. Proses permodelan

Hannon and Ruth (2000) mencirikan proses pemodelan sebagai rangkaian

yang berulang membentuk siklus seperti yang ditunjukkan pada gambar 4. Fakta

dideskripsikan melalui kondisi abstrak yang kemudian diformulasikan untuk

menghasilkan prediksi yang mendekati kondisi nyata. Proses ini kemudian berulang

membentuk siklus seiring dengan peristiwa nyata (fakta) yang terjadi kemudian dan

menjadi sumber pengembangan model atau penciptaan model yang berbeda. Gambar

5 berikut ini memberikan penjelasan yang lebih rinci dari proses pemodelan:

Gambar 4. Konsep Umum Proses Pemodelan


13

Sistem

Alam dan

Sosial

Sistem

Pengetahuan

Simulasi

Masalah

Asumsi

Tentang

Sistem

Pengembangan

Konsepsi Model

Simulasi

Komputer

Hasil dan Prediksi

Validasi

Asumsi Baru

Pendefinisian

Kembali

Masalah

Pengujian Asumsi

dan Hasil

Pengamatan

Baru

Pengamatan

Pencarian Literatur

Diterima

Ditolak

Gambar 5. Proses Logic Pemodelan

Proses ini dimulai dengan identifikasi sistem alam dan / atau sosial yang akan

dipelajari dan perumusan 'masalah simulasi' yang sesuai. Selanjutnya pengetahuan

tentang sistem akan diperoleh, baik melalui kajian literatur atau langsung observasi

sehingga menghasilkan beberapa asumsi. Dari asumsi ini dikembangkan formulasi

model sistem yang menghasilkan prediksi. Untuk menghasilkan model yang baik,

hasil prediksi harus divalidasi sehingga dapat mencerminkan sistem pengetahuan

yang baru tentang sistem. Bila hasil validasi ini gagal maka perlu diambil asumsi

baru, pengamatan baru atau bahkan pendefinisan kembali masalah sehingga

menghasilkan suatu hasil yang berbeda.

Model tidak hanya digunakan untuk mengambarkan sekumpulan ide, tetapi

juga mengevaluasi dan meramalkan perilaku sistem. Dalam proses pembentukan

model ini, harus dipertimbangkan antara kenyataan ilmiahnya dan model itu sendiri.

Pengukuran atau observasi pada kenyataannya digunakan untuk

mengembangkan model. Setelah model pertama dibangun lalu dibandingkan dengan

kelakuan dari kenyataan alamiahnya. Bila ternyata masih jauh dari sempurna, maka


14

model harus diperbaiki dulu, sehingga model tersebut bisa diterima. Pembuatan

model dipengaruhi oleh latar belakang dan alam pikiran si pembuat.

Ketepatan model harus diuji dengan pembandingan terhadap kenyataan,

dicari kesesuaian karakeristik sampai menemukan besaran tertentu yang menentukan.

Semakin tinggi ketelitian suatu model maka semakin tinggi tingkat kedetailan dan

keakuratan data yang dibutuhkan.

2.3. Permodelan Energi

2.3.1. Konsepsi Pemodelan Energi

Perencanaan energi yang terpadu diperlukan dalam mengantisipasi konsumsi

energi yang semakin meningkat dan cadangan sumber daya energi yang semakin

berkurang. Perencanaan energi tersebut harus memperhatikan aspek ekonomi,

lingkungan hidup dan kesinambungan suplai energi untuk jangka panjang. Salah satu

instrumen yang digunakan untuk perencanaan energi adalah model energi.

Terkait model energi ini, terdapat beberapa perdebatan mengenai fungsi dan

keberadaannya. Goerge Box (2002) mengatakan “Essentially, all models are wrong

but some are useful” yang secara langsung berarti bahwa semua hasil pemodelan

salah tetapi keberadaannya akan sangat berguna terutama untuk perencanaan.

Pendapat hampir sama juga dilontarkan oleh Neil Strachan (2003) yang mengatakan

“Some models are right, (or at least in practice, rightenough), and even the wrong

ones can still be useful”. Jadi bahkan model yang salah pun memiliki manfaat

terutama dalam memberikan feedback tentang kesalahan konsep dan pandangan

terhadap permasalahan yang ada sehingga dapat dievaluasi. Lain halnya dengan

Richard Tol (2006) yang menyatakan “Not-understood models are irrelevant, half-

understood models treacherous, and mis-understood models dangerous.”

Berdasarkan pernyataan itu secara tidak langsung dikatakan bahwa pemodelan atas

dasar konsepsi yang salah akan mempersulit perencanaan. Beberapa akademisi

bahkan memperdebatkan status model energi ini sebagai suatu seni atau pengetahuan

(art or science?).

Fungsi model energi adalah merefleksikan sistem energi yang kompleks

dalam bentuk yang mudah dimengerti, membantu mengorganisasi data yang sangat

besar, dan menyediakan framework yang konsisten untuk menguji hipotesis. Model


15

energi digunakan untuk pekerjaan tentang kebutuhan dan ketersediaan energi dimasa

yang akan datang di suatu wilayah ataupun negara. Sebagian besar digunakan dengan

mengeksplorasi asumsi perkembangan diantaranya kegiatan ekonomi, demografis,

atau harga energi di pasar dunia. Penggunaan model energi tersebut juga dapat

dimanfaatkan untuk mensimulasikan pilihan kebijakan dan teknologi yang

berpengaruh terhadap ketersediaan dan kebutuhan energi dan pembiayaan dalam

sistem energi serta kebijakan efisiensi energi.

Setiap pendekatan model bertujuan menyederhanakan permasalahan di dunia

nyata yang lebih komplek melalui data empiris, angka rata-rata statistik, tren masa

lalu serta asumsi lainnya. Dengan kata lain model energi merupakan gambaran yang

disederhanakan dari sistem energi nyata dan ekonomi riil (merepresentasikan sistem

energi yang sebenarnya). Dengan beragamnya pendekatan permodelan yang

berdasarkan pada: 1) target grupnya seperti pengambil kebijakan, komunitas peneliti,

perusahaan yang menyuplai energi; 2) penggunaannya seperti analisis data

diantaranya evaluasi akhir, peramalan, simulasi, optimisasi dll; 3) cakupan wilayah

apakah tingkat regional, nasional atau multinasional; 4) kerangka kerja konseptual.

Model energi yang banyak digunakan dalam membuat proyeksi kebutuhan

energi jangka panjang adalah model yang berdasarkan ekonometrik atau teknik

statistika, sedangkan teknik optimasi dengan fungsi obyektif tertentu digunakan

untuk strategi penyediaan energi. Di samping itu model rekursif juga dikembangkan

berdasarkan kesetimbangan permintaan dan penyediaan energi dengan mengatur

parameter harga.

Sesuai dengan fungsinya untuk mendukung perumusan kebijakan energi yang

bertujuan untuk mendukung pencapaian tujuan nasional di berbagai sektor kehidupan

secara efektif melalui peningkatan pertumbuhan ekonomi, dan ketahanan energi dan

lingkungan, maka pemodelan energi umumnya terdiri atas 3 modul yaitu modul

ekonomi makro, modul sistem energi, dan modul lingkungan. Analisis ekonomi

makro diperlukan untuk memberi gambaran tentang struktur ekonomi saat ini dan

pertumbuhannya. Termasuk di dalamnya input-output dari sektor energi dan analisis

keterkaitan sektor energi terhadap perekonomian. Berikut adalah hubungan

keterkaitan 3 E (Energy, Economic dan Environment) dalam model energi.


16

Gambar 6. Keterkaitan Tujuan Aspek Energy, Economic dan Environment

dalam Model Energi (Widodo, 2013)

Sistem yang kompleks yang terdiri atas hubungan antara aliran energi dan

teknologi energi dapat merupakan bagian dari sistem energi. Jaringan sistem energi

dari sumber sampai ke konsumen menjelaskan aliran energi itu sendiri. Analisis

dalam model harus dapat memilih beberapa alternatif yang sesuai dengan kriteria

yang telah ditentukan. Analisis dapat difokuskan pada sisi permintaan, misalnya:

evaluasi permintaan energi sekunder yang berdasarkan pertumbuhan ekonomi,

konservasi, demand side management, dan substitusi antar berbagai jenis energi

sekunder. Analisis sisi penyediaan yang dapat memenuhi permintaan dengan

mempertimbangkan sumber energi primer dan teknologi yang tersedia dapat

dijadikan sebagai alternatif lain. Proyeksi pertumbuhan energi yang konsisten dengan

pertumbuhan perekonomian dan sosial serta asumsi kebijakan harus dijadikan dasar

dalam analisis sisi permintaan.

Analisis terhadap lingkungan dilakukan dengan memperhitungkan dampak

penggunaan energi terhadap udara, tanah dan air, serta limbah yang dihasilkan

berdasarkan data yang tersedia, misalnya: karakteristik teknologi energi yang

Policy Scenario

Energy Supply & Conversion

Macroeconomy

Energy Demand

Environment

MAX ProductionFunction

MINCost of Energy

MINEmission

ResidentialSector

CommercialSector

IndustrialSector

TransportSector

Energy Prices

Product and Service Demand

Electricity

Fossil Fuels

Renewable

EnergyConsumption

(non-electricityand electricity)

Technology Choices

Cost of Product


17

digunakan serta standar dan peraturan dari baku mutu lingkungan. Jumlah emisi

tergantung dari jenis energi yang dipakai, teknologi yang digunakan serta peralatan

pengurang emisi yang terpasang.

Berbagai teknik atau model perencanaan energi dapat dibangun dari yang

paling sederhana sampai yang sangat rumit. Secara umum teknik analisis model

energi dapat dibedakan dalam lima pendekatan utama, yaitu pendekatan proses,

pendekatan trend, pendekatan elastisitas, pendekatan ekonometri, pendekatan

input/output dan lain-lain. Berbagai alternatif proyeksi dapat dibuat dengan

menggunakan satu atau beberapa teknik analisis yang tersedia.

Secara umum, Model Energi dibagi menjadi dua jenis berdasarkan

pendekatannya yaitu :

1. Model Sistem Energi yaitu untuk mengetahui tingkah laku sistem energi secara

keseluruhan (daerah, negara, dunia). Jenis model ini sering disebut model bottom

up

2. Model Ekonomi Energi yaitu untuk mengetahui dampak sistem energi pada

ekonomi secara luas. Jenis model ini sering disebut model top-down

3. Model Hibrid yang mencoba menggabungkan kelebihan dan kekurangan dua

model di atas melalui penggabungan pendekatan.

Model bottom up pertama kali dikembangkan pada awal tahun 1970-an,

terutama setelah krisis minyak pada tahun 1973. Ketika itu para analis mulai mencari

opsi penggunaan energi selain minyak yang lebih efisien. Model energi

makroekonomi modern dimulai di akhir 1950-an, ketika perusahaan penyedia energi

dan pemerintahan harus menentukan perkiraan pasokan energi masa depan untuk

memenuhi permintaan energi dari negara-negara OECD yang saat itu berkembang

pesat.

Kedua jenis model energi, top-down dan bottom-up, memiliki

keunggulan dan keterbatasan tertentu yang sering tidak disadari oleh pemodel,

pengguna, dan pembuat kebijakan. Model bottom-up biasanya dikembangkan dan

digunakan oleh para enginer, environmentalist, dan perusahaan energi, sedangkan

model top-down cenderung dikembangkan dan digunakan oleh para ekonom dan

pemerintahan. Proyeksi dan studi permintaan dan pasokan energi hasil pemodelan


18

energi saat ini tidak hanya menjadi suatu agenda biasa saja tetapi sudah menjadi

menjadi basis informasi ilmiah sebagai bahan diskusi publik antara pemerintah,

perusahaan energi, para asosiasi usaha, dan LSM.

Berikut adalah pendekatan secara umum dari model energi1:

2.3.2. Model Energi Top-down (Top-down Energi Models)

Pendekatan model top-down dibangun untuk meramalkan model berdasarkan

umpan balik sistem teknologi, ekonomi dan juga kebijakan yang bersifat standar

teknis, norma dan lain-lain. Beberapa tipe model top-down: model input-output,

model ekonometrika, model kesetimbangan umum yang dapat di komputerisasi dan

sistem dinamik. Berikut penjelasan model top-down:

a. Model Input-Output

Model ini digunakan untuk mendeskripsikan struktur ekonomi dengan

menggambarkan total arus barang dan jasa suatu negara yang dibagi menjadi sektor-

sektor pengguna dan nilai tambah dan koefisien input/output tertentu.

b. Model Ekonometrika

Analisis ekonometrika didefinisikan sebagai kombinasi teori ekonomi,

matematis dan statistik. Pada awalnya model ini hanya ditujukan menguji teori

ekonomi dengan menggunakan bukti empiris yang kemudian dikembangkan menjadi

model yang kompleks. Sebagian besar model ekonometrik merupakan model

terbuka, dengan menggunakan dan menganalisis data time series.

c. Model Computable General Equilibrium

Model Computable General Equilibrium (CGE) didasarkan pada teori

ekuilibrium umum yang dikembangkan oleh Léon Walras pada 1870-an, Vilfredo

Pareto tahun 1906 dan Kenneth Arrow dan Gerard Debreu di 1950. Model CGE saat

ini dapat menggunakan pendekatan yang berbeda untuk menganalisis implikasi

kebijakan ekonomi (seperti model Keynesian). Model CGE banyak digunakan untuk

1Andrea Herbst, Felipe Toro, Felix Reitze, and Eberhard Jochem. 2012.

Introduction to Energy Sistems Modelling. Swiss Journal of Economics and

Statistics, Vol. 148 (2)


19

menganalisis implikasi kebijakan terhadap ekonomi. Umumnya model ini

mengasumsikan semua pasar berada dalam kesetimbangan yang sempurna pada

kondisi awal. Model CGE menggunakan Social Accounting Matrix (SAM) untuk

merepresentasikan benchmark data dalam keseimbangan. Setelah intervensi

kebijakan (misalnya pengenalan pajak atau subsidi khusus, dll), keseimbangan yang

dihasilkan melalui penyesuaian harga yang tidak dapat dipengaruhi oleh pihak yang

terlibat sebagai price taker (rumah tangga, perusahaan, dan pemerintah) dan

berusaha memaksimalkan keuntungannya dalam batasan tertentu dan penyesuaian

kuantitas.

d. Sistem Dinamik

Konsep pemodelan Sistem dinamik (SD) dikembangkan oleh Forrester

(1958, 1962, 1971, 1980) pada tahun 1950 di Massachusetts Institute Technology

(MIT) dan digunakan untuk menganalisis perilaku jangka panjang sistem sosial

seperti perusahaan industri besar atau sistem kota. Tujuannya adalah untuk

menjelaskan perilaku interaksi sistem sosial dengan asumsi pihak yang

interdependen berubah secara dinamis dari waktu ke waktu (persamaan dan analisis

diferensial). Pengembang model mendefinisikan arus, saham, dan komponen utama

dari sistem didefinisikan, yang interkoneksinya ditetapkan oleh sistem kontrol umpan

balik atau causal loop diwakili oleh persamaan diferensial non-linear.

Dalam perkembangannya, sistem didefinisikan dengan menggunakan analisis

diferensial dengan formulasi matematika. Forrester mengembangkan perangkat lunak

untuk mendapatkan persamaan turunan untuk menghitung persamaan dinamika dari

feedback sistem dengan menggabungkan penilaian ahli. Program ini memiliki

kemampuan untuk melakukan pendekatan permodelan eksperimental bila basis data

tidak tersedia.

Contoh pendekatan sistem dinamik yang digunakan untuk menganalisis

perkembangan sektor energi jangka panjang diantaranya model TIMES yang

meneliti perkembangan struktur sistem energi di seluruh dunia (de Vries et al., 1999),

model POLES yang mereplikasi seluruh sistem energi (Russ dan Criqui, 2007).

Kekurangan dari sistem dinamik berhubungan dengan validasi dan kalibrasi

loop feedback yang diasumsikan, khususnya pada pemodelan perkembangan sistem


20

energi jangka panjang (Fichtner et al, 2003) dan juga ketidakmampuannya untuk

membuat analisis dan proyeksi teknologi sektoral secara rinci.

2.3.3. Model Energi Bottom up

Ciri utama dari model energi bottom-up konvensional adalah tingkat detail

teknologi yang lebih mendalam dibandingkan dengan model energi top-down. Model

ini digunakan untuk menilai kebutuhan dan penyediaan energi masa depan. Berbeda

dengan model top-down, model bottom-up menggunakan pendekatan evaluasi

ekonomi dari teknologi yang disimulasikan dan biasanya tidak dapat

mempertimbangkan dampak makroekonomi dari kebijakan energi atau iklim atau

investasi terkait. Model energi bottom-up ini cocok untuk proyeksi kebutuhan dan

penyediaan energi dalam jangka waktu yang lebih panjang dalam hal teknologi

dengan siklus reinvestasi kurang dari 20 tahun.

Dari aspek matematis, model energi bottom-up telah dikembangkan dalam

bentuk simulasi, optimasi, dan yang paling baru dalam bentuk multi-agen. Model

bottom-up mencoba untuk mengidentifikasi teknologi yang terbaik dengan cara (i)

menilai kebijakan, efeknya, investasi, biaya, dan manfaat, (ii) menghitung manfaat

efisiensi energi, (iii) mengidentifikasi pengaruh antar sektor, biaya dan keuntungan

sektoral. Berikut beberapa model bottom-up:

a. Model Ekuilibrium Parsial-Hibrid

Model ekuilibrium parsial tidak berbeda jauh dari CGE yang telah disebutkan

dengan prinsip kerangka dan mekanisme yang sangat mirip. Namun, model

ekuilibrium parsial hanya menilai satu sektor atau bagian sektor tertentu. Model

energi ekuilibrium parsial memfokuskan pada permintaan dan pasokan energi.

Dengan mengabaikan saling keterkaitan dan efek terhadap perekonomian yang lebih

luas, model ini memasukkan aspek teknologi yang lebih detail lagi dibandingkan

CGE. Beberapa model ekuilibrium parsial yang penting antara lain: POLES

(Prospective Outlook on Long-term Energi Sistem), Model dari Enerdata, WEM

(World Energi Model) dari International Energi Agency, dan PRIMES Energi Sistem

Model dari Uni Eropa. Secara teori, sangat sulit untuk menggolongkan model-model

tersebut bukan model parsial ekuilibrium murni karena strukturnya sudah berusaha


21

untuk menjembatani pendekatan ekonomi makro dan orientasi proses, seperti

menggabungkan pilihan teknologi eksplisit dengan hubungan ekonomi mikro.

Model POLES menganalisis sistem energi internasional di tujuh regional

dunia, sebelas sub regional, dan 32 negara, dengan mempertimbangkan sekitar 40

teknologi detail kelistrikan, produksi hidrogen dan sektor energi final. Hal ini

didasarkan pada proses simulasi rekursif dimana permintaan dan pasokan energi

untuk setiap modul nasional atau regional akan bereaksi terhadap perubahan harga

internasional pada periode sebelumnya. Setiap modul tidak hanya

mempertimbangkan efek harga tetapi juga batasan teknologi dan ekonomi dan tren

(Enerdata, 2011).

WEM adalah model matematika skala besar yang menghasilkan proyeksi

bersifat sektoral dan regional jangka menengah sampai panjang dari permintaan

energi, pembangkit listrik, dll. Model ini terdiri dari beberapa modul permintaan

(permintaan energi final industri, transportasi, rumah tangga dan jasa), modul kilang,

modul pembangkit listrik, tiga modul pasokan bahan bakar fosil (gas, minyak, dan

batubara) serta modul yang menghitung faktor konten CO2 untuk batubara, minyak

dan gas untuk berbagai sektor dan daerah.

b. Model Optimisasi

Model optimisasi digunakan untuk menentukan pemilihan teknologi yang

optimal untuk mencapai target tertentu dengan biaya minimum dalam batasan

tertentu sehingga harga dan kuantitas yang diminta tetap dalam keseimbangannya.

Model MARKAL menganalisis permintaan dan pasokan energi dengan

menggunakan bottom-up, melalui pendekatan dinamis. Seperti model partial

ekuilibrium yang disebutkan di atas, MARKAL menggabungkan model bottom-up

rinci dengan pendekatan makroekonomi yang disederhanakan. Model ini

dikembangkan oleh International Energi Agency (IEA) dan dirancang untuk

mendukung kebijakan dengan dukungan informasi teknologi yang detail pada

permintaan dan penyediaan. Menurut ETSAP (2011), MARKAL dapat digunakan

juga untuk mengidentifikasi sistem energi yang paling murah secara efektif untuk

pembatasan emisi. Selain itu, kebijakan harga (pajak, dll) serta teknologi baru dan

tren perubahan teknologi dievaluasi dan diproyeksikan. Saat ini, ada beberapa versi

dari model MARKAL asli termasuk model makroekonomi, model ekonomi mikro,


22

dan berbagai fitur tambahan seperti endogen energi proyeksi permintaan, respon

terhadap perubahan harga, perdagangan izin emisi, ketidakpastian mengenai

teknologi endogen (Seebregts et al, 2002;. Loulou et al, 2004).

Model TIMES (The Integrated MARKAL-EFOM Sistem) adalah salah satu

versi model MARKAL dengan pendekatan sama yang digunakan untuk analisis

sektor energi secara keseluruhan dan single-sektor. Dibandingkan dengan model

MARKAL biasa, model TIMES memiliki beberapa fitur khusus: periode waktu yang

fleksibel, pemisahan data, generalisasi proses, proses yang fleksible, proses fleksibel,

variable yang terkait komoditas, persamaan berhubungan dengan perubahan iklim,

dan lain-lain (ETSAP, 2005). Euro MM (European Multi-regional MARKAL), yang

merupakan versi turunan lainnya Model MARKAL, merupakan model optimasi

sistem energi multinasional yang mengevaluasi kebijakan dan dampak perubahan

iklim terhadap konversi energi dengan menghitung solusi biaya terendah untuk

sistem energi (Schade et al., 2009).

Model optimasi penyediaan energi lainnya yang sering dikutip dalam literatur

adalah MESSAGE (Model for Energi Supply Strategy Alternatives and their General

Environmental Impact) yang dikembangkan oleh Austrian Institut Internasional

untuk for Applied Sistems Analysis (IIASA) yang menganalisis 11 area dan

menghitung proyeksi energi hingga tahun 2100 (Messner dan Strubegger, 1995).

Model DIME (Dispatch and Investment Model for Electricity markets in

Europe) dirancang sebagai model optimasi linier untuk perkiraan jangka menengah

dan jangka panjang pembangkit listrik Eropa (13 negara-negara Eropa Tengah dan

Barat termasuk Swiss) yang meliputi 11 teknologi untuk pembangkit listrik.

Berdasarkan asumsi pasar pembangkit listrik kompetitif, model ini diterapkan untuk

mensimulasikan alokasi dengan meminimalkan biaya beserta investasi di penyediaan

sektor energi (EWI, 2011).

c. Model Simulasi

Model simulasi berupaya menduplikasi gambaran asosiasi dan hubungan

antara berbagai elemen sistem. Model simulasi berusaha memberikan ilustrasi

kuantitatif dan deskriptif permintaan energi dan konversi berdasarkan faktor

pendorong yang ditentukan secara eksogen dan data teknis dengan tujuan


23

pengamatan model dan pengambilan keputusan yang tidak mengikuti pola

penghematan biaya. Duplikasi ini didasarkan variasi dari faktor-faktor pendorong

yang seperti pendapatan, penduduk, tenaga kerja, lokasi tempat tinggal, kebijakan

pemerintah, harga energi). Faktor-faktor ini dikorelasikan dengan perkembangan

ekonomi dan demografi (melalui skenario) beserta kondisi-kondisi tertentu

(kebijakan energi dan perubahan iklim).

d. Multi-agent Model

Permodelan multi-agent merupakan pengembangan dari pendekatan simulasi

yang mempertimbangkan ketidaksempurnaan pasar seperti perilaku strategis,

informasi asimetris dan pengaruh non ekonomi. Konsep dan arsitektur model multi-

agen berasal dari konsep konsep artificial intelegent terdistribusi yang penerapannya

telah sangat diperluas di beberapa daerah penelitian (misalnya kompleksitas tingkat

makro) sejak awal 1990-an. Kemajuan dalam metode dan sumber daya teknologi

informasi yang kompleks, metodologi penelitian sumber daya ekologi alam dan

multi-disiplin yang dikombinasikan dengan kemajuan dalam pendekatan statistik

lebih khusus telah memungkinkan peneliti untuk memperluas penggunaan

pemodelan berbasis agen, terutama untuk pengambilan dan pembuat kebijakan

(Foley et al, 2005;. Heemskerk et al, 2003).

Agen berbasis model dianggap lebih dari alat penelitian yang inovatif

untuk menganalisis sistem yang kompleks, tetapi juga dianggap sebagai instrumen

untuk pengguna akhir untuk meningkatkan pengambilan keputusan serta untuk

menguji kebijakan khusus dan proyeksi skenario alternatif dan masa depan

(Alexandridis dan Pijanowski, 2006). Aspek penting terkait dengan interaksi tingkat

mikro berhubungan dengan peran agen yang ditentukan beserta keputusan dan

interaksi antara aktor yang berbeda dalam sistem. Dalam hal ini, agen memiliki

kesamaan kemampuan untuk bertindak secara otonom, berinteraksi dengan agen

lainnya, bereaksi terhadap lingkungan, dan mengambil inisiatif untuk bertindak

(Wooldridge, 1995, 2009).

Model berbasis agen banyak diterapkan pada sektor listrik. Awalnya model

ini cenderung berfokus pada aspek operasional bukan pada simulasi jangka panjang

sampai akhir-akhir ini beberapa model agen telah diterapkan untuk perencanaan

jangka panjang dengan alasan kapasitas sedang dibangun sebagai hasil dari


24

keputusan investasi. Fichtner et al. (2003) menyarankan aplikasi gabungan dari

pendekatan berbasis agen dan model optimasi linier untuk pola perencanaan strategis

pemasok listrik di pasar liberal. Contoh lebih lanjut di bidang ini meliputi penelitian

yang dilakukan oleh Wittmann (2008), yang mengembangkan model agen-based dari

keputusan investasi energi dalam sistem energi perkotaan dengan fokus pada

teknologi konversi desentralisasi.

Sejauh ini, model multi-agen terbatas pada aplikasi dari konversi teknologi

energi dan beberapa aplikasi pada energi final (misalnya Jochem, 2009). Salah satu

kendala utama mengembangkan dan menggunakan model multi-agen adalah

permintaan yang sangat besar pada data empiris tambahan untuk mensimulasikan

perilaku agen yang berbeda.

2.3.4. Perbandingan Pendekatan Model Top-down dan Bottom up

Salah satu kelebihan utama dari model energi top-down adalah

kemampuannya memberi umpan balik tentang kesejahteraan, lapangan kerja, dan

pertumbuhan ekonomi. Penilaian pengaruh ekonomi dan sosial menghasilkan

konsistensi yang lebih tinggi dan memfasilitasi pemahaman yang komprehensif

tentang dampak kebijakan energi pada ekonomi suatu negara atau wilayah. Tetapi di

sisi lain, model top-down kurang memiliki detail teknologi dan cenderung

menyajikan informasi yang lebih general. Akibatnya, model ini kurang dapat

memberikan indikasi yang tepat mengenai progres teknologi (tidak langsung

memodelkan perubahan teknologi), hambatan non-moneter untuk energi efisiensi

atau kebijakan khusus untuk teknologi tertentu terutama untuk jangka panjang

dimana terjadi perubahan substansial teknologi, saturasi, dan perubahan dalam

struktur ekonomi.

Selain itu, dengan asumsi pasar yang efisien, pendekatan model top-down

cenderung mengabaikan kompleksitas hambatan dalam bentuk non-moneter seperti

kurangnya informasi, keputusan yang tidak memadai, atau kepentingan kelompok

tertentu produsen teknologi atau dari seluruh penjualan. Model CGE mengasumsikan

setiap kebijakan apapun mengimplikasikan biaya tambahan termasuk dalam efisiensi

energi, meskipun sebenarnya hal ini akan sangat menguntungkan dengan

pengurangan biaya dan peningkatan keuntungan dan pendapatan pajak. Hal ini

karena efeknya tidak secara langsung. Intinya, karena fokus model ini pada moneter,


25

maka akan cenderung mendukung kebijakan berkaitan dengan moneter seperti

kebijakan berbasis harga (pajak, subsidi, dll), kebijakan pengaturan sertifikat emisi.

Berbeda dengan model makroekonomi, pendekatan pemodelan bottom-up

memasukkan tingkat tinggi detail teknologi yang memungkinkan mereka untuk

menyajikan gambaran permintaan energi dan teknologi pasokan energi yang sangat

rinci, serta masa depan teknologi yang masuk akal. Model bottom-up juga dapat

memberikan evaluasi rinci kebijakan sektor atau teknologi tertentu (Catenazzi,

2009). Namun, tingkat detail tinggi menjadikan model bottom-up yang sangat

tergantung pada ketersediaan dan kredibilitas data berkaitan dengan banyak

asumsinya pada difusi teknologi, investasi dan biaya operasi. Model ini dikritik

karena pengabaian efek dari program, dampak dari kebijakan energi serta kurangnya

efek makro dari perubahan teknologi pada aktivitas ekonomi secara keseluruhan,

perubahan struktural, ketenagakerjaan, dan harga.

Beberapa perbedaan lainnya antara model energi top-down dan bottom-up

dapat dilihat pada tabel berikut ini:

Tabel 1. Perbedaan Pendekatan Model Energi Top-down dan Bottom-Up

Sumber : Bhattacharyya, 2010


26

2.3.5. Pendekatan Peramalan dalam Model Energi

Secara umum berikut penjelasan pendekatan proyeksi dalam model energi2:

a. Pendekatan Proses

Pendekatan proses secara umum tidak bisa digunakan untuk bidang di luar

energi. Hal ini karena dalam pendekatan model ini menguraikan aliran energi dari

awal hingga akhir permintaan. Proses yang dilalui mulai dari ekstraksi sumber daya

energi, penyulingan, konversi, transportasi, penimbunan, transmisi dan distribusi

menjadi variable yang diperhitungkan. Kekurangannya adalah tidak adanya variabel

dari faktor ekonomi sehingga tidak terjadi interaksi antara ekonomi dan energi. Oleh

sebab itu hasilnya belum bisa secara tegas digunakan dalam kebijakan yang

berhubungan dengan bidang ekonomi. Manfaat yang menjadi keunggulan dari

pendekatan proses adalah mudah mengakomodasi bahan bakar tradisional, dapat

dilakukan dengan perhitungan sederhana dan metode paling cocok dalam

menguraikan alternatif teknologi yang ada saat ini.

Pendekatan proses menguraikan aliran energi dari sumber energi primer

sampai permintaan final. Prosesnya mencakup ekstraksi sumber daya energi,

penyulingan, konversi, transportasi, penimbunan, transmisi dan distribusi.

Keunggulan pendekatan ini adalah mudah mengakomodasi bahan bakar tradisional,

dapat dilakukan dengan perhitungan sederhana dan metode paling cocok dalam

menguraikan alternatif teknologi yang ada saat ini. Kendala utamanya, pendekatan

ini hanya dapat dipakai untuk sektor energi saja sehingga tidak dapat

menggambarkan interaksi energi-ekonomi dan variabel-variabel kebijakan ekonomi.

b. Pendekatan Trend

Pendekatan trend memiliki keunggulan utama berupa kesederhanaan data dan

prasyarat. Pendekatan ini menunjukkan ekstrapolasi kecenderungan masa lalu

berdasarkan pemilihan kurva. Analisis ini dapat juga dilakukan dengan

memproyeksikan nilai historis rata-rata kegiatan energi-ekonomi dan rasio energi per

kapita. Meskipun secara luas digunakan dalam peramalan, terutama oleh negara-

negara berkembang, keterbatasannya ternyata cukup banyak. Kecenderungan atau

2Prawaningtyas TD, Proyeksi dan optimasi. 2009. Fakultas Teknik UI


27

perilaku di masa lalu mungkin tidak terlalu relavan dengan kejadian di masa depan.

Secara umum pendekatan ini tidak dapat menggambarkan perubahan-perubahan

yang bersifat struktural, determinan permintaan. Karena tidak terbuka dalam hal

interaksi energi dan ekonomi maka pendekatan ini kurang cocok untuk analisis

kebijakan.

Pendekatan trend dilakukan dengan melakukan proyeksi berdasarkan data

historis di masa lalu. Data tersebut kemudian diekstrapolasikan berdasarkan

kecenderungan yang terjadi. Bisa dihubungkan dangan rata-rata dari data tersebut

maupun dengan memilih jenis kurva yang diinginkan. Keunggulannya adalah data

yang diperlukan bersifat sederhana. Namun, ada juga kekurangannya terutama

karena tidak dapat menggambarkan perubahan struktural yang terjadi dari masing-

masing variabel yang berpengaruh baik untuk faktor teknologi maupun ekonomi.

Selain itu, ada kecenderungan bahwa kejadian di masa lalu tidak secara tegas akan

menggambarkan kondisi pada masa yang akan datang.

c. Pendekatan Elastisitas

Pendekatan elastisitas dapat dilakukan dengan menghitung besarnya

elastisitas permintaan terhadap pendapatan dan elastisitas permintaan terhadap harga.

Ini menunjukkan perubahan tingkat permintaan energi terhadap perubahan,

pendapatan, dan harga. Kekurangan pendekatan ini adalah besarnya unsur

ketidakpastian atas estimasi elastisitas permintaan yangg disebabkan karena kondisi

beberapa data, keterbatasan variabel harga, pendapatan dan kenyataan data antar

waktu (time series) yang digunakan tidak mencerminkan perubahan sisi dan struktur

permintaan energi dalam jangka waktu yang lebih panjang.

d. Pendekatan Ekonometri

Pendekatan ekonometri menggunakan standar perhitungan kuantitatif untuk

analisis dan proyeksi ekonomi. Kelebihan pendekatan ekonometri adalah dalam

analisis kebijakan dan proyeksi jangka pendek sampai jangka panjang. Asumsi-

asumsi statistik dan perilaku dapat disajikan lewat model persamaan interaksi energi

ekonomi secara simultan. Pendekatan ini juga dapat menyajikan pengaruh harga

relatif dan absolut terhadap substitusi antar bahan bakar. Di sisi lain, kekurangan


28

pendekatan ekonometri terjadi karena harus mengakomodasi kegiatan perubahan

teknologi dan datangnya komoditas baru.

Pada bidang energi komponen utama dari analisis dengan model ekonometri

adalah pada data input atau variabel yang bersifat ekonomi yang kemudian

dihubungkan dengan tingkat kebutuhan energi listrik. Kelebihan dari model ini

adalah tidak terlalu banyaknya data yang harus digunakan sebagai variabel input.

Biasanya proyeksi kebutuhan energi listrik dengan pendekatan model ini tidak

memperhitungkan secara detail teknologi yang digunakan dalam ketenagalistrikan.

Sebagian besar dari model ekonometri mendasarkan perhitungan bidang

energi pada fungsi Cobb-Douglas seperti pada persamaan berikut.

E = aYα P-β

Di mana : E = kebutuhan energi (permintaan energi/energi demand)

Y = pendapatan (income)

P = harga energi

a = koefisien

α = elastisitas pendapatan dari permintaan energi

β = elastisitas harga energi dari permintaan energi

Dari persamaan di atas menunjukkan adanya faktor elastisitas harga energi

dan pendapatan. Hal ini mengindikasikan bahwa perubahan tingkat kebutuhan energi

sebagai hasil dari perubahan pendapatan dan harga energi dalam pendekatan

menggunakan model ekonometri.

e. Pendekatan Input-Output

Pendekatan input-output hampir sama dengan pendekatan ekonometri. Ada

dua keunggulan pendekatan ini. Pertama, merupakan pendekatan paling

komprehensif dan konsisten terhadap semua sektor ekonomi, termasuk aliran

berbagai jenis energi dan mudah digabungkan ke dalam model ekonometri, simulasi

atau optimasi. Kedua, teknik yang sangat cocok untuk analisis kebijaksanaan pada

berbagai tahapan. Keunggulan pertama melekat pada analisis input-output. Namun

pendekatan ini memiliki keterbatasan aplikasi. Pendekatan ini bersifat statik yang


29

berlaku untuk satu waktu tertentu. Keterbatasan selanjutnya adalah kebutuhan akan

data dasar sektor ekonomi yang luas dan komprehensif.

f. Pendekatan End-Use

Model pendekatan end-use juga dikenal sebagai pendekatan engineering

model. Pendekatan ini akan lebih detail walaupun secara perhitungan menggunakan

fungsi yang lebih sederhana. Pertimbangan teknologi yang digunakan dalam proses

aliran energi juga menjadi variabel perhitungan. Pendekatan ini sangat cocok untuk

keperluan proyeksi efisiensi energi karena dimungkinkan untuk secara eksplisit

mempertimbangkan perubahan teknologi dan tingkat pelayanan.

Permintaan energi dari masing-masing kegiatan merupakan produk dari dua

faktor, yaitu tingkat aktivitas (layanan energi) dan intensitas energi (penggunaan

energi per unit layanan energi). Selain itu, permintaan total maupun permintaan

energi sektoral dipengaruhi oleh rincian kegiatan yang berbeda yang membentuk

komposisi, atau struktur permintaan energi.

Dimana : Qi = jumlah dari layanan energi i

Ii = intensitas penggunaan energi untuk layanan energi i

Jumlah aktivitas energi Qi tergantung pada beberapa faktor, termasuk di

dalamnya jumlah populasi, proporsi penggunaan akhir energi, pola konsumsi energi,

dan pada keadaan tertentu di mana diperlukan pembagian pada klasifikasi pengguna

atau pelanggan.

Untuk melakukan perencanaan energi, tentu harus ada metode yang baku

yang digunakan. Ada berbagai model pendekatan untuk menyusun prakiraan

kebutuhan energi yang tersedia antara lain pendekatan ekonometrik, pendekatan

proses, pendekatan time series, pendekatan end-use, pendekatan trend maupun

gabungan dari berbagai model pendekatan perencanaan. Perencanaan kelistrikan

sering menggunakan sebagai pendekatan ekonometri dan pendekatan end-use untuk

proyeksi kebutuhan energi listrik. Perbedaan utama dari kedua metode tersebut

adalah pada jenis data yang dimasukkan (data input). Pada model ekonometri, data

yang digunakan sebagai data masukan seperti pendapatan daerah, pendapatan per

kapita dan data lain yang bersifat ekonomi, kemudian dihubungkan dengan

kebutuhan energi.


30

BAB 3

PEMANFAATAN MODEL ENERGI DI INDONESIA

3.1. Penggunaan Model Energi di Indonesia

Di Indonesia, di beberapa lembaga penelitian dan instansi terkait dengan

perencanaan energi, telah banyak menerapkan metode pendekatan model energi.

Penerapan model energi sudah dikembangkan di beberapa instansi di antaranya

BPPT dan UGM dengan Markal, Pusdatin ESDM dengan LEAP dan Sistem

Dinamic, PLN dengan kombinasi WASP dan model ekonometrik, UI dan ITB

dengan sistem dinamik, IIEE dengan IIEEM dan banyak lagi. Dalam rangka

mengembangkan perencanaan energi baik di tingkat nasional dan daerah seperti

diamanatkan UU Energi, keberagaman model ini akan sangat membantu terutama

dalam menguji setiap kebijakan energi yang akan dikeluarkan. Walaupun demikian,

seringkali pemodelan yang dilakukan terkesan lebih bersifat sendiri-sendiri dan

kurang terkoordinasi terutama dalam hal perumusan tindak lanjutnya. Selain itu

masalah transparansi untuk masing-masing model perlu ditingkatkan agar

masyarakat umum dapat ikut menganalisa dan memberikan input bagi model yang

dikembangkan. Melihat hal tersebut, perlu adanya proses koordinasi melalui forum

nasional yang menaungi institusi dan/atau individu yang mengembangkan model

energi untuk menyepakati berbagai asumsi yang akan digunakan untuk pemodelan

energi.

Beberapa model yang terkemuka yang saat ini banyak digunakan dan

dikembangkan oleh lembaga/instansi di Indonesia diantaranya :

a. Model Markal

Saat ini model MARKAL sudah dipergunakan baik di negara maju maupun

di negara berkembang. Lebih dari 55 negara menggunakannya untuk perencanaan

energi nasional. Di Indonesia beberapa institusi yang memiliki lisensi untuk

menggunakannya, yaitu: Badan Pengkajian dan Penerapan Teknologi (BPPT),

ASEAN Centre for Energi (ACE), SKK Migas, KESDM, dan Pusat Studi Energi

UGM.


31

Penggunakan model MARKAL di Indonesia telah dimulai sejak tahun 1980

dengan dibentuknya tim perencanaan energi antar institusi dengan BPPT sebagai

koordinator dan bekerja sama dengan KFA Jerman. Pada awalnya digunakan

komputer mainframe Pertamina untuk melakukan optimasi. Sejak tahun 1993, sudah

digunakan MUSS-MARKAL yang menggunakan PC. Hasil studi yang sudah

dilakukan diantaranya adalah perencanaan energi nasional dengan

mempertimbangkan dampak lingkungan. Pada tahun 1997 BPPT bekerja sama

dengan ABARE menggunakan ANSWER-MARKAL. Kemudian disusul

penggunaan ANSWER-MARKAL oleh ACE bekerja sama dengan BPPT untuk

membuat perencanaan energi terintegrasi di negara ASEAN pada tahun 2001. Pada

tahun 2003, BP Migas bersama dengan BPPT menggunakan ANSWER-MARKAL

untuk membuat optimasi penggunaan gas alam di Indonesia. DESDM bekerja sama

dengan BPPT pada tahun 2006 mulai menggunakan ANSWER-MARKAL untuk

membuat perencanaan energi sebagai masukan bagi pembuatan Kebijakan Energi

Nasional (KEN).

MARKAL (Market Allocation) adalah perangkat untuk pemodelan terkait

dengan energi, ekonomi dan lingkungan. Hal ini dikembangkan sebagai upaya

kolaborasi yang berada di bawah pengawasan Badan Energi Internasional Teknologi

Energi Program Analisis Sistem (ETSAP). MARKAL adalah model generik yang

disesuaikan dengan data input untuk mewakili perubahan selama periode tertentu,

biasanya 20-50 tahun dari sistem energi spesifik lingkungan di tingkat nasional,

regional, negara bagian atau provinsi, maupun tingkatan tertentu dalam masyarakat.

Sistem yang ada direpresentasikan sebagai jaringan, menggambarkan semua

kemungkinan aliran energi dari ekstraksi sumber daya, melalui transformasi energi

dan perangkat dalam pengguna akhir (end-use), dan berguna untuk pemenuhan

permintaan energi. Setiap link dalam jaringan dicirikan oleh satu set koefisien teknis

(misalnya, kapasitas, efisiensi), koefisien emisi lingkungan (misalnya, CO2, Sox,

Nox), dan koefisien ekonomi (misalnya, biaya modal, tanggal komersialisasi).

Banyak pilihan sistem jaringan energi atau Referensi Energy System (RES) yang

layak untuk setiap jangka waktu tertentu. MARKAL mampu menentukan RES

terbaik untuk setiap jangka waktu dengan memilih serangkaian pilihan yang

meminimalkan total biaya untuk masing-masing sistem perencanaan. Banyak model


32

yang terpadu di dalam perangkat lunak ini sehingga akan memperoleh banyak pilihan

alternatif. Berikut diagram alir model Markal untuk perencanaan energi:

Gambar 7. Diagram Alir Perencanaan Energi Menggunakan Model MARKAL

c. Model Sistem Dinamik

Salah satu varian dari model sistem dinamik ini adalah model INOSYD yang

dikembangkan oleh Pusat Pengkajian Energi UI. Modul yang dikembangkan

meliputi permintaan energi, penyediaan energi, ekonomi makro dan lingkungan.

Jaringan Sistem Energi (Reference Energi Sistem, RES) dari INOSYD

disempurnakan, terutama sisi infrastruktur penyediaan energinya. Energi primer

mengalami berbagai proses sebelum dapat dimanfaatkan oleh konsumen, berupa

konversi ke bentuk energi lainnya, pengilangan energi menjadi berbagai jenis fraksi

bahan bakar, serta transmisi dan distribusi. Pada setiap proses, penggunaan berbagai

jenis teknologi, sarana dan prasarana menimbulkan kehilangan energi, sehingga

energi yang terpakai selalu lebih kecil dibanding energi primernya. Kerangka model

INOSYD ditunjukkan pada gambar di bawah.


33

Gambar 8. Kerangka Model INOSYD

Dalam studi “Menuju Pemanfaatan Energi yang Optimum di Indonesia:

Pengembangan Model Ekonomi-Energi dan Identifikasi Kebutuhan Infrastruktur

Energi”, Hari Kristijo dan Hanan Nugroho memanfaatkan model INOSYD ini

dengan bahasa POWERSIM.2. Kajian tersebut membahas isu bauran energi yang

optimum di Indonesia, dengan penekanan pada pembuatan model dinamik ekonomi-

energi, proyeksi kebutuhan energi primer dan energi final serta infrastruktur energi

yang harus dikembangkan, termasuk perkiraan biayanya. Jenis energi yang dikaji

terutama bahan bakar fosil, dan proyeksi dilakukan hingga 2020. Model ekonomi

energi yang dikembangkan tersebut juga meramalkan permintaan energi serta

beberapa hasil simulasi, khususnya yang menyangkut minyak bumi, gas bumi,

batubara dan kelistrikan. Dari hasil model tersebut, disimulasikan infrastruktur yang

dibutuhkan untuk dibangun untuk mengakomodir perkembangan permintaan energi

serta kapasitas suplai yang tersedia, termasuk memperhitungkan kebutuhan biaya

pembangunannya3

c. IIEEM (Indonesian Integrated Energi Economics Modeling)

IIEEM (Indonesian Integrated Energi Economics Modeling) merupakan suatu

program computer yang berusaha memodelkan sistem energi-economy di Indonesia.

Model ini adalah pengembangan dari model NEMS yang dikembangkan di Amerika

dengan memodifikasi beberapa modul untuk disesuaikan dengan kondisi sistem

energi dan data yang ada di Indonesia. IIEEM didesign untuk memproyeksikan

3 Ir. Hari Kristijo, M.Sc dan Ir. Hanan Nugroho, M.Sc, 2006


34

produksi, impor, konversi, konsumsi dan harga dari energi berdasarkan asumsi dari

kondisi makroekonomi dan faktor keuangan di dalam negeri Indonesia, harga energi

di dunia internasional, ketersedian sumber energi di dalam negeri. Selain itu IIEEM

juga mempertimbangkan faktor:

Pemilihan jenis energi primer

Karakteristik dari cost dan performance dari teknologi energi,

Faktor demografi.

Gambar 9. Alur Proses Model IIEEM

Oil & Gas

Supply Module

(OGSM)

Natural Gas

Transmission &

Distribution

Module

(NGTDM)

Coal Sector

Module

(CSM)

Renewable Fuels

Module

(RFM)

Petroleum

Sector

Module

(PSM)

Electricity

Sector

Module

(ESM)

Residential Sector

Demand

Module

(RSDM)

Commercial

Sector

Demand

Module

(CSDM)

Transportation

Sector

Demand

Module

(TSDM)

Industrial Sector

Demand

Module

(ISDM)

International

Energy

Activity

Module

(IEAM)

Macroeconomic

Activity

Module

(MAM)

INTEGRATING

MODULE

(IM)

Demand SideSupply Side

Conversion Sector

Gambar 10. Struktur Model IIEEM


35

Hampir seluruh modul melakukan optimasi menggunakan Linier

Programming, kecuali sektor kelistrikan yang menggunakan mix-integer optimasi.

Seluruh optimasi dalam bentuk meminimalisasikan biaya. Seluruh modul

menghasilkan biaya (harga) yang akan diatur oleh integrator yang kemudian akan

digunakan pada Modul lain.

d. Model LEAP (Long-Range Energy Alternatives Planning System)

Long-Range Energy Alternatives Planning System atau kemudian disingkat

menjadi LEAP adalah sebuah perangkat lunak yang dapat digunakan sebagai alat

bantu dalam perencanaan/pemodelan energi-lingkungan. LEAP dikembangkan oleh

Stockholm Environment Institute di Boston, Amerika Serikat, atau disebut SEI-

Boston pada tahun 1980. Versi terakhir dirilis pada tahun 2012. Saat ini LEAP hanya

mampu dijalankan di komputer yang menggunakan sistem operasi Windows. Model

LEAP tersebut terdiri atas:

2 modul utama, yaitu Demand dan Transformation

2 modul tambahan, yaitu Key Variables dan Resources

LEAP bekerja berdasarkan asumsi skenario yang pengguna inginkan dan

bersifat demand driven model. Keunggulan LEAP dibanding perangkat lunak

perencanaan/pemodelan energi-lingkungan yang lain adalah tersedianya sistem antar

muka yang menarik dan memberikan kemudahan dalam penggunaannya serta

tersedia secara cuma-cuma bagi pengguna negara berkembang.

Dengan menggunakan LEAP, pengguna dapat melakukan analisa dari ide

kebijakan energi melalui simulasi implementasi kebijakan tersebut secara cepat. Hal

ini dikarenakan LEAP mampu berfungsi sebagai database sekaligus sebagai sebuah

alat peramal (forecasting tool) dan alat analisis kebijakan. Sebagai database, LEAP

menyediakan informasi energi yang lengkap sementara sebagai forecasting tool,

LEAP mampu membuat proyeksi permintaan dan penyediaan energi dalam jangka

waktu tertentu sesuai dengan keinginan pengguna. Sebagai alat analisis kebijakan

energi, LEAP mampu memberikan berbagai sudut pandang ekonomi, lingkungan dan

teknologi energi atas efek dari ide kebijakan energi baik dari sisi penyediaan maupun

permintaan energi.


36

Untuk Indonesia, dengan kemudahan penggunaan dan akses secara cuma-

cumanya LEAP menjadi software yang banyak digunakan oleh para akademisi dan

masyarakat umum dalam merancang perencanaan energi sederhana di suatu wilayah.

Lebih lanjut lagi LEAP saat ini telah banyak diaplikasikan untuk mensimulasikan

kebijakan energi dan menyusun perencanaan dalam pencapaiannya. Tahun 2008-

2010, Pusdatin ESDM bekerjasama dengan ECN Belanda mensosialisasikan

penggunaan model LEAP yang akan digunakan untuk menyusun RUEN dan sebagai

implementasi dari Kebijakan Energi Nasional (KEN) yang saat ini (2013) sedang

dalam tahap finalisasi. Pada kegiatan tersebut, dilakukan pilot project penyusunan

RUED di lima propinsi seperti Sumatera Utara, Nusa Tenggara Barat, DIY, Jawa

Tengah, dan Papua.

Saat ini LEAP juga digunakan untuk membantu perencanaan gas rumah kaca

yang tertuang dalam Perpres No. 61 Tahun 2011 tentang Rencana Aksi Nasional

Pengurangan Gas Rumah Kaca (RAN-GRK) dan implementasinya di daerah melalui

Rencana Aksi Daerah Pengurangan Gas Rumah Kaca (RAD-GRK).

3.2. Kesesuaian Model Energi Dengan Kondisi Energi Indonesia

Pemanfaatan energi di negara berkembang seperti Indonesia berkembang

pesat sehingga mempengaruhi perubahan iklim dan pengelolaan energi secara global

dan regional. Namun sistem energi dari negara berkembang berbeda jauh dengan

negara-negara maju (industri) yang memiliki keteraturan dalam sistem energi.

Sebagaimana diuraikan sebelumnya, model energi pertama kali

dikembangkan di tahun 1970 seiring dengan peningkatan kapasitas komputer dan

pengaruh lingkungan seperti krisis minyak pertama. Sebagian besar model energi

dikembangkan dan digunakan di negara maju sehingga asumsi tentang sistem energi

didasarkan pada praktek negara maju sehingga proyeksi energi di negara

berkembang seringkali dianggap sama dengan yang ada di negara maju. Padahal

dalam realitasnya banyak hal yang berbeda sehingga seringkali terjadi kesalahan

misinterpretasi pada pemodelan negara berkembang.

Sistem energi di negara maju dicirikan oleh kesesuaian antara supply dan

demand, losses transmisi dan distribusi yang rendah, akses energi yang luas,

dominasi infrastruktur energi modern, struktur yang beragam antara daerah


37

perkotaan dan pedesaan, kecukupan pembiayaan dan investasi, kecukupan subsidi

dan kemampuan usaha dari perusahaan energi dengan struktur ekonomi informal

yang rendah. Sebaliknya sistem energi negara berkembang berbeda dengan negara

maju atau di antara negara itu sendiri.

Untuk Indonesia, sistem energinya memiliki beberapa karakteristik,

diantaranya :

A. Tingginya Kontribusi Sektor Informal dan Kurangnya Data Energi

Informasi ekonomi resmi mendasarkan pada sektor formal dengan

mengecualikan aktifitas ilegal, penggelapan dan penghindaran pajak dari transaksi

moneter atau non moneter. Sementara sektor informal menggambarkan aktifitas

ekonomi tidak resmi yang berlangsung di dunia nyata tetapi tidak tercatat dalam

informasi ekonomi resmi seperti GDP atau nilai tambah. Penyebab adanya sektor

informal adalah adanya beban pajak dan kontribusi jaminan sosial, intensitas regulasi

dan sistem transfer sosial, overregulasi dan biaya tinggi dari pasar tenaga kerja yang

resmi. Sektor informal terdapat diseluruh negara di dunia tetapi khusus untuk di

negara berkembang, ekonomi informal biasanya lebih besar (Kahn dan Pfaff, 2000).

Sektor informal di negara berkembang dapat mencapai 41 persen dari total GDP

resmi di tahun 1999 sampai 2000 dibanding porsinya di negara OECD hanya 17

persen. Permasalahan terbesar dari sektor informal adalah data yang sangat terbatas

yang menyebabkan kesulitan untuk menampilkan sistem ekonomi dan energi dari

negara berkembang.

Tingginya aktifitas ekonomi yang tidak tercatat mempengaruhi perencanaan

dan kebijakan yang akan diambil termasuk dalam hal penyediaan kebutuhan energi.

Pengaturan sistem energi menjadi belum optimal dalam memenuhi kebutuhan di end

user. Seringkali terjadi kekurangan pasokan dan kadangkala terjadi kelebihan

pasokan dalam jumlah signifikan. Hal ini seringkali disebabkan mismatch prediksi

dalam perencanaan.

Selain itu kemungkinan disebabkan juga oleh data yang dimiliki masing

masing instansi yang seringkali memiliki perbedaan signifikan atau bahkan di

beberapa daerah tidak ada sama sekali. Sebagai contoh, pada penyusunan RUED

Yogyakarta pada kegiatan CAREPI tahun 2010 pihak Universitas Muhammadiyah


38

Yogyakarta (UMY) melalui Pusat Pengelolaan Energi Regional (PUSPER)

mengungkapkan sulitnya memperoleh data-data energi di daerah khususnya dalam

hal potensi energi terbarukan dan data kebutuhan sektor pengguna. Data-data

pasokan energi khususnya listrik dan BBM di daerah umumnya tersedia di BUMN

penyedia energi seperti PLN, Pertamina atau PGN namun hanya sedikit sekali dapat

diakses secara publik.

Sementara itu pihak Universitas Gajah Mada melalui Pusat Studi Energi

(PSE) dalam rangka pemodelan transportasi dengan model Markal menyatakan data-

data perhubungan di tingkat propinsi sangat kurang sehingga dalam proses

pemodelannya basis data dikelompokkan berdasarkan pulau dan di beberapa titik

data memerlukan ‘expert judgment’ sehingga memerlukan proses validasi model

yang lama. Contoh lainnya, di tingkat pusat data kebutuhan pada sektor industri pada

statistik energi yang dikeluarkan Kementerian ESDM didasarkan pada data penjualan

sementara data kebutuhan sektor industri dari Kementerian Perindustrian didasarkan

pada Survey Industri Besar dan Menengah yang dilakukan oleh BPS. Kondisi data

seperti ini sering menyulitkan dalam hal asumsi dan proyeksi dalam proses

perencanaan energi. Oleh karenanya, peningkatan koordinasi dan sinkronisasi data

energi antar instansi masih perlu ditingkatkan.

B. Konsumsi Energi Tradisional (Non Komersil) yang Cukup Tinggi

Kondisi energi Indonesia masih dipengaruhi oleh tingginya konsumsi energi

tradisional yang sulit tercatat dengan akurat. Seperti umumnya di negara-negara

berkembang, walaupun konsumsi energi modern seperti listrik meningkat pesat

namun konsumsi energi rumah tangga di Indonesia masih didominasi oleh biomassa

diantaranya kayu bakar, sampah pertanian, sisa tanaman dan kayu. Biomassa

tradisional ini terutama digunakan dalam rumah tangga untuk memasak dan

memanaskan khususnya di area pedesaan miskin. Proyeksi konsumsi biomassa ini

dipengaruhi tiga faktor sebagai berikut: perubahan pendapatan, tingkat urbanisasi

dan tingkat industrialisasi. Umumnya porsi biomassa tradisional akan menurun

seiring dengan peningkatan ekonomi dengan tingkat penurunan yang berbeda-beda di

tiap daerah atau provinsi. Walaupun demikian, energi ini bersifat tidak komersial

sehingga data konsumsi lebih bersifat tidak beraturan (schosastic) yang sulit


39

diprediksi. Porsi energi ini akan tetap dominan dengan adanya pertumbuhan

penduduk dan keterbatasan bahan bakar alternatif yang murah.

C. Kehandalan Infrastruktur Energi yang Masih Rendah

Untuk keberlangsungan ekonomi modern, pemenuhan kebutuhan listrik

menjadi sangat penting.Rendahnya kinerja operasional dan perawatan yang berakibat

pada seringnya kerusakan pembangkit dan fluktuasi voltase yang menyebabkan

kerugian ekonomi masyarakat.Selain itu sering terjadi kurangnya pasokan yang

beberapa diantaranya disebabkan oleh: (i) kondisi pembangkit beserta jaringan

transmisi dan distribusi yang kurang memadai baik dari segi kuantitas maupun

kualitas, (ii) tingginya losses yang diakibatkan teknis dan non teknis; (iii)

perkembangan kebutuhan listrik yang cepat; (iv) Keterbatasan teknologi; (v)

pengaruh kelembagaan dan tata laksana; (vi) rendahnya pembiayaan perusahaan

listrik dan keterbatasan dana investasi; (vii) ketergantungan import pembangkit dan

peralatannya; dan (viii) tarif listrik yang terlalu rendah

Pasokan listrik di Indonesi masih terganggu oleh tingginya losses listrik

dengan kisaran 9-10 persen di tahun 2009-2011. Walaupun kondisi ini masih relatif

lebih baik dibanding India yang berkisar 20-21 persen dan berkisar yang mencapai

11-12 persen (World Bank) namun kondisi ini masih jauh dari China, Malaysia dan

Thailand yang memiki losses dikisaran 6 persen. Sebagai perbandingan losses

negara-negara OECD berada di bawah 6 persen.

D. Rasio Elektrifikasi yang Masih Rendah

Akses energi Indonesia masih rendah terutama di area pedesaan miskin.Rasio

elektrifikasi Indonesia sendiri sampai September 2013 mencapai 80.1%. Kondisi ini

lebih baik dari India yang memiliki rasio elektrifikasi hanya 77 persen. Sementara

rasio elektrifikasi beberapa negara tetangga seperti Filipina, Malaysia dan Vietnam

yang sudah mencapai lebih dari 90 persen. Bahkan Malaysia dan Vietnam sampai

tahun 2010 sudah mencapai lebih dari 99 persen. Salah satu contoh yang baik adalah

China yang mencapai elektrifikasi rasio 99 persen di tahun 2001 karena skema

program elektrifikasi yang meluas (World Bank, 2013).

Meski akses energi listriknya rendah, IEA memperkirakan seiring dengan

peningkatan pendapatan, rasio elektrifikasi di Asia khususnya negara-negara


40

emerging market seperti India dan Indonesia akan meningkat dengan pesat sampai

tahun 2030. Walaupun demikian, beberapa studi mengatakan bahwa kadang kala

hubungan antara peningkatan pendapatan dengan akses energi sangat lemah atau

bahkan tidak ada sama sekali. Pendapatan seringkali tidak terdistribusi seecara

merata karena intervensi pemerintah dalam penentuan fokus investasi. Kondisi

kehandalan infrastruktur dan akses energi Indonesia yang masih rendah tidak lepas

dari pengaruh geografis yang menghambat percepatan koneksi antar grid.

Selain itu, kondisi sebaran kondisi demografis Indonesia yang tidak merata

diperkirakan akan masih menjadi kendala untuk peningkatan rasio elektrifikasi.

Ditambah dengan laju pertumbuhan penduduk yang masih tinggi akan mengurangi

pertumbuhan tahunan rasio elektrifikasi. Pemilihan sistem mini grid atau stand alone

dengan mengutamakan energi terbarukan perlu dikedepankan dengan disertai

pengelolaan.

E. Transisi Struktur Ekonomi Tradisional ke Modern

Di banyak negara berkembang, struktur ekonomi bergerak dari ekonomi

tradisional berbasis pedesaan ke ekonomi modern berbasis industri atau jasa.

Perubahan struktur ekonomi negara berkembang seringkali diproyeksikan dengan

asumsi seperti pada proses transformasi pada negara maju di masa lalu. Mula-mula

akan terjadi penurunan sektor primer (pertanian, pertambangan dan lainnya) yang

kemudian diikuti pertumbuhan pesat industri dan selanjutnya akan beralih ke sektor

jasa (Jung dkk, 2000). Namun, dari hasil pengamatan perubahan struktur ekonomi di

negara-negara berkembang termasuk di Indonesia terjadi sebagai pergeseran

langsung menuju sektor jasa yang menggunakan energi yang menghasilkan intensitas

energi yang rendah. Sebagai ilustrasi, kontribusi sektor industri dalam PDB di tahun

2000-2011 fluktuatif di kisaran 23-25 persen sementara sektor jasa, keuangan dan

komersil dalam periode yang sama mengalami peningkatan kontribusi secara konstan

dari 33 persen di tahun 2000 menjadi 37 persen di tahun 2011. Hal ini juga terjadi di

India yang menunjukkan bahwa negara itu mula-mula mengembangkan sektor

industri tetapi kemudian beralih menuju sektor jasa yang meningkat pesat saat ini.


41

F. Struktur Masyarakat yang Kompleks

Salah satu permasalahan struktur adalah pembagian perkotaan dan pedesaan

yang menjelaskan perbedaan antara pekotaan dan pedesaan yang mempengaruhi

akses energi, penggunaan bahan bakar, akses pendidikan, air minum, kesehatan dan

sanitasi. Pembagian pekotaan dan pedesaan lebih umum di negara berkembang

dibanding negara maju dimana biasanya area pedesaan lebih buruk dari area

perkotaan (WEC, 2005). Sebagai contoh China diperkirakan akan mengalami

masalah dengan kemiskinan pedesaan untuk dekade yang akan datang sebagaimana

Yao dkk 2004 melaporkan yang disebabkan oleh pertumbuhan yang tidak merata

antara area perkotaan dan pedesaan sebagai konsekuensi pembuat kebijakan yang

lebih mengutamakan area perkotaan. Di sisi lain, terus ditekankan perlunya

peningkatan kebutuhan dasar manusia di daerah pedesaan. Oleh karenanya banyak

negara Asia yang memiliki skema pengembangan elektrifikasi sejak lama.

Keberadaan pengembangan desa menjadi indikasi bahwa kondisinya akan menjadi

lebih baik di dekade yang akan datang.

G. Subsidi dan Ketidakpastian Investasi Swasta

Problem besar lainnya adalah kurangnya perencanaan dalam investasi. Di

negara berkembang biaya aktual investasi sering melampaui perkiraan awal karena

teknik perkiraan yang lemah atau arena banyaknya ketidakpastian sehingga sulit

menarik investasi asing. Problem utama lainnya adalah tingginya subsidi. Subsidi

adalah cara memastikan pengaturan negara terhadap industri energi (IEA, 2002a; Xu

Yi Chong, 2002; 2005). Adanya subsidi ini akan menghilangkan kesempatan

pengembangan energi terbarukan dengan tidak kompetitifnya harga.

3.3. Evaluasi Pendekatan Model Energi

Karakteristik sistem energi dari negara berkembang perlu diakomodasi dalam

model energi untuk memastikan gambaran yang sesuai dari kondisi negara itu.

Model energi telah dikembangkan untuk menganalisis berbagai masalah untuk

berbagai maksud dan tujuan. Dengan kompleksitas dari model energi, perlu adanya

perbandingan model untuk menganalisis sesuai maksud dan kinerja model itu sendiri.

Sebelumnya telah banyak studi yang dilakukan dalam hal perbandingan model energi

ini diantaranya Beaujean dkk (1977) yang melakukan survey dari model


42

internasional dan global berdasarkan review Charpentier (1974-1976) atas berbagai

model energi. Selanjutnya Meier (1984) yang membandingkan model energi dan

mengembangkan tipologi klasifikasi yang menjelaskan variasi teknik modeling.

Shukla (1995) membandingkan model gas rumah kaca dan mengkaji keuntungan dan

kekurangan dari model top-down dan bottom up sedangkan Bhattacharyya (1996)

membandingkan Applied General Equilibrium untuk studi energinya.

Umumnya kondisi energi negara Indonesia sebagian besar model sudah dapat

memperhitungan aspek elektrifikasi, biomassa tradisional dan pembagian kota dan

desa. Semua model ini memasukkan aspek lainnya seperti gas rumah kaca dan CDM

yang lebih populer. Meski sudah banyak karakteristik sudah sesuai dengan

Indonesia, namun karakteristik penting lainnya seperti kehandalan infrastruktur

energi, perubahan struktur ekonomi, investasi, subsidi dan terutama ekonomi

informal dan transaksi non moneter kurang diakomodir oleh model yang sudah ada.

Hal ini disebabkan model itu sendiri umumnya dikembangkan dengan tujuan khusus

dan tidak dibuat untuk menyelesaikan permasalahan yang diluar lingkupnya.

Berdasarkan kriteria dan aspek dalam pemodelannya, model energi memiliki

karakteristik yang berbeda seperti yang ditunjukkan dengan tabel 2. Berdasarkan

tabel tersebut, apabila ditinjau dari kriteria kemudahan, struktur ekonomi dan

masyarakat, dan kebutuhan data maka model yang paling optimal untuk digunakan

untuk negara berkembang seperti Indonesia adalah model bottom-up accounting dan

model hibrid. Sementara model top-down dan bottom-up optimisasi kurang

memenuhi karakteristik negara berkembang.

Salah satu alasan kenapa pendekatan top-down tidak sesuai dengan kondisi

negara berkembang seperti Indonesia karena perilaku pasar memiliki pengaruh yang

sangat terbatas terhadap konsumsi energi karena energi yang dominan digunakan

adalah biomassa tradisional yang bersifat non-komersil. Hal ini disebabkan batasan

definisi energi kurang jelas (seperti pembatasan energi tradisional). Demikian juga

dengan aspek teknologinya. Selain itu sebagian besar sektor ekonomi bersifat

informal dan non moneter. Indeks agregat ekonomi kurang kaitannya dengan

distribusi pendapatan, standar hidup, kebutuhan dan pasokan energi.


43

Tabel 2. Perbandingan Model Energi Berdasarkan Pendekatannya

Alasan lainnya adalah karena pendekatan ini mengasumsikan tren data

historis yang terus berlanjut dengan kondisi sama. Hal ini kurang realistis karena

pertumbuhan penduduk dan ekonomi akan mempengaruhi penggunaan energi yang

lebih banyak dibandingkan dekade sebelumnya. Kekurangan lainnya dari model top-

down mengabaikan perubahan struktur ekonomi dan masyarakat seperti halnya gaya

hidup, urbanisasi dan perubahan teknologi yang lazim terjadi di negara berkembang.

Berdasarkan hasil diskusi dalam Forum Group Discussion pada bulan Juli

2013 disimpulkan bahwa pemodelan top-down dengan input-output lebih cocok

untuk evaluasi kebijakan energi jangka pendek dibandingkan jangka panjang karena

hanya menggambarkan struktur ekonomi di satu titik waktu. Selain itu pemodelan

top-down terutama pemodelan dengan metode ekonometrika menuntut ketersediaan

data yang detail dan akurat yang umumnya menjadi kendala utama untuk pemodelan

di negara berkembang. Untuk dapat mendapatkan hasil yang meyakinkan, diperlukan

data yang banyak dengan periode waktu yang cukup panjang. Tingkat kedetailan dan

keakuratan data akan sangat menentukan kualitas model.

Sementara khusus untuk model top-down dengan pendekatan ekonomi

ekuilibrium, Shukla (1995) mengkritisi keterbatasan penggunaannya untuk negara

KriteriaBottom-up

(Optimisasi)

Bottom up

(Accounting)Top Down Hibrid

Cakupan WilayahLokal sampai global

(kebanyakan nasional)

Nasional tetapi dapat

juga regionalNasional Nasional atau global

Cakupan Aktifitas

Sistem energi,

lingkungan dan

perdagangan

Sistem energi dan

lingkungan

Sistem energi dan

lingkungan

Sistem energi,

lingkungan dan

perdagangan

Level Disagregasi Tinggi Tinggi Bervariasi Tinggi

Cakupan Teknologi Sangat luasSangat luas (umumnya

belum ditentukan)

Bervariasi (umumnya

terbatas)

Sangat luas (umumnya

belum ditentukan)

Kebutuhan Data Sangat DetailFleksibel dari terbatas

sampai sangat detailDetail

Detail sampai sangat

detail

Kebutuhan Skill Sangat rumit Rumit Sangat rumit Sangat rumit

Kemampuan analisis

kebijakan terkait

harga

Baik Tidak ada Baik Ada (Cukup)

Kemampuan analisis

kebijakan non hargaBaik Sangat baik Sangat baik Sangat baik

Energi Pedesaan Terbatas Mengakomodir Terbatas Terbatas

Penambahan

Teknologi BaruMampu Mampu Sulit Terbatas

Sektor Informal Sulit Mampu Sulit Sulit

Horizon WaktuJangka menengah

sampai panjang

Jangka menengah

sampai panjang

Jangka pendek sampai

panjang

Jangka menengah

sampai panjang

Kebutuhan Software

Penghitungan

Solver LP yang sangat

rumitTidak perlu

Software khusus

ekonometrikMembutuhkan Software


44

berkembang karena kondisi pasar negara berkembang yang jauh dari kondisi

seimbang secara konstan dalam jangka waktu panjang. Melalui pendekatan

keseimbangannya, model CGE mengabaikan aspek efisiensi energi, gap dari delay

penyesuaian dan kegagalan pasar. Selain itu, seperti kebanyakan model

makroekonomi, model CGE tidak memperhitungkan teknologi yang mungkin

penting dan berpengaruh untuk evaluasi kebijakan.

Selanjutnya pemanfaatan model bottom-up optimisasi untuk perencanaan

energi secara menyeluruh di negara berkembang seperti Indonesia akan kurang

optimal. Hal ini disebabkan oleh tujuan dari model itu sendiri untuk menghasilkan

biaya investasi terendah (optimal) dengan asumsi pasar yang sempurna sementara

pada kenyataannya hal itu sulit didapatkan pada negara berkembang. Dari struktur

ekonominya, aktifitas ekonomi di negara berkembang masih didominasi oleh sektor

informal dan non moneter yang tidak tercatat. Selain itu, penduduk yang menjadi

konsumen energi juga sebagian besar masih menggunakan energi tradisional dan

belum memiliki akses energi modern yang cukup. Selain itu kebutuhan data yang

sangat detail dan kerumitan penghitungan yang membutuhkan skill yang tinggi dan

software khusus yang canggih. Berdasarkan pengalaman BPPT yang dipaparkan

pada FGD bulan Juli 2013, dalam pengembangan perencanaan energi menggunakan

model optimasi Markal setidaknya dibutuhkan minimal 2 orang pakar energi yang

memahami karakteristik sistem energi dan perkembangan teknologi secara terus

menerus selama satu tahun dalam mensupervisi tim pengembangan perencanaan

energi.

Walau demikian, beberapa pihak mengakui kehandalan model optimasi ini

dalam perencanaan energi sektor tertentu dengan karakteristik teknologi yang sudah

diketahui seperti halnya perencanaan energi sektor transportasi yang telah

dikembangkan oleh Pusat Studi Energi (PSE) UGM untuk tahun 2005-2025. Dalam

pengembangan model tersebut, PSE UGM menghimpun semua pakar yang

memahami teknologi di antaranya dari aspek transportasi dan energi.

Sebaliknya, model ini kurang dapat mensimulasikan permintaan energi dari

sektor jasa dan rumah tangga dengan baik karena keterbatasan informasi biaya

teknologi yang tersedia. Selain itu, model optimasi kurang fleksibel dalam

mengakomodir fakta bahwa pasar sebenarnya tidak sempurna dan terdapat banyak


45

hambatan dalam pasar energi final sehingga seringkali hasil proyeksi penyediaan dan

konversi energi kurang realistis dan tidak sesuai dengan permintaan energi.

Model optimasi menggunakan linear programming untuk mengidentifikasi

konfigurasi least-cost sistem energi berdasarkan pada berbagai batasan (contoh target

emisi CO2). Pemilihan teknologi berdasarkan biaya relatif. Adapun kelebihan dari

dari model optimasi ini adalah:

Pendekatan yang kuat dan konsisten untuk analisis seperti backcasting.

Akan sangat berguna jika ada beberapa pilihan batasan

Sedangkan kekurangan model optimasi adalah:

Asumsi mendasar yang selalu dipertanyakan, yaitu kompetisi sempurna (contoh,

tidak ada monopoli, tidak ada kekuatan pasar, tidak ada subsidi, pasar dalam

keadaan seimbang).

Kurang tepat dipakai sebagai simulasi bagaimana sistem bertingkah laku di dunia

nyata.

Mengasumsikan energi hanya sebagai satu-satunya faktor pilihan teknologi.

Kurang tepat untuk menguji pilihan kebijakan berkaitan dengan pilihan

teknologi. Contoh untuk mengurangi CO2 dapat digunakan (a) hybrid car, atau

(b) mobil kecil.

Relatif kompleks, perlu data yang sangat banyak, sangat sulit bagi pemula yang

belum mahir.

Tidak fleksibelnya model optimasi dalam perencanaan energi ikut melahirkan

model energi simulasi. Sebagai contoh dalam subsektor kelistrikan yang mengalami

restrukturisasi dan liberalisasi di sebagian besar negara (Linares et al., 2008) dan

karena itu beberapa peneliti telah mengembangkan model yang juga

mempertimbangkan iklim kompetisi tidak sempurna (Ventosa et al. (2005). Model

simulasi bersifat fleksibel dan memungkinkan aspek seperti perilaku strategis atau

kurangnya informasi yang mencerminkan ketidaksempurnaan dan kegagalan pasar.

Kelebihan dari model simulasi ini adalah:

Tidak terbatas pada asumsi tingkah laku yang optimal.


46

Tidak mengasumsikan energi sebagai satu-satunya faktor yang mempengaruhi

pemilihan teknologi.

Sedangkan kekurangan model simulasi adalah:

Kompleks dan data intensif.

Hubungan tingkah laku dapat kontroversial dan sukar dibuat parameternya.

Peramalan masa datang akan sangat sensitif dalam memulai menentukan kondisi

dan parameter.

Accounting frameworks dapat dianggap sebagai bentuk sederhana dari

model simulasi yang yang bertujuan untuk menjelaskan aliran fisik dan ekonomi dari

sistem energi (Heaps, 2002; Mundaca dan Neij, 2009). Model jenis ini menghitung

hasil dari pembangunan yang diasumsikan (yaitu dari skenario sebagai sekumpulan

kondisi tertentu atau penetrasi teknologi baru tertentu) dengan cara deskriptif

(misalnya pengembangan teknologi yang dihasilkan dari reinvestasi pembangkitan

baru, deskripsi saat ini dalam teknologi energi) atau secara preskriptif (misalnya

dampak dari teknologi tinggi yang efisien atau energi terbarukan yang dihasilkan dari

satu atau berbagai instrumen kebijakan). Pendekatan ini sering digunakan untuk

memproyeksikan permintaan energi masa depan sektor energi final dan emisi terkait.

Karena strukturnya yang sederhana, model ini umumnya tidak diterapkan untuk

proses pengambilan kebijakan.

Model accounting framework lebih cenderung ke arah simulasi kebijakan

pada konsumen dan produsen energi. Pemodel menghitung secara eksplisit hasil dari

kebijakan. Fungsi utamanya adalah untuk mengolah data dan hasil-hasil.

Karakteristik dari pemodelan dengan pendekatan accounting framework adalah:

Mudah, transparan, fleksibel, dan data lebih sedikit

Asumsi bukan pasar sempurna.

Dapat menguji isu antara pilihan teknologi atau biaya tinggi.

Tidak mengidentifikasi sistem least-cost: kurang bagus untuk sistem yang

kompleks dan membutuhkan solusi least cost.


47

Solusi akhir tidak selalu konsisten (peramalan demand kadang tidak konsisten

dengan konfigurasi supply).

Karakteristik model bottom-up accounting seperti ini sesuai dengan kondisi

negara berkembang dengan sistem energi yang tidak sepenuhnya dipengaruhi

perilaku pasar. Kondisi batasan produksi energi dan juga detail teknologinya dapat

secara eksplisit dimodelkan. Selain itu kemampuan model ini dalam memodelkan

struktur masyarakat pedesaan dan sektor informal yang umumnya terdapat di negara

berkembang cukup dapat diandalkan. Dari aspek kebutuhan data yang umumnya

menjadi kendala di negara berkembang, model ini memiliki fleksibilitas yang tinggi.

Seperti disebutkan di atas, kekurangan model ini adalah pendorong utama seperti

permintaan, perubahan teknologi dan sumber daya bersifat eksogen dan ‘given’

sehingga pemodelan ini kurang dapat menghasilkan analisis dampak perubahan

demand dan sumber daya terutama yang disebabkan oleh perubahan harga.

Kekurangan lainnya adalah kualitas model tidak dapat dijamin dan akan sangat

tergantung pada kualitas kebijakan yang disimulasikan.

Jenis model energi lainnya yaitu hibrid berusaha menggabungkan keunggulan

dan kekurangan dari masing-masing pendekatan model bottom-up dan top-down

melalui pendekatan yang disesuaikan dengan tujuan model, kebutuhan data dan hasil

yang diinginkan. Dengan penggabungan ini, model ini lebih bersifat fleksibel

sehingga dapat cocok untuk negara berkembang. Sebagai contoh IMAGE/TIMER

menggunakan pendekatan top-down untuk memodelkan kebutuhan energi dan

pendekatan bottom-up untuk memodelkan penyediaan energinya. Untuk model jenis

ini, model dengan pendekatan accounting baik dari jenis model hibrid maupun

bottom-up akan menjadi model yang cukup mampu dalam mensimulasikan

perencanaan energi di negara berkembang. Berikut adalah beberapa gambaran

kriteria model yang menjadi model alternatif dalam mendukung perencanaan energi

di Indonesia.


48

Tabel 3. Kandidat Alternatif Model Energi Untuk Perencanaan Energi

Kriteria LEAP POLES WEM

Pendekatan Bottom-up Accounting Hibrid Accounting Hibrid Accounting

Cakupan WilayahLokal sampai global

(kebanyakan nasional)

Global (tetapi dapat juga

lokal - nasional)

Global (tetapi dapat juga

lokal - nasional)

Cakupan Aktifitas Sistem energi, lingkungan Sistem energi Sistem energi

Level Disagregasi Struktur per sektor Tidak ditentukan Tidak ditentukan

Cakupan Teknologi Menu PilihanSangat luas (umumnya

belum ditentukan)

Sangat luas (umumnya

belum ditentukan)

Kebutuhan DataFleksibel dari terbatas

sampai sangat detailSangat Detail Sangat Detail

Kebutuhan Skill Terbatas Sangat rumit Sangat rumit

Dokumentasi Sangat banyak Terbatas Banyak

Kemampuan analisis

kebijakan terkait hargaTidak ada Baik Baik

Kemampuan analisis

kebijakan non hargaSangat baik Sangat baik Sangat baik

Pembagian Kota dan

DesaMampu Terbatas Mampu

Energi Pedesaan Mengakomodir Mengakomodir terbatas Mengakomodir terbatas

Penambahan Teknologi

BaruMampu Sulit Sulit

Sektor Informal Mampu Terbatas Terbatas

Energy Shortage Mampu (eksplisit)

Subsidi Tidak eksplisit Mampu Mampu

Transisi EkonomiDiakomodir melalui

skenario

Diakomodir secara

implisit

Diakomodir secara

implisit

Horizon WaktuJangka pendek sampai

panjang


panjang


panjang


49

BAB 4

PROYEKSI KEBUTUHAN DAN PENYEDIAAN ENERGI

4.1. Konsep dan Metodologi Model LEAP

Proyeksi kebutuhan dan penyediaan energi Indonesia pada kajian ini

dilakukan melalui pendekatan model bottom-up accounting dengan

mempertimbangkan keunggulan pendekatan ini yang relatif lebih sesuai dengan

kondisi sistem energi di Indonesia sebagai negara berkembang. Sebagai tool, pada

kajian ini dipilih software LEAP yang saat ini digunakan secara luas untuk analisis

kebijakan dan studi mitigasi perubahan iklim yang dikembangkan oleh Stockholm

Environment Institute (SEI). Berdasarkan data dari website resminya yaitu

www.energycommunity.org pada tanggal 19 Desember 2013, LEAP sudah digunakan

di sekitar 191 negara dengan jumlah pengguna terbanyak berasal dari Indonesia

sebanyak 1.715 orang dengan pengguna aktif diperkirakan sekitar 200 orang yang

disusul oleh China dan India (Gambar 11). Pengguna model ini mencakup

pemerintahan, akademisi, NGO, konsultan dan perusahaan penyedia energi dengan

level penggunaan mulai dari tingkat kota, sampai tingkat global.

Gambar 11. Komposisi Pengguna LEAP di Dunia dan Indonesia

Salah satu keunggulan dari LEAP adalah kefleksibelannya tergantung tingkat

kesulitan dari perencanaan energi dan kualitas model yang diharapkan. Dengan

kefleksibelannya, LEAP dapat dioperasikan mulai dari ahli energi dengan reputasi

global yang ingin mendesain kebijakan dan membantu sumbang saran bagi

pengambil keputusan sampai pengajar untuk pengembangan kapasitas pemula.

http://www.energycommunity.org/


50

Charlie Heaps (pengembang LEAP) menyatakan bahwa LEAP bukan model

sistem energi tertentu, tetapi tidak lebih dari tool yang dapat digunakan untuk

mengembangkan model dengan sistem energi berbeda yang masing-masing

membutuhkan struktur data tersendiri. Saat ini LEAP dapat mendukung berbagai

metodologi modelling yang ada. Dari sisi demand, metodologinya dapat berupa

pendekatan bottom-up dengan teknik ‘accounting’ end user atau pendekatan top-

down makroekonomi. Dari sisi suplai, LEAP mendukung metodologi simulasi dan

accounting yang cukup baik untuk memodelkan perencanaan tenaga listrik tetapi

cukup fleksibel dan transparan.

Kemampuan model LEAP berada di dua cara. Pertama, LEAP dapat

menghitung semua input data energi, emisi dan penghitungan biaya manfaat yang

ditimbulkan. Yang kedua, pengguna dapat memasukkan suatu rumus atau ekspresi

yang dapat digunakan untuk menspesifikasikan data antar waktu, menghitung dari

variabel berbeda sehingga memungkinkan dilakukannya pendekatan ekonometrik

dan simulasi secara bersamaan. Pada versi terbaru mulai tahun 2011, pendekatan

model juga diperkaya oleh pendekatan optimasi pada cabang penyediaan listrik.

Secara jangkauan waktu, LEAP dikhususkan untuk perencanaan jangka

menengah sampai jangka panjang. Pemodelan mencakup periode masa lalu (historis)

yang dikenal “Current Account” dan bermacam skenario ke depan. Umumnya model

menggunakan periode peramalan antara 20 sampai 50 tahun. Beberapa aspek

diperhitungkan dalam level yang lebih detail. Sebagai contoh, LEAP dapat

membedakan waktu dalam satu unit waktu ke dalam berbagai “time slice”

berdasarkan karakteristik tertentu misalnya musim/cuaca atau jam-jam tertentu atau

hal lainnya. Pembagian ini bertujuan untuk mengakomodir karaktersitik beban atau

kebutuhan energi yang memiliki karakteristik berbeda tiap slicenya.

LEAP didesain untuk mendesain analisis skenario yang panjang. Secara garis

besar, skenario adalah rangkaian perkiraan bagaimana sistem energi berubah tiap

waktunya. Dengan LEAP, analis kebijakan dapat menciptakan dan mengevaluasi

skenario alternatif dengan membandingkan kebutuhan energi, biaya, manfaat sosial

dan dampak terhadap lingkungan.

Pengatur skenario pada LEAP dapat digunakan untuk mensimulasikan

langkah kebijakan yang akan dilakukan yang kemudian dapat dikombinasikan


51

dengan skenario lain ke dalam satu skenario berbeda yang terintegrasi. Pendekatan

ini memungkinkan pembuat kebijakan menganalisis dampak dari kebijakan baik

secara masing-masing atau ketika kebijakan itu diterapkan dengan kebijakan lainnya.

Keunggulan utama dari LEAP adalah kebutuhan data awal yang fleksibel

mulai dari yang sederhana sampai rumit. Tool model dengan metode optimisasi

cenderung membutuhkan data yang sangat rumit karena memerlukan semua

teknologi didefinisikan baik dalam hal karakteristik operasinya maupun biayanya.

Model-model itu juga membutuhkan tingkat penetrasi pasar yang akurat. Seringkali

kebutuhan data seperti ini memerlukan waktu yang tidak sedikit dan memerlukan

tingkat kepakaran yang tinggi. Sebaliknya LEAP mengandalkan prinsip ‘accounting’

yang sederhana dan karena banyak aspek LEAP bersifat opsional maka kebutuhan

datanya relatif rendah.

Selain itu, LEAP dapat diperoleh dengan mudah, karena merupakan software

yang tidak berbayar untuk kegiatan non profit (pendidikan, pemerintahan, penelitian,

dan lainnya.). Disamping itu, hasil dari LEAP akan memberikan gambaran posisi

ketahanan energi nasional saat ini dan masa mendatang. Selanjutnya, hasil studi ini

menjadi referensi dan alat bantu dalam penyusunan rencana dan strategi

pembangunan energi Indonesia untuk periode 2015-2019.

4.2. Struktur dan Metode Penghitungan Model LEAP

Struktur model LEAP mengikuti sistem dan arus energi yang terdapat dalam

Referrence Energy System (RES) seperti yang terdapat dalam gambar 12. Oleh

karenanya struktur dalam model proyeksi kebutuhan dan penyediaan energi akan

terdiri dari 4 (empat) modul utama dan 3 (tiga) modul tambahan. Modul utama

adalah modul-modul standar yang umum digunakan dalam pemodelan energi, yaitu:

i) Key Assumptions, ii) Demand, iii) Transformation, dan iv) Resources. Modul

tambahan adalah pelengkap terhadap modul utama jika diperlukan, yaitu: i)

Statistikal Differences, ii) Stock Changes, dan iii) Non Energi Sektor Effects.


52

Gambar 12. Referrence Energy System (RES)

4.3. Pengaturan Skenario

Seperti telah diuraikan sebelumnya bahwa skenario merupakan rangkaian

perkiraan bagaimana sistem energi berubah tiap waktunya pada kondisi aspek sosial

ekonomi dan kebijakan tertentu. Pengaturan skenario pada model LEAP menjadi

sangat krusial dan dapat dikatakan menjadi aspek pokok dari model LEAP. User

dapat menggunakan skenario untuk menjawab berbagai pertanyaan hipotesa seperti

apa yang akan terjadi bila kebijakan efisien diterapkan, apa yang akan terjadi jika

pengembangan pembangkit dilakukan dengan cara berbeda, apa yang terjadi bila

transportasi massal dikembangkan dan banyak pertanyaan lainnya.

Skenario ini didasarkan pada skenario ”Current Account” merupakan kondisi

saat ini. Current Account dapat merupakan data satu titik mapun berupa data time

series. Skenario di LEAP mengandung semua faktor yang dapat berubah sepanjang

waktu termsuk hal-hal yang diakibatkan intervensi kebijakan dan yang merefleksikan

asumsi sosial ekonomi yang berbeda.

4.3.1. Skenario DASAR

Skenario DASAR mengacu kepada data-data sepuluh tahun terakhir dan data

tahun 2011 dianggap sebagai data dasar. Tabel 4 memperlihatkan asumsi dasar yang

digunakan untuk memproyeksi kebutuhan energi. Pertumbuhan GDP mengikuti

masukan dari Direktorat Perencanaan Makro Bappenas, yakni 012: 6.23 persen yang

kemudian melambat menjadi 5.7 persen di tahun 2013. Mulai tahun 2014,

pertumbuhan ekonomi berakelerasi dari 5.9 persen menjadi 7 persen di tahun 2019.

Proyeksi)Kebutuhan)&)Pasokan)Energi)

Minyak)bumi)

Tenaga)air)

Batubara)

Gas)bumi)

Energi))terbarukan)

Panasbumi)

Energi'Primer'

Kilang)minyak)

Transformasi'

BBM)

Pembangkit))Listrik)

Energi'Final'

Gas)bumi)

Batubara)

Energi))terbarukan)

Listrik)

Demand'Energi'

Komersial)

Industri)

Transportasi)

Rumah)Tangga)

4)


53

Untuk pertumbuhan penduduk proyeksi mengikuti proyeksi penduduk BAPPENAS

dan BPS (2012), dimana laju pertumbuhan akan mencapai 1.29 persen pada kurun

waktu 2012-2015, dan selanjutnya akan menurun menjadi 1.1 persen pada tahun

2015-2020 dan menjadi 0.95 persen sampai dengan tahun 2024 dan 0.78 persen di

tahun 2015 dan seterusnya. Porsi penduduk miskin akan menurun menjadi 8 persen

di tahun 2015 dan 6 persen di tahun 2019.

Kontribusi sektor industri pengolahan non migas terhadap PDB harga konstan

2000 diproyeksikan akan semakin meningkat dari 23.81 persen di tahun 2011

menjadi 24.40 persen di tahun 2015 dan 24.96 persen di tahun 2019. Sementara

kontribusi sektor komersial juga akan meningkat dengan elastisitas sebesar 0.137

(rata-rata elastisitas tahun 2000-2011) terhadap pertumbuhan ekonomi.

Pertumbuhan jumlah sektor transportasi mengikuti pertumbuhan GDP per

kapita dengan tingkat elastisitas: i) mobil penumpang sebesar 1.77; ii) sepeda motor

sebesar 2.37. Sementara untuk moda transportasi lainnya mengikuti pertumbuhan

GDP yaitu dengan tingkat elastisitas: i) bis sebesar 2,24; ii) truk sebesar 1,3; iii)

angkutan asdp sebesar 0,76; iv) kerata api sebesar 0,91; v) angkutan laut 0,008; dan

vi) angkutan udara 0.98.

Perkembangan intensitas energi di sektor end user disesuaikan dengan data

historis yang dikalibrasi dengan data dari Pusdatin ESDM. Untuk pemanfaatan BBM

Blending4 hanya dimanfaatkan pada sektor transportasi. Sementara untuk penyediaan

energi proyeksi dilakukan sesuai dengan trend data historis 2000-2011 (handbook

KESDM), seperti produksi minyak bumi mengalami penurunan sebesar 4.03% per

tahun, produksi gas bumi naik sebesar 1.06% per tahun sampai tahun 2019 (tahun

puncak produksi gas), produksi batubara meningkat secara logaritmik. Sementara

produksi energi listrik didasarkan pada simulasi dari kapasitas yang direncanakan

dalam RUPTL 2012-2021. Prosentase losses transmisi dan distribusi akan berkurang

sebesar 2.57% per tahun dari tahun sebelumnya. Proyeksi kelistrikan setelah tahun

2021 dilakukan dengan mengekstrapolasi berdasarkan data progres antara 2011-

2021. Untuk produksi kilang akan menurun sebesar 1.26% per tahun, hal ini

4BBM yang dicampurkan dengan Bahan Bakar Nabati (BBN) seperti

biodiesel atau bioethanol. Produk akhir dari proses pencampuran ini saat ini dikenal

dengan nama pasar Biosolar dan Biopremium.


54

disebabkan karena berkurangnya produktifitas kilang seiring dengan semakin tuanya

mesin-mesin dan peralatan kilang minyak.

Skenario dasar ini lebih bersifat Business as Usual (BAU) yang artinya

skenario ini mendasarkan pada tren statistik tanpa melakukan langkah dan kebijakan

yang signifikan dalam sektor energi. Oleh karenanya pada penyediaan energi,

skenario ini belum memasukkan kebijakan EBTKE yang tercermin pada draft

roadmap EBTKE yang saat ini dalam tahap finalisasi dan kebijakan peningkatan

produksi migas. Di level demand, skenario ini belum memasukkan kebijakan

konversi BBG dan gas rumah tangga. Secara umum asumsi dasar yang terdapat pada

simulasi model LEAP nasional dapat dilihat pada tabel berikut ini

Tabel 4. Asumsi Skenario Dasar Model LEAP Nasional

PARAMETER ASUMSI

Data Dasar 2011 Sudah diverifikasi berdasarkan data Handbook of Energy dari Pusdatin KESDM tahun 2012 denganmetode backward casting

Pertumbuhan GDP Berdasarkan proyeksi skenario medium masukan dari Direktorat Perencanaan Makro, Deputi BidangEkonomi Bappenas yaitu 2012: 6.23%, 2013: 5.7%, 2014: 5.9%, 2015: 6.1%, 2016: 6.3%, 2017: 6.5%, 2018: 6.7%, 2019: 7%)

Pertumbuhan penduduk Mengikuti Proyeksi Penduduk Bappenas-BPS : 2012- 2015 : 1.29%, 2015-2020 : 1.1%, 2020-2025 : 0.95% 2025 dan seterusnya, 0.78%

Struktur ekonomi (PDB) Porsi Sektor Industri Pengolahan Non Migas di PDB harga konstan 2000 berdasarkan proyeksi skenariomedium masukan dari Direktorat Perencanaan Makro, Deputi Bidang Ekonomi Bappenas yaitu Interp( 2012: 23.85%, 2013: 24.04%, 2014: 24.21%, 2015, 24.02%, 2016, 24.56%, 2017, 24.72%, 2018, 24.86%, 2019, 24.96%, 2025, 26%)

Porsi Sektor Komersil di PDB harga konstan 2000 tumbuh dengan elastisitas 0.137 terhadappertumbuhan PDB

Demand rumah tangga Data aktivitas dan intensitas energi bersumber pada raw data susenasPorsi Penduduk miskin akan menurun menjadi 8 persen di tahun 2019 dan 6 persen di tahun 2025 (Masukan Deputi Ekonomi Bappenas)

Pertumbuhan sektortransportasi

Mengikuti pertumbuhan GDP/kapita dengan tingkat elastisitas :• Kendaraan penumpang 1.77• Motor 2.37Mengikuti pertumbuhan GDP dengan tingkat elastisitas :• Truk, 1.3, Bus, 2.24, Kereta Api, 0.91, ASDP, 0.76, Laut, 0.008 dan Udara 0.97

Intensitas Energi per Sektor Proyeksi intensitas berdasarkan perkembangan intensitas energi yang dikalibrasi data time series 2000-2011 Pusdatin ESDM.

Produksi Minyak Bumi Menurun rata-rata sebesar 4.03 persen per tahun

Pasokan Gas Bumi Naik rata-rata sebesar 1.06 persen per tahun sampai tahun 2019 (tahun puncak produksi gas) yang selanjutnya akan terus menurun 4.03 persen

Produksi Batubara Proyeksi Logaritmik dari Data Historis Pusdatin KESDM 2000-2011 dengan rata-rata pertumbuhan 5 persen per tahun

Penyediaan Tenaga Listrik Simulasi Berdasarkan pengembangan pembangkit listrik yang bersumber RUPTL PLN 2012-2021


55

4.4. Hasil Simulasi Model LEAP Nasional (Skenario Dasar)

4.4.1 Kebutuhan Energi Final

Pada skenario DASAR, kebutuhan energi final di tahun 2025 akan mencapai

2.442 juta SBM atau lebih dari 2 kali kebutuhan energi final pada tahun 2011. Pada

kurun RPJMN tahap III (2015-2019), kebutuhan energi final akan berkisar dari 1.363

sampai 1.689 juta SBM atau rata-rata meningkat dengan laju pertumbuhan sebesar

5.5 persen per tahun. Sebagai penggerak ekonomi nasional, kebutuhan energi sektor

industri diperkirakan terus meningkat dan mendominasi total kebutuhan energi final

yang kemudian diikuti oleh kebutuhan energi sektor transportasi sebagai sektor

pendukung kegiatan ekonomi.

Pada skenario DASAR, konsumsi energi sektor industri akan terus meningkat

dari 359 juta SBM pada tahun 2011 menjadi 970 juta SBM di tahun 2025. Antara

tahun 2015 sampai 2019 konsumsi energi sektor ini meningkat dari 452 juta SBM di

tahun 2015 menjadi 602 juta SBM di tahun 2019 dengan laju pertumbuhan rata-rata

7.44 persen pertahun. Tingginya pertumbuhan konsumsi industri ini didorong antara

lain oleh kebijakan dan program hilirisasi di sektor industri yang berbasis sumber

daya alam seperti industri pengolahan kelapa sawit, industri pengolahan mineral

logam dan mineral industri serta komoditas lainnya. Sementara itu, konsumsi sektor

transportasi meningkat dari 277 juta SBM di tahun 2011 menjadi 693 juta SBM di

tahun 2025. Antara tahun 2015-2019 konsumsi energi pada sektor transportasi akan

berkisar dari 335-431 juta SBM dengan laju pertumbuhan rata-rata 6.49 persen per

tahun. Dengan kondisi di atas, pangsa konsumsi energi sektor industri meningkat

secara signifikan dari 32.28 persen pada tahun 2011 menjadi dan 39.74 persen di

tahun 2025. Pada tahun 2015-2019 pangsa konsumsi energi sektor industri berkisar

33.14-35.65 persen. Sementara pangsa konsumsi energi sektor transportasi pada

periode 2011 sampai 2025 akan terus meningkat sampai 28 persen.

Sementara untuk sektor komersial, walaupun jumlah konsumsi energinya

relatif kecil namun terjadi peningkatan yang signifikan yang bahkan menjadi yang

tertinggi dari sektor lainnya. Di tahun 2025, jumlah konsumsi energi untuk sektor

komersial diperkirakan akan terus meningkat menjadi 95 juta SBM. Pada tahun

2015-2019, konsumsi energi sektor ini berkisar 45-60 juta SBM dengan laju

pertumbuhan rata-rata 7.71 persen per tahun. Hal sebaliknya terjadi pada sektor


56

rumah tangga yang mengalami pertumbuhan paling kecil yaitu 2.23 persen per tahun

sampai tahun 2025. Hal ini menyebabkan penurunan pangsa kebutuhan energi yang

cukup signifikan terjadi pada sektor rumah tangga dari 28.76 persen di tahun 2011

menjadi 17.86 persen di tahun 2025. Penurunan ini selain karena penetrasi teknologi

yang lebih efisien juga disebabkan akan berkurangnya konsumsi energi tradisional

biomassa (kayu bakar) seiring dengan peningkatan kesejahteraan masyarakat. Secara

lengkap, perkembangan konsumsi energi final dan perkembangan pangsa

berdasarkan sektor pengguna energi sampai tahun 2025 dapat dilihat pada gambar

berikut ini.

(Dalam juta SBM) (Dalam Persen)

2011 2015 2019 2025

Non Energi 98.41 145.41 171.34 210.58

Energi Lainnya 24.82 23.39 26.81 36.22

Energi Komersial 32.93 44.91 60.46 95.1

Energi Transportasi 277.39 335.14 430.97 693.4

Energi Industri 359.27 451.9 602.15 970.55

Energi Rumah Tangga 320.1 362.73 397.2 436.15

0

500

1000

1500

2000

2500

3000

Energi Rumah Tangga Energi Industri Energi Transportasi

Energi Komersial Energi Lainnya Non Energi

28.76

32.28

24.92

2.96

8.8426.6

33.14

24.58

3.29

10.6623.52

35.65

25.52

3.58

10.14 17.86

39.74

28.39

3.89

8.62

Energi Rumah Tangga Energi Industri Energi Transportasi

Energi Komersial Energi Lainnya Non Energi

Gambar 13. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Sektor

Pengguna Sampai Tahun 2025 (Skenario DASAR)

Berdasarkan jenis energi finalnya, Bahan Bakar Minyak (BBM) masih

mendominasi pemanfaatan energi final. Sampai tahun 2025, pemanfaatannya terus

meningkat menjadi 752 juta SBM. Pada tahun 2015-2019, konsumsi BBM

meningkat dari 476 juta SBM menjadi 564 juta SBM dengan laju pertumbuhan rata-

rata 4.33 persen per tahun. Walau demikian, pangsa BBM cenderung akan menurun

dari 38.18 persen di tahun 2011 menjadi 30.82 persen di tahun 2025. Pangsa BBM di

tahun 2015 sampai 2019 akan menurun dari 34.92 persen menjadi 33.40 persen.

Peningkatan yang cukup signifikan terjadi pada konsumsi energi BBM

Blending, gas dan listrik. Sampai tahun 2025, konsumsi BBM Blending akan terus

meningkat menjadi 256 juta SBM. Pada tahun 2015-2019, konsumsi BBM

meningkat dari 76 juta SBM menjadi 121 juta SBM dengan laju pertumbuhan rata-

rata 12.15 persen per tahun. Dengan kondisi tersebut, pangsa BBM Blending akan

2011

2025


57

meningkat dari 4.19 persen di tahun 2011 menjadi 10.48 persen di tahun 2025.

Pangsa BBM Blending di tahun 2015 sampai 2019 akan meningkat dari 5.59 persen

menjadi 7.15 persen.

Pada gas, konsumsinya akan meningkat menjadi 436 juta SBM di tahun 2025.

Pada tahun 2015-2019, konsumsi gas akan berkisar 204-274 juta SBM dengan laju

pertumbuhan rata-rata 7.62 persen per tahun. Pertumbuhan yang cukup pesat ini

menyebabkan peningkatan pangsa gas yang cukup signifikan dari hanya 10.89 persen

di tahun 2011 menjadi 14.96 persen di tahun 2015 dan 16.20 persen di tahun 2019.

Sementara itu, pemanfaatan listrik juga akan meningkat menjadi 314 juta SBM atau

517 ribu Gwh di tahun 2025. Pada tahun 2015-2019, konsumsi listrik akan berkisar

140-201 juta SBM atau 231-332 ribu Gwh dengan laju pertumbuhan rata-rata 10.11

persen per tahun. Dengan kondisi tersebut, konsumsi energi listrik per kapita akan

meningkat dari 654 kwh/kapita di tahun 2011 menjadi masing-masing 905

kwh/kapita, 1248 kwh/kapita dan 1849 kwh/kapita di tahun 2015, 2019 dan 2025.

Pangsa energi listrik juga akan meningkat dari 8.71 persen di tahun 2011 menjadi

12.88 persen di tahun 2025.

Untuk batubara, seluruhnya konsumsinya berasal dari sektor industri yang

diperkirakan akan meningkat menjadi 406 juta SBM atau 95 juta ton di tahun 2025.

Pada tahun 2015-2019, konsumsi batubara akan berkisar 189-254 juta SBM atau 44-

59 juta ton dengan laju pertumbuhan rata-rata 7.62 persen per tahun sehingga akan

menyebabkan peningkatan pangsa batubara dari 12.96 persen di tahun 2011 menjadi

13.88 persen di tahun 2015 dan 16.64 persen di tahun 2019. Sementara untuk energi

terbarukan yang didominasi oleh penggunaan biomassa tradisional berupa kayu

bakar akan menurun menjadi 276 juta SBM di tahun 2025. Pada tahun 2015 sampai

2019, konsumsinya berkisar 277- 275 juta SBM dengan pertumbuhan rata-rata hanya

-0.22 persen per tahun. Oleh karenanya pangsa EBT ini akan mengalami penurunan

dari 25.07 persen di tahun 2011 menjadi 20.36 persen di tahun 2015 dan 16.29

persen di tahun 2019. Secara lengkap, perkembangan konsumsi energi final dan

perkembangan pangsa berdasarkan jenis energi sampai tahun 2025 dapat dilihat pada

gambar berikut ini.


58


2011 2015 2019 2025

Listrik 96.93 140.29 201.53 314.46

Gas Bumi 121.2 204.01 273.68 436.29

EBT 279.05 277.58 275.15 276.25

BBM Blending 46.58 76.28 120.68 255.99

BBM 424.89 476.08 564.12 752.64

Batubara 144.26 189.23 253.77 406.37

0

500

1000

1500

2000

2500

3000

Batubara BBM BBM Blending EBT Gas Bumi Listrik

12.96

38.18

4.19

25.07

10.89

8.7113.88

34.92

5.59

20.36

14.96

10.2915.03

33.4

7.15

16.29

16.2

11.9316.64

30.82

10.48

11.31

17.87

12.88

Batubara BBM BBM Blending EBT Gas Bumi Listrik

Gambar 14. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis

Energi Sampai Tahun 2025 (Skenario DASAR)

4.4.1.1 Kebutuhan Energi Final Sektor Rumah Tangga

Pemanfaatan energi final yang digunakan di sektor rumah tangga di tahun

2025-2019 masih akan di dominasi oleh energi biomassa tradisional yaitu kayu

bakar. Walau demikian, porsi pemanfaatannya akan semakin berkurang seiring

dengan perkembangan kesejahteraan terutama didaerah pedesaan yang menyebabkan

pergeseran pemanfaatan energi final dari biomassa (kayu bakar) ke energi lainnya

seperti LPG dan listrik.

Sampai tahun 2025, pemanfaatan biomassa diperkirakan terus menurun dari

234 juta SBM di tahun 2011 menjadi 223 juta SBM. Pada tahun 2015-2019,

pemanfaatannya akan berkisar antara 234.5-229 juta SBM dengan pertumbuhan rata-

rata -0.53 persen per tahun. Hal ini menyebabkan penurunan pangsa biomassa dari

73.07 persen di tahun 2011 menjadi 51.31 persen di tahun 2025. Sementara

pemanfaatan minyak tanah akan mengalami penurunan drastis seiring dengan

program konversi minyak tanah ke LPG yang diperkirakan akan mencakup seluruh

Indonesia pada tahun 2015. Oleh karenanya mulai tahun 2016, tidak ada lagi

pemanfaatan minyak tanah di sektor rumah tangga. Sebagai konsekuensi dari hal

tersebut, pemanfaatan LPG akan meningkat cukup drastis. Pada tahun 2025,

konsumsi LPG akan mencapai 84.5 juta SBM atau 9.91 juta ton. Antara tahun 2015

sampai 2019, konsumsi LPG akan berkisar antara 65-77 juta SBM atau 7.6-9 juta ton

dengan laju pertumbuhan 4.57 persen per tahun. Hal ini menyebabkan pangsa LPG

2011

2025


59

akan mengalami peningkatan secara signifikan dari 11.14 persen di tahun 2011

menjadi 19.39 persen di tahun 2025.

Pertumbuhan yang cukup signifikan juga terjadi pada listrik dimana

konsumsinya akan meningkat menjadi 128 juta SBM atau 210 ribu Gwh di tahun

2025. Pada tahun 2015-2019 konsumsi listrik untuk rumah tangga akan berkisar 64-

77 juta SBM atau 101-148 ribu Gwh dengan pertumbuhan rata-rata 10.18 persen per

tahun. Kondisi ini mengakibatkan pangsa listrik mengalami pelonjakan yang tinggi

dari hanya 12.49 persen di tahun 2011 menjadi 29.26 persen di tahun 2025. Untuk

jenis energi lainnya, tidak terjadi peningkatan yang berarti sehingga pangsanya tidak

banyak berubah. Secara lengkap, perkembangan konsumsi energi final dan

perkembangan pangsa berdasarkan jenis energi di sektor rumah tangga sampai tahun

2025 dapat dilihat pada gambar berikut ini.


2011 2015 2019 2025

Wood 233.89125 234.50474 229.55517 223.78897

Natural Gas 0.10944 0.12126 0.13326 0.15221

LPG 35.67089 64.64238 77.288 84.55156

Kerosene 10.35679 2.20709 0 0

Electricity 39.99198 61.19938 90.18144 127.62801

Coal Briquettes 0.07913 0.06004 0.0451 0.02887

050

100150200250300350400450500

Coal Briquettes Electricity Kerosene LPG Natural Gas Wood

0.02 12.49

3.24

11.14

0.03

73.07

0.0216.87

0.61

17.82

0.03

64.65

0.0122.7

0

19.46

0.03

57.79

0.01

29.26

0

19.39

0.03

51.31

Coal Briquettes Electricity Kerosene LPG Natural Gas Wood


Energi di Sektor Rumah Tangga Sampai Tahun 2025 (Skenario DASAR)

4.4.1.2 Kebutuhan Energi Final Sektor Industri

Pemanfaatan energi final yang digunakan di sektor industri di tahun 2025-

2019 masih akan di dominasi oleh batubara. Sampai tahun 2025, pemanfaatan

batubara diperkirakan terus meningkat dari 144 juta SBM di tahun 2011 menjadi 406

juta SBM atau 95 juta ton. Pada tahun 2015-2019, pemanfaatannya akan berkisar

antara 189-254 juta SBM atau 44-59 juta ton dengan pertumbuhan rata-rata 7.62

persen per tahun. Walau demikian pangsa batubara di tahun 2011 sampai 2025

cenderung stabil antara 40 sampai 42 persen. Hal ini disebabkan adanya

pertumbuhan yang signifikan dari konsumsi gas dan listrik.

2011

2025


60

Pemanfaatan gas untuk sektor industri diperkirakan akan mengalami

peningkatan yang signifikan. Pada tahun 2025, konsumsi gas untuk sektor industri

sebagai sumber energi akan mencapai 328 juta SBM. Sementara pada tahun 2015-

2019, konsumsinya diperkirakan akan berkisar antara 128 sampai 185 juta SBM

dengan pertumbuhan rata-rata 9.72 persen per tahun. Pesatnya pertumbuhan gas ini

akan meningkatkan pangsa gas dari 25.38 persen di tahun 2011 menjadi 33.81 persen

di tahun 2025. Pertumbuhan yang cukup tinggi juga terjadi pada konsumsi listrik

dimana di tahun 2025 diperkirakan akan mencapai 108 juta SBM atau 177 ribu Gwh.

Pada tahun 2015-2019, konsumsi listrik akan berkisar antara 45-63 juta SBM atau

74-105 Gwh dengan pertumbuhan rata-rata 8.97 persen per tahun. Hal ini

menyebabkan pangsa konsumsi listrik untuk industri akan mengalami kenaikan dari

9.34 persen di tahun 2011 menjadi 11.10 persen di tahun 2025.

Konsumsi energi lainnya yaitu BBM yang didominasi oleh jenis Diesel dan

EBT Biomassa (kayu bakar) juga akan meningkat namun dengan tingkat

pertumbuhan yang kecil. Hal ini disebabkan oleh makin mahalnya harga BBM

sehingga sebagian industri akan cenderung beralih ke batubara dan gas. Selain itu,

pertumbuhan industri yang mengandalkan biomassa seperti industri kecil dan

menengah yang termasuk kategori industri lainnya cenderung memiliki pertumbuhan

yang kecil. Sampai tahun 2025, konsumsi BBM untuk sektor industri akan terus

meningkat menjadi 77 juta SBM. Pada tahun 2015-2019, konsumsinya akan berkisar

48-56 juta SBM dengan pertumbuhan rata-rata hanya 3.65 persen per tahun. Hal ini

menyebabkan pangsa BBM untuk sektor industri akan mengalami penurunan 12.96

persen di tahun 2011 menjadi 7.97 persen di tahun 2025. Sementara itu, konsumsi

biomassa hanya akan meningkat sedikit menjadi 50.93 juta SBM di tahun 2025

dengan pertumbuhan rata-rata 1.09 persen per tahun. Kondisi ini menyebabkan

pangsa EBT biomassa akan berkurang dari 12.19 persen di tahun 2011 menjadi 5.25

persen di tahun 2025. Secara lengkap, perkembangan konsumsi energi final dan

perkembangan pangsa berdasarkan jenis energi di sektor industri sampai tahun 2025

dapat dilihat pada gambar berikut ini.


61


2011 2015 2019 2025

Listrik 33.55 45.07 63.56 107.78

Gas Bumi 91.19 127.53 184.79 328.17

EBT 43.78 41.7 44.16 50.93

BBM 46.57 48.43 55.91 77.34

Batubara 144.18 189.17 253.72 406.34

0

200

400

600

800

1000

1200

Batubara BBM EBT Gas Bumi Listrik

40.13

12.9612.19

25.38

9.34

41.86

10.72

9.23

28.22

9.97

42.14

9.297.33

30.69

10.56

41.87

7.975.25

33.81

11.1

Batubara BBM EBT Gas Bumi Listrik


Energi di Sektor Industri Sampai Tahun 2025 (Skenario DASAR)

4.4.1.3 Kebutuhan Energi Final Sektor Transportasi

Kebutuhan energi sektor transportasi sampai tahun 2025 masih didominasi

oleh subsektor transportasi darat. Kebutuhan energi subsektor transportasi darat di

tahun 2011 mencapai 242 juta SBM atau 83.76 persen dari total kebutuhan sektor

transportasi. Di tahun 2015 dan 2019, kebutuhannya meningkat menjadi 298 juta

SBM (88.88 persen) dan 388 juta SBM (89.92 persen). Laju pertumbuhan rata-rata

subsektor ini sampai tahun 2025 mencapai 7.12 persen.

Subsektor lainnya yang tumbuh cukup cepat adalah subsektor kereta api dan

subsektor transportasi udara. Sampai tahun 2025, subsektor kereta api mengalami

pertumbuhan rata-rata 6.09 persen per tahun dari 1.29 juta SBM di tahun 2011

menjadi 2.96 juta SBM di tahun 2025. Sementara itu subsektor transportasi udara

mengalami pertumbuhan rata-rata sebesar 5.02 persen per tahun dari 21 juta SBM

menjadi 42 juta SBM. Pembenahan infrastruktur angkutan udara dan peningkatan

pendapatan masyarakat menjadi salah satu faktor pendorong pertumbuahan subsektor

angkutan udara. Khusus untuk kereta api, selain sebagai sarana pengangkutan

penumpang, kereta api juga berperan vital untuk angkutan barang di masa mendatang

khususnya di Pulau Jawa dan Sumatera.

Dari jenis energinya, sampai tahun 2025 BBM masih akan mendominasi

walaupun terjadi peningkatan signifikan dari BBM Blending. BBM akan tumbuh

rata-rata sebesar 4.67 persen dari 230 juta SBM di tahun 2011 menjadi 437 juta SBM

2011

2025


62

di tahun 2025. Sementara BBM Blending akan meningkat sangat drastis dari 46 juta

SBM di tahun 2011 menjadi 256 juta SBM di tahun 2025. Pertumbuhan rata-rata

jenis energi ini mencapai 12.94 persen. Tingginya pertumbuhan ini didukung oleh

kecenderungan penerimaan pihak konsumen terhadap BBM blending khususnya

biosolar. Secara lebih lengkap, berikut ini adalah gambaran perkembangan konsumsi

energi sektor transportasi berdasarkan subsektor dan jenis energinya.

2011 2015 2019 2025

Listrik 0.05 0.08 0.11 0.16

Gas Bumi 0.18 0.18 0.2 0.23

BBM Blending 46.58 76.28 120.68 255.99

BBM 230.57 258.59 309.97 437.02

0

100

200

300

400

500

600

700

800

BBM BBM Blending Gas Bumi Listrik

2011 2015 2019 2025

Transportasi Darat 242.33 297.86 387.51 634.57

Ang. Udara 21.02 22.67 28.05 41.71

Ang. Laut 11.24 11.2 11.18 11.19

Kereta Api 1.29 1.61 2.04 2.96

Ang. SDP 1.5 1.79 2.18 2.97

0100200300400500600700800

Ang. SDP Kereta Api Ang. Laut Ang. Udara Transportasi Darat

Gambar 17. Proyeksi Konsumsi Energi Final Berdasarkan Sektor Pengguna

dan Jenis Energi di Sektor Transportasi Sampai Tahun 2025 (Skenario

DASAR)

4.4.1.4 Kebutuhan Energi Final Sektor Lainnya (Komersial, Sektor lainnya dan

Bahan Baku)

Untuk sektor komersial yang terdiri dari subsektor perdagangan (termasuk

hotel dan restauran), keuangan dan jasa, jenis energi yang akan mengalami

peningkatan pesat adalah gas dan listrik dengan tingkat pertumbuhan rata-rata

masing-masing 13.30 persen per tahun dan 9.09 persen per tahun. Sampai tahun

2025, konsumsi listrik masih akan mendominasi dengan jumlah total 79 juta SBM

atau 130 ribu Gwh (82.96 persen dari total energi komersial). Pada tahun 2015-2019,

konsumsi listrik akan mencapai 34-48 juta SBM atau 56-79 ribu Gwh (75.55-78.87

persen dari total energi sektor komersial). Sementara konsumsi BBM dan EBT

biomassa hanya akan tumbuh masing-masing 0.33 dan 0.88 persen per tahun.


63

Untuk sektor lainnya5, seluruh energi yang dikonsumsi berasal dari BBM

yang didominasi oleh jenis Diesel dan Gasoline. Sampai tahun 2025, konsumsi BBM

untuk sektor lainnya akan terus meningkat menjadi 36 juta SBM dengan rata-rata

pertumbuhan 2.74 persen per tahun. Jenis BBM yang akan mengalami peningkatan

cukup tinggi pada periode itu adalah gasoline dari 4.43 juta SBM menjadi 10 juta

SBM dengan pertumbuhan rata-rata 5.99 persen per tahun. Sementara untuk jenis

Diesel hanya tumbuh 2.11 persen per tahun dari 19 juta ton di tahun 2011 menjadi 25

juta ton di tahun 2025.

Sementara konsumsi komoditi energi sebagai bahan baku untuk industri yang

didominasi oleh gas dan produk kilang non BBM diperkirakan akan meningkat dari

98 juta SBM di tahun 2011 menjadi 210 juta SBM di tahun 2025 dengan laju

pertumbuhan rata-rata 5.58 persen per tahun. Pemanfaatan gas sebagai bahan baku

akan melonjak tajam dari hanya 28.43 juta SBM di tahun 2011 menjadi 100.32 juta

SBM di tahun 2025 dengan laju pertumbuhan rata-rata sekitar 9.42 persen per tahun.

Hal ini disebabkan tren peningkatan kebutuhan industri untuk bahan baku gas

terutama industri pupuk dan petrokimia. Selain itu hal ini didorong juga dengan

adanya ‘political will’ dalam draft Kebijakan Energi Nasional yang akan mendorong

dan lebih memprioritaskan pemanfaatan gas sebagai bahan baku industri dibanding

sebagai sumber energi. Berikut ini adalah gambaran perkembangan konsumsi energi

di sektor komersial, sektor lainnya dan sebagai bahan baku untuk energi lainnya.


2011 2015 2019 2025

Listrik 23.34 33.93 47.67 78.9

Gas Bumi 1.29 3.02 4.67 7.41

EBT 1.37 1.38 1.43 1.54

BBM 6.93 6.58 6.69 7.25

0102030405060708090

100

BBM EBT Gas Bumi Listrik

21.04

4.17

3.92

70.87

14.66

3.08

6.71

75.55

11.06

2.36

7.73

78.85

7.631.61

7.8

82.96

BBM EBT Gas Bumi Listrik


Energi di Sektor Komersial Sampai Tahun 2025 (Skenario DASAR)

5Termasuk ke dalam sektor ini : sektor pertambangan, perikanan dan

konstruksi


64

(Sektor lainnya, dalam juta SBM) (Sebagai bahan baku, dalam juta SBM)

2011 2015 2019 2025

Kerosene 0.46 0.11 0 0

Gasoline 4.43 5.94 7.41 10.01

Fuel Oil 1.31 0.89 0.93 1.26

Automotive Diesel Oil 18.62 16.45 18.47 24.95

05

10152025303540

Automotive Diesel Oil Fuel Oil Gasoline Kerosene

2011 2015 2019 2025

Natural Gas 28.43 73.17 83.89 100.32

Other Oil Product 69.98 72.24 87.45 110.26

28.43

73.17

83.89

100.32

69.9872.24

87.45

110.26

0

20

40

60

80

100

120

Natural Gas Other Oil Product


Energi di Sektor Lainnya dan Sebagai Bahan Baku Sampai Tahun 2025

4.4.2 Kondisi Penyediaan Energi

Untuk memenuhi kebutuhan energi, diperlukan sistem penyediaan energi

yang handal. Total Primary Energy Supply (TPES) atau total penyediaan energi

utama sampai tahun 2025 akan meningkat menjadi 3183 juta SBM dengan tingkat

pertumbuhan rata-rata sebesar 6.14 persen (Tabel 5). Dengan asumsi kapasitas

infrastruktur energi yang tidak banyak berubah saat ini, jenis energi batubara, gas

bumi dan BBM (termasuk yang blending dengan BBN) akan menjadi pasokan energi

yang dibutuhkan. Kondisi ini disebabkan tingkat kebutuhan yang akan sangat tinggi

ke depannya dan kapasitas infrastruktur konversi energi saat ini yang masih sangat

rendah khususnya untuk BBM.

Sebagai konsekuensi, impor beberapa jenis energi akan meningkat

diantaranya LPG, BBM dan minyak bumi. Program konversi minyak tanah ke LPG

membuat peningkatan tajam dari permintaan LPG. Sementara pada periode yang

sama impor BBM terutama dari sektor transportasi akan terus meningkat seiring

dengan pertumbuhan ekonomi yang terus membaik dan juga tidak adanya

penambahan kilang baru. Di sisi lain pasokan minyak bumi sebagai bahan baku

kilang juga terus menurun dari tahun ke tahun. Sedikitnya penemuan lapangan baru

berakibat kurangnya pengembangan sumur-sumur baru yang dapat meningkaatkan

produksi minyak bumi. Proyeksi jumlah ekspor dan impor secara lengkap dapat


65

dilihat pada tabel 6 dan tabel 7. Dengan merujuk pada hasil simulasi tersebut,

diperkirakan pada tahun 2024, Indonesia akan menjadi net importir.

Tabel 5. Proyeksi Total Primary Energy Supply Sampai Tahun 2025

Dalam juta SBM 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

Annual

Growth

BBM Blending 0 7.01 14.68 21.94 29.7 38.46 48.54 60.24 74.1 89.89 107.89 128.43 151.9 178.72 209.41 0.00%

Biomassa (Kayu) 279.17 277.72 278.05 278.6 278.43 278.27 277.86 277.12 276.05 276.74 277.27 277.59 277.7 277.6 277.28 -0.05%

Minyak Bumi 248.7 245.97 243.27 240.59 237.95 235.33 232.74 230.18 227.65 225.14 222.67 220.22 217.8 215.4 213.03 -1.10%

Listrik 1.54 1.54 1.54 1.54 1.54 1.54 0 0 0 0 0 0 0 0 0 0.00%

BBM 203.73 191.74 201.55 213.71 229.78 239.28 253.92 270.37 293.56 319.07 348.29 378.5 410.9 445.68 483.04 6.36%

Panas Bumi 16.49 15.55 15.32 15.92 17.83 25.3 35.93 44.95 59.85 70.44 72.57 78.04 83.67 89.5 95.54 13.37%

Hidro 31.27 29.33 31.9 34.29 37.58 40.66 51.13 52.73 59.35 67.79 76.76 84.37 92.74 101.94 112.05 9.54%

LNG -176.93 -157.43 -150.68 -144.12 -126 -105.73 -100.75 -98.85 -90.13 -85.63 -81.29 -71.27 -67.21 -63.28 -59.49 -7.49%

LPG 23.91 33.79 41.72 48.68 54.51 59.25 63.06 66.14 68.67 70.74 72.51 74.06 75.47 76.75 77.95 8.81%

Gas Bumi 410.56 432.35 447.23 461.42 471.16 463.8 470.61 479.78 489.45 506.22 527.57 544.21 568.06 595.14 626.05 3.06%

Non BBM 54.55 48.28 50.33 52.71 55.45 58.52 61.86 65.41 69.12 72.96 76.89 80.89 84.95 89.05 93.18 3.90%

Batubara 308.85 341.89 384.64 427.06 463.26 516.61 571.27 634.61 679.07 726.45 783.84 845.28 910.81 980.75 1055.45 9.17%

Total 1401.87 1467.74 1559.54 1652.34 1751.19 1851.29 1966.17 2082.69 2206.76 2339.82 2484.96 2640.33 2806.8 2987.27 3183.51 6.03%

Catatan : Nilai positif untuk Jenis Energi Final seperti BBM, BBM Blending, LNG, LPG dan lainnya menunjukkan net impor. Nilai negatif menunjukkan net ekspor

Tabel 6. Proyeksi Jumlah Impor Energi Sampai Tahun 2025

2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

Ann.

Growth

BBM Blending 0 7.01 14.68 21.94 29.7 38.46 48.54 60.24 74.1 89.89 107.89 128.43 151.9 178.72 209.41 N/A

Minyak Bumi 96.86 96.24 105.03 113.39 121.33 128.88 136.04 142.84 149.29 155.41 161.21 166.7 171.9 176.81 181.46 4.59%

Listrik 1.54 1.54 1.54 1.54 1.54 1.54 0 0 0 0 0 0 0 0 0 0.00%

BBM 222.73 190.72 200.05 212.55 229.59 240.58 254.36 270.18 292.89 318.05 347 377.01 409.27 443.94 481.22 5.66%

LPG 23.91 33.79 41.72 48.68 54.51 59.25 63.06 66.14 68.67 70.74 72.51 74.06 75.47 76.75 77.95 8.81%

Gas Bumi 0 59.13 71.2 51.85 34.79 18.46 17.75 0 13.44 50.18 91.97 128.33 152.59 185.46 236.08 N/A

Non BBM 82.59 48.28 50.33 52.71 55.45 58.52 61.86 65.41 69.12 72.96 76.89 80.89 84.95 89.05 93.18 0.87%

Batubara 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.00%

Total 427.83 436.89 484.74 502.84 527.1 545.87 581.79 604.99 667.7 757.41 857.65 955.62 1046.25 1150.92 1279.49 8.14%

Tabel 7. Proyeksi Jumlah Ekspor Energi Sampai Tahun 2025

2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

Ann.

Growth

Minyak Bumi 171.29 135.57 135.57 135.57 135.57 135.57 135.57 135.57 135.57 135.57 135.57 135.57 135.57 135.57 135.57 -1.66%

BBM 30.53 19.56 19.08 19.42 20.39 21.88 21.02 20.39 19.91 19.56 19.29 19.09 18.95 18.84 18.76 -3.42%

LNG 176.94 157.43 150.68 144.12 126 105.73 100.75 98.85 90.13 85.63 81.29 71.27 67.21 63.28 59.49 -7.49%

Gas Bumi 163.39 206.82 210.17 182.83 162.31 159.69 158.58 138.15 117.01 113.08 110.59 108.3 87.58 73.09 73.35 -5.56%

Batubara 1173.79 1180.76 1192.19 1193.7 1192.64 1167.09 1134.24 1087.89 1056.6 1019.39 969.83 914.39 853.46 787.04 715.03 -3.48%

Total 1744 1700.14 1707.69 1675.65 1636.92 1589.96 1550.17 1480.85 1419.23 1373.23 1316.57 1248.62 1162.77 1077.82 1002.2 -3.88%

Secara komposisi, bauran energi Indonesia6 akan berubah dari dominasi

BBM ke dominasi batubara. Gambar 20 memperlihatkan bauran energi yang

6Penghitungan bauran energi tidak menyertakan penghitungan listrik dan BBM

blending karena energi tersebut merupakan hasil konversi gabungan dari berbagai

jenis energi. Selain itu juga untuk menghindari ‘double counting’


66

memperhitungkan biomassa tradisional (kayu). Dari tabel tersebut, pada tahun 2011,

energi Indonesia masih didominasi oleh BBM sebanyak 37.8 persen yang disusul

kemudian oleh EBT berupa biomassa tradisional sebesar 23.5 persen. Batubara dan

gas menempati urutan selanjutnya dengan masing-masing 22.1 persen dan 16.7

persen. Sampai tahun 2025, terjadi pergeseran dimana BBM akan semakin berkurang

menjadi 33.5 persen di tahun 2015, 30.8 persen di tahun 2019, dan 29.1 persen di

tahun 2025. Sementara batubara terutama dengan kecenderungan peningkatan

kebutuhan terutama untuk pasokan untuk pembangkit dan industri, akan terus

meningkat menjadi 26.9 persen di tahun 2015, 31.8 persen di tahun 2019 dan 35.5

persen di tahun 2025. Porsi EBT sendiri akan semakin berkurang. Hal ini disebabkan

jenis energi utama yaitu biomassa tradisional berupa kayu bakar mulai ditinggalkan

oleh masyarakat pedesaan seiring dengan peningkatan kesejahteraan.

Kondisi serupa juga terlihat pada bauran energi tanpa menyertakan biomassa

tradisional (Gambar 21). Yang menarik pada tabel tersebut adalah peningkatan

bauran EBT non biomassa dari hanya 4.5 persen di tahun 2011 menjadi 7.8 persen di

tahun 2025. Apabila program mandatori BBN yang baru saja diluncurkan pada bulan

Oktober 2013 maka angka bauran energi EBT non biomassa pasti akan lebih besar

lagi.

4.4.2.1. Penyediaan Energi Listrik

Pengembangan kapasitas listrik dilakukan untuk memenuhi target

elektrifikasi rasio 100 persen di tahun 2019. Selain itu pengembangan kapasitas ini

dilakukan untuk memenuhi kebutuhan sektor perekonomian dalam mendukung

pertumbuhan ekonomi yang diharapkan akan terus meningkat. Merujuk asumsi-

asumsi pertumbuhan ekonomi yang diambil, kebutuhan tenaga listrik selanjutnya

diproyeksikan dan hasilnya seperti yang ditampilkan pada tabel 8. Dari Tabel

tersebut dapat dilihat bahwa kebutuhan energi listrik pada tahun 2025 akan menjadi

517 TWh, atau tumbuh rata-rata 8.77 % per tahun. Sedangkan beban puncak pada

tahun 2025 akan menjadi 68.970 MW atau tumbuh rata-rata 7.46% per tahun.


67

Gambar 20. Proyeksi Bauran Energi (Dengan Biomassa) Sampai Tahun 2025

(dalam juta SBM)

Gambar 21. Proyeksi Bauran Energi (Tanpa Biomassa) Sampai Tahun 2025

(dalam juta SBM)


68

Tabel 8. Perkembangan Kebutuhan dan Beban Puncak Listrik Sampai

Tahun 2025

Tahun 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

Pertumbuhan

Ekonomi (%) 6.49 6.23 5.70 5.90 6.10 6.30 6.50 6.70 7.00 7.00 7.00 7.00 7.00 7.00 7.00

Total Kebutuhan

(Gwh) 159.53 173.53 190.70 209.75 230.89 254.29 277.85 303.56 331.68 357.27 384.81 414.44 446.33 480.64 517.55

Beban Puncak

(GW) 25.19 27.06 29.38 31.92 34.70 37.75 41.11 44.32 47.79 50.80 54.01 57.41 61.03 64.88 68.97

Sampai tahun 2025, total kapasitas pembangkit yang dibangun PLN akan

terus meningkat sampai118 GW dengan pertumbuhan rata-rata sebesar 8.08 persen

per tahun. Sebagian besar dari kapasitas pembangkit berasal dari PLTU batubara.

Pada tahun 2011, pangsa kapasitas PLTU batubara masih 14.84 GW atau sekitar 40

persen dari total pembangkit namun seiring dengan penyelesaian program Fast Track

Program 10.000 MW tahap I yang didominasi PLTU Batubara maka akan meningkat

menjadi 67 GW atau 56 persen dari total pembangkit di tahun 2025 kapasitas PLTU

Batubara dengan pertumbuhan rata-rata dari tahun 2011 sebesar 11.37 persen per

tahun.

Selain batubara, pembangkit yang akan mengalami peningkatan cukup tinggi

adalah PLTP yang berasal dari panas bumi. Pada tahun 2011, kapasitas pembangkit

ini mencapai 1216 MW dan diharapkan akan meningkat pada tahun 2025 menjadi

10.400 MW dengan pertumbuhan rata-rata sebesar 16.62 persen per tahun.

Pembangkit ini bersama pembangkit PLTA (termasuk pico-mini-mikro hidro)

diharapkan dapat menjadi pembangkit yang memenuhi kebutuhan listrik pada

kondisi baseload.

Pembangkit lainnya yang diharapkan akan meningkat adalah PLT Biomassa

yang meningkat dari 40 MW di tahun 2011 menjadi 270 MW di tahun 2025 dengan

pertumbuhan rata-rata sebesar 15 persen per tahun. Apabila disertakan dengan

pembangkit yang off grid (non PLN), jumlah kapasitas pembangkit ini akan lebih

besar lagi dimana pada tahun 2011 saja kapasitas PLT Biomassa (off grid) sudah

mencapai 1600 MW. Pembangkit lainnya yang akan dibangun adalah PLTG dan

PLTGU yang diplot sebagai pembangkit untuk kondisi medium dan peak load.

Gambar dan tabel berikut ini memperlihatkan proyeksi perkembangan kapasitas

pembangkit dari masing-masing pembangkit.


69

Gambar 22. Proyeksi Perkembangan Kapasitas Listrik Sampai Tahun 2025

Tabel 9. Perkembangan Kapasitas Listrik Berdasarkan Jenis Pembangkit

Sampai Tahun 2025

Dalam GW 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

Annual

Growth

PLTU B 14.84 19.1 22.2 24.91 27.11 31.81 37.47 44.68 47.31 50.26 52.5 56.12 59.75 63.37 67.00 11.37%

PLTU G 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.00%

PLTU MFO 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.30 1.30 0.00%

PLTG 4.24 4.54 4.95 5.6 7.57 7.71 7.84 8.02 8.2 8.23 8.31 8.71 9.11 9.50 9.90 6.25%

PLTGU 8.48 9.22 9.38 9.47 10.02 10.27 10.27 10.27 10.27 10.27 10.42 10.56 10.71 10.85 11.00 1.88%

PLTD 5.47 5.48 5.48 5.48 5.49 5.5 5.5 5.5 5.51 5.52 5.52 5.54 5.56 5.58 5.60 0.17%

PLTA 3.94 4.09 4.33 4.49 4.76 5.34 7.08 7.75 8.69 9.62 10.25 10.87 11.48 12.09 12.70 8.71%

PLTP 1.21 1.32 1.32 1.39 1.57 2.34 3.55 4.78 6.42 7.66 7.77 8.43 9.09 9.74 10.40 16.62%

PLTMG 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.00%

PLT Bayu 0 0 0 0 0 0 0 0 0 0 0 0 0 0.00 0.00 0.00%

PLTGB 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.00%

PLTS 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.00%

PLTU Biomasa 0.04 0.04 0.06 0.21 0.23 0.23 0.25 0.26 0.27 0.27 0.27 0.27 0.27 0.27 0.27 15.00%

PLT MSW 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.00%

Total 39.95 45.52 49.47 53.28 58.48 64.94 73.69 82.99 88.4 93.56 96.78 102.23 107.69 113.15 118.60 8.08%

Berdasarkan simulasi model dari proses pembangkitan dengan

memperhatikan perkembangan jumlah kapasitas dan capacity factor dari masing-

masing pembangkit maka didapatkan jumlah listrik tersalurkan di tahun 2025 akan

mencapai 553 Twh dengan tingkat pertumbuhan rata-rata per tahun 8.21 persen.

Sebagian besar produksi listrik dipasok dari PLTU sebanyak 339 Twh atau 61 persen

dari total keseluruhan. Gambar dan tabel berkut ini memperlihatkan perkembangan

jumlah listrik yang dihasilkan masing-masing pembangkit.


70

Gambar 23. Proyeksi Produksi Listrik Sampai Tahun 2025

Tabel 10. Perkembangan Produksi Listrik Berdasarkan Jenis Pembangkit

Sampai Tahun 2025

Dalam GWh 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

Annual

Growth

PLTU B 81 92.2 107.6 122.6 134.7 154 173.8 197.3 211.9 227 246.39 267.24 289.56 313.46 339.09 10.77%

PLTU G 1.16 1.02 1.03 1.04 1.05 1.03 0.98 0.94 0.95 0.96 0.99 1.01 1.03 1.05 1.07 -0.54%

PLTU MFO 6.38 5.64 5.67 5.76 5.81 5.66 5.42 5.16 5.24 5.28 5.49 5.57 5.67 5.78 5.92 -0.54%

PLTG 11.05 10.47 11.46 13.18 17.96 17.82 17.36 16.91 17.54 17.75 18.63 19.81 21.08 22.45 23.93 5.68%

PLTGU 45.21 43.45 44.39 45.53 48.61 48.56 46.53 44.29 44.92 45.3 47.74 49.11 50.67 52.42 54.36 1.33%

PLTD 16.58 14.67 14.74 14.99 15.15 14.77 14.16 13.5 13.71 13.84 14.39 14.65 14.96 15.33 15.73 -0.37%

PLTA 12.42 11.39 12.12 12.74 13.65 14.92 18.95 19.74 22.44 25.06 27.76 29.84 32.08 34.49 37.07 8.12%

PLTP 9.37 9.04 9.11 9.69 11.1 16.11 23.41 29.97 40.82 49.15 51.81 57 62.53 68.43 74.73 15.99%

PLTMG 0.05 0.13 0.13 0.13 0.14 0.13 0.13 0.12 0.12 0.12 0.13 0.13 0.13 0.13 0.14 7.82%

PLT Bayu 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -0.54%

PLTGB 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N/A

PLTS 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -0.54%

PLTU Biomasa 0.2 0.23 0.38 1.27 1.38 1.39 1.43 1.44 1.49 1.51 1.56 1.59 1.61 1.65 1.69 16.53%

PLT MSW 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 N/A

Total 183.4 188.3 206.6 227 249.5 274.4 302.2 329.4 359.1 386 414.9 445.95 479.33 515.2 553.74 8.21%

Selain peningkatan kapasitas pembangkit, kehandalan infrastruktur

kelistrikan didorong oleh peningkatan efisiensi dari masing-masing pembangkit.

Untuk menjaga ketersediaan kelistrikan maka ditentukan planning reserve margin

yang diperkirakan pada tahun 2011-2025 akan berkisar antara 30-38 persen dari

jumlah beban puncak. Selain pembenahan dalam infrastruktur pembangkit, kondisi

transmisi dan distribusi listrik juga perlu dibenahi agar dapat mengurangi losses dari

energi listrik yang dihasilkan sampai ke tingkat konsumen. Berdasarkan data historis


71

tahun 2002-2011, tingkat losses semakin berkurang dari 16 persen menjadi hanya 9

persen di tahun 2011. Diharapkan pada tahun 2025, tingkat losses akan menjadi

hanya 6.54 persen. Kondisi lainnya yang akan mendukung perbaikan sistem

kelistrikan di Indonesia adalah perbaikan load factor. Pada tahun 2000, load factor

hanya mencapai 69.54 persen yang artinya sebanyak kapasitas yang ada hanya

digunakan secara rata-rata sebanyak 69.54 persen dari total waktu pada tahun 2000

sehingga cenderung tidak efisien. Pada tahun 2011, kondisi load factor sudah

membaik menjadi 78.53 persen dan diperkirakan pada tahun 2025 akan mencapai

lebih dari 90 persen.

4.4.2.2. Penyediaan Minyak Bumi dan BBM

Sampai saat ini tidak dapat dipungkiri bahwa peranan BBM (termasuk hasil

blending) masih sangat tinggi dalam energi Indonesia. Sebagian besar dari BBM ini

dikonsumsi oleh sektor transportasi. Pada tahun 2011, tercatat 76.1 persen dari total

364 juta SBM BBM yang ada dikonsumsi oleh sektor transportasi. Porsi ini akan

semakin terus meningkat apabila tidak ada upaya masiv dari pemerintah dalam

konversi ke bahan bakar lain seperti gas dan listrik. Pada tahun 2025, diperkirakan

porsi BBM sektor transportasi akan mencapai 85.3 persen dari total 812 juta SBM

BBM yang ada (Gambar 24)

Gambar 24. Proyeksi Komposisi Jumlah Kebutuhan BBM Per Sektor Pengguna

(dalam juta SBM)


72

Dengan kondisi kilang yang ada saat ini, Indonesia akan semakin kekurangan

pasokan BBM dalam negeri sehingga impor BBM akan semakin meningkat. Pada

tahun 2015 diperkirakan impor BBM akan mencapai 53 juta kilo liter dan akan terus

meningkat menjadi 74 juta kilo liter di tahun 2019 dan 130 juta kilo liter di tahun

2025 (Gambar 25 dan Tabel 11). Hal ini tentunya akan membebani neraca

perdagangan Indonesia yang mulai tahun 2013 mengalami defisit. Selain itu jumlah

BBM bersubsidi yang semakin meningkat tiap tahunnya akan semakin membebani

anggaran negara disetiap tahunnya. Apabila tidak ada pengurangan atau penghapusan

subsidi BBM, maka BBM bersubsidi akan mencapai 48 juta kilo liter dan akan

semakin meningkat menjadi 62 juta kiloliter dan 101 juta kilo liter (Tabel 12).

0

20

40

60

80

100

120

140

160

0

20

40

60

80

100

120

140

160

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

20

13

20

14

20

15

20

16

20

17

20

18

20

19

20

20

20

21

20

22

20

23

20

24

20

25

Diesel Supply Avgas Supply Avtur Supply FO Supply

Gasoline Supply Kerosene Supply Non BBM Supply Bio Solar Supply

Bio Premium Supply Diesel Demand Avgas Demand Avtur Demand

FO Demand Gasoline Demand Kerosene Demand Non BBM Demand

Bio Solar Demand Bio Premium Demand Diesel Listrik Biosolar Listrik

Gambar 25. Proyeksi Supply dan Demand BBM Berdasarkan Jenis BBM

Sampai Tahun 2025 (dalam juta KL)


73

Tabel 11. Proyeksi Perkembangan Supply dan Demand BBM Berdasarkan

Jenis BBM Sampai Tahun 2025 (dalam juta KL)

Supply - Demand (juta KL)

Diesel Demand 19.8402 22.2572 28.2417

Avgas Demand 0.00059 0 0

Avtur Demand 3.84861 4.76201 7.07988

FO Demand 1.25334 1.3396 1.75298

Gasoline Demand 31.3426 39.1552 57.9843

Kerosene Demand 0.44697 0 0

Non BBM Demand 11.2606 13.6308 17.1861

Bio Premium Demand 0 0 0

Bio Solar Demand 11.7361 18.5666 39.3834

Input Biosolar 6.68154 6.68154 6.68154

Input Biopremium 0 0 0

Diesel Listrik 8.30066 7.54861 9.49846

Biosolar Listrik 0 0 0

FO Listrik 2.53178 2.24865 2.85321

Total Demand 97.243 116.19 170.662

Diesel Supply 18.7547 17.9553 16.8028

Avgas Supply 0.00089 0.00085 0.0008

Avtur Supply 2.21254 2.26056 2.22943

FO Supply 2.50162 1.98334 1.40011

Gasoline Supply 11.4911 11.4384 11.3281

Kerosene Supply 0.7611 0.23498 0.04031

Non BBM Supply 0.89593 0.85715 0.80211

Bio Solar Supply 7.16662 7.16662 7.16662

Bio Premium Supply 0 0 0

Total Supply 43.7845 41.8973 39.7703

Supply-Demand -53.459 -74.293 -130.89

Supply BBM

Demand BBM

Tabel 12. Proyeksi Jumlah BBM Bersubsidi Sampai Tahun 2025

(dalam juta KL)

2015 2019 2025

Total Solar dan Biosolar subsidi (juta KL) 18.62 25.63 47.15

Total Premium Subsidi (juta KL) 29.47 36.82 54.69

Total BBM Subsidi 48.09 62.45 101.84

Di sisi hulu, pasokan minyak bumi akan semakin menurun. Sesuai dengan

data historis 2000-2011, apabila tidak ada pengembangan lapangan baru maka

produksi minyak bumi akan mengalami penurunan sekitar 4 persen sehingga

diperkirakan tingkat produksi pada tahun 2015 hanya akan mencapai 252 juta SBM

atau 690 ribu barel per harinya. Pada tahun 2019, tingkat produksinya semakin

menurun menjadi 213.93 juta SBM atau 586 ribu barel per hari. Sebagian dari

produksi minyak dalam negeri diekspor dan sebagian lagi justru diimpor. Hal ini


74

disebabkan spesifikasi kilang dalam negeri yang tidak bisa menyerap minyak dalam

negeri. Berikut gambaran proyeksi dari supply demand dari minyak bumi nasional

sampai tahun 2025.

0

50

100

150

200

250

300

350

400

0

50

100

150

200

250

300

350

400

2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

Exports Kilang Minyak Production Imports

Gambar 26. Proyeksi Supply dan Demand Minyak Bumi Nasional

(dalam juta Barel)

4.4.2.3. Penyediaan Gas Bumi dan Batubara

Gas bumi dan batubara diperkirakan akan menjadi sumber energi yang

memainkan peranan penting di masa depan seiring dengan peningkatan kebutuhan

dalam negeri. Oleh karenanya pemenuhan penyediaan dari kedua sumber energi

tersebut menjadi sangat penting. Selama ini sebagian besar produksi dari gas dan

batubara masih ditujukan untuk ekspor namun di masa mendatang diperkirakan

sebagian besar akan ditujukan untuk memenuhi kebutuhan dalam negeri.

Pemanfaatan gas untuk dalam negeri meningkat dari tahun ke tahun. Pada

tahun 2000, pemanfaatan gas bumi dalam negeri hanya 38.38 persen yang kemudian

terus meningkat menjadi 43.41 persen di tahun 2011. Kecilnya peningkatan ini

disebabkan oleh masih adanya kontrak ekspor gas yang umumnya bersifat jangka

panjang. Dengan berakhirnya kontrak ekspor gas di beberapa waktu dekat ini,

peluang peningkatan pemanfaatan gas dalam negeri menjadi terbuka lebar. Tercatat

kontrak ekspor gas dalam LNG yang akan berakhir diantaranya kontrak ekspor LNG

Bontang sebanyak 0,17 MTPA ke pembeli Jepang (Medium City Gas Coorporations)

yang akan berakhir 2015, kontrak ekspor LNG Bontang ke pembeli Korea, Kogas


75

sebanyak 1,1 MTPA berakhir di waktu yang sama. Sementara pada tahun 2017,

terdapat kontrak ekspor Badak 5 dengan pembeli asal Jepang dengan volume kontrak

1 MTPA dan kontrak ekspor LNG dari Badak 6 sebanyak 1,89 MTPA dengan

pembeli asal Taiwan.

Di sisi hulu, produksi gas diperkirakan akan terus meningkat dengan tingkat

pertumbuhan rata-rata sebesar 1.06 persen per tahun sampai tahun 2018, sehingga

pada tahun 205 jumlah produksi gas diperkirakan mencapai 610 juta SBM atau 3.396

juta mmscf. Dari tahun 2018, apabila tidak ditemukan daerah prospek baru maka

produksi gas akan mengalami penurunan sebesar 4 persen sehingga pada tahun 2019

produksi gas akan menjadi 604 juta SBM atau 3.363 juta mmscf dan akan terus

menurun sampai tahun 2025 menjadi 472 juta SBM atau 2.628 juta mmscf. Dari

proyeksi supply demand gas sampai 2025 seperti pada gambar 27, ternyata

kebutuhan gas di Indonesia untuk dalam negeri masih belum dapat dipenuhi. Pada

tahun 2015, terjadi defisit sebesar 195 ribu mmscf yang kemudian berkurang dan

dapat terpenuhi di tahun 2018. Sementara setelah tahun 2018, seiring dengan

penurunan produksi gas, defisit gas meningkat kembali hingga mencapai 1.327 juta

mmscf di tahun 2025.

-

0.50

1.00

1.50

2.00

2.50

3.00

3.50

4.00

4.50

-

0.50

1.00

1.50

2.00

2.50

3.00

3.50

4.00

4.50

2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

Mill

ion

s

Mill

ion

s

Kontrak Ekspor Reinjeksi/EOR Input Kilang Minyak Input Kilang LNG&LPG Own Use dan Losses

Pembangkit Listrik Demand Rumah Tangga Demand Industri Demand Transportasi Demand Komersial

Non Energi Produksi Regasifikasi LNG

Gambar 27. Proyeksi Supply dan Demand Gas Bumi Nasional (dalam juta

mmscf)


76

Khusus untuk batubara, daya serap domestik saat ini masih sangat rendah

yaitu sekitar 30 persen sehingga sebagian besar lebih banyak diekspor. Oleh

karenanya dalam draft Kebijakan Energi Nasional yang sedang dalam tahap

finalisasi, pembatasan produksi dan ekspor batubara menjadi suatu wacana yang

sangat penting sehingga peningkatan produksi di masa depan tidak akan meningkat

drastis seperti selama satu dekade terakhir ini bahkan cenderung stagnan. Di tahun

2015, produksi batubara nasional akan mencapai 1687 juta SBM atau 394 juta ton

batubara yang kemudian meningkat sedikit menjadi 1768 juta SBM atau 413 juta

batubara di tahun 2019 dan 1768 juta SBM atau 422 juta ton batubara di tahun 2025.

Kondisi supply dan demand dari batubara nasional sampai tahun 2025

memperlihatkan peningkatan porsi pemanfaatan batubara dalam negeri dari 29

persen di tahun 2015 menjadi 60 persen di tahun 2025 (Gambar 28).

2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

Energi Industri 44 48 51 55 59 64 69 75 81 88 95

Pembangkit Listrik 71 81 90 101 107 113 122 130 140 149 160

Pabrik Briket Batubara 0 0 0 0 0 0 0 0 0 0 0

Produksi 395 401 406 410 414 416 418 419 420 421 422

0

50

100

150

200

250

300

350

400

450

0

50

100

150

200

250

300

350

400

450

Pabrik Briket Batubara Pembangkit Listrik Energi Industri Produksi

Gambar 28. Proyeksi Supply dan Demand Batubara Nasional (dalam juta ton)


77

BAB 5

KESIMPULAN DAN REKOMENDASI

5.1. Kesimpulan

Model energi diperlukan untuk menggambarkan sistem energi yang kompleks

yang merepresentasikan karakteristik yang khas semaksimal mungkin dalam bentuk

yang sesederhana mungkin. Model energi yang baik juga dapat membantu

mengorganisasikan data yang sangat besar dan menyediakan kerangka yang

konsisten untuk menguji hipotesis melalui data empiris, data statistik, tren data

historis dan asumsi lainnya. Model energi saat ini tidak hanya bertujuan menganalisis

aspek ketahanan energi teteapi juga mencoba menganalisis dampak ekonomi dan

lingkungan dari kebijakan di sektor energi.

Secara umum, Model Energi dibagi menjadi dua jenis berdasarkan

pendekatannya yaitu :

1. Model sistem energi yaitu untuk mengetahui tingkah laku sistem energi secara

keseluruhan (daerah, negara, dunia). Jenis model ini sering disebut model bottom

up

2. Model Ekonomi Energi yaitu untuk mengetahui dampak sistem energi pada

ekonomi secara luas. Jenis model ini sering disebut model top-down

3. Model Hibrid yang mencoba menggabungkan kelebihan dan kekurangan dua

model di atas melalui penggabungan pendekatan

Setiap jenis model energi memiliki keunggulan dan kelemahan dalam

merepresentasikan sistem energi. Sebagai contoh, model energi top-down memiliki

keunggulan dalam memberi feedback tentang kesejahteraan, lapangan kerja, dan

pertumbuhan ekonomi namun di sisi lain model top-down kurang memiliki detail

teknologi dan cenderung menyajikan informasi yang lebih general. Sebaliknya model

bottom-up memiliki tingkat detail teknologi yang tinggi sehingga dapat menyajikan

gambaran permintaan energi dan teknologi pasokan energi yang sangat rinci. Di sisi

lain, hal ini justru menyebabkan model bottom-up menjadi sangat tergantung pada

ketersediaan dan kredibilitas data. Selain itu model ini kurang dapat menganalisis

dampak makroekonomi dari kebijakan energi.


78

Pemanfaatan model energi awalnya dilakukan dengan menggunakan asumsi

dan pendekatan sistem energi negara maju. Pada kenyataanya sistem energi dari

negara berkembang berbeda jauh dengan negara-negara maju (industri) yang

memiliki keteraturan dalam sistem energi. Sistem energi dari negara berkembang

seperti Indonesia berbeda dengan negara maju diantaranya :

A. Tingginya kontribusi sektor informal dan kurangnya data energi

B. Konsumsi energi tradisional (non komersil) yang cukup tinggi

C. Kehandalan infrastruktur energi yang masih rendah

D. Rasio elektrifikasi yang masih rendah

E. Transisi struktur ekonomi tradisional ke modern

F. Struktur masyarakat yang kompleks

Umumnya kondisi energi negara Indonesia sebagian besar model sudah dapat

memperhitungan aspek elektrifikasi, biomassa tradisional dan pembagian kota dan

desa. Karakteristik penting lainnya seperti kehandalan infrastruktur energi,

perubahan struktur ekonomi, investasi, subsidi dan terutama ekonomi informal dan

transaksi non moneter masih belum diakomodir oleh model yang sudah ada. Hal ini

disebabkan model itu sendiri umumnya dikembangkan dengan tujuan khusus dan

tidak dibuat untuk menyelesaikan permasalahan yang diluar lingkupnya.

Model yang paling optimal untuk digunakan untuk negara berkembang

seperti Indonesia adalah model bottom-up accounting atau model hibrid dengan

pendekatan accounting. Model bottom-up accounting dapat menggambarkan kondisi

negara berkembang dengan sistem energi yang tidak sepenuhnya dipengaruhi

perilaku pasar. Kondisi batasan produksi energi dan juga detail teknologinya dapat

secara eksplisit dimodelkan. Selain itu kemampuan model ini dalam memodelkan

struktur masyarakat pedesaan dan sektor informal yang umumnya terdapat di negara

berkembang cukup dapat diandalkan. Dari aspek kebutuhan data yang umumnya

menjadi kendala di negara berkembang, model ini memiliki fleksibilitas yang tinggi.

Sementara model hibrid berusaha menggabungkan keunggulan dan kekurangan dari

masing-masing pendekatan model bottom-up dan top-down melalui pendekatan yang

disesuaikan dengan tujuan model, kebutuhan data dan hasil yang diinginkan. Dengan

penggabungan ini, model ini lebih bersifat fleksibel sehingga dapat cocok untuk


79

negara berkembang. Model dengan pendekatan accounting baik dari jenis model

hibrid maupun bottom-up akan menjadi model yang cukup mampu dalam

mensimulasikan perencanaan energi di negara berkembang. Beberapa model energi

yang termasuk golongan model ini adalah LEAP, POLES dan WEM.

Kekurangan model dengan pendekatan ‘accounting’ adalah pendorong utama

seperti permintaan, perubahan teknologi dan sumber daya bersifat eksogen dan

‘given’ sehingga pemodelan ini kurang dapat menghasilkan analisis dampak

perubahan demand dan sumber daya terutama yang disebabkan oleh perubahan

harga. Dengan kata lain, model ini kurang dapat menganalisis dampak ekonomi dari

perubahan kebijakan.

5.1.1. Hasil Pemodelan Energi Skenario Dasar

Pada kajian ini, pemodelan energi dilakukan dengan menggunakan software

LEAP. Hal ini didasari dengan fleksibilitas pendekatan pemodelan yang dapat

mengakomodir karakteristik negara berkembang seperti Indonesia. Salah satu

keunggulan dari LEAP adalah kefleksibelannya tergantung tingkat kesulitan dari

perencanaan energi dan kualitas model yang diharapkan. Dengan kefleksibelannya,

LEAP dapat dioperasikan mulai dari ahli energi dengan reputasi global yang ingin

mendesain kebijakan dan membantu sumbang saran bagi pengambil keputusan

sampai pengajar untuk pengembangan kapasitas pemula. Dari sisi demand,

metodologinya dapat berupa pendekatan bottom-up dengan teknik ‘accounting’ end

user atau pendekatan top-down makroekonomi. Dari sisi suplai, LEAP mendukung

metodologi simulasi dan accounting yang cukup baik untuk memodelkan

perencanaan tenaga listrik tetapi cukup fleksibel dan transparan.

Selain itu, Indonesia merupakan negara dengan pengguna LEAP terbesar di

dunia dimana sampai akhir tahun 2013 mencapai 1715 dengan pengguna aktif

diperkirakan sebanyak 200 orang. Selain itu, LEAP dapat diperoleh dengan mudah,

karena merupakan software yang tidak berbayar untuk kegiatan non profit

(pendidikan, pemerintahan, penelitian, dan lain-lain).

Berdasarkan hasil simulasi pada skenario DASAR, kebutuhan energi final di

tahun 2025 diperkirakan akan mencapai 2442 juta SBM atau lebih dari 2 kali

kebutuhan energi final pada tahun 2011. Pada kurun RPJMN tahap III (2015-2019),


80

kebutuhan energi final akan berkisar dari 1363 sampai 1689 juta SBM atau rata-rata

meningkat dengan laju pertumbuhan sebesar 5.5 persen per tahun. Sektor industri

diperkirakan akan menjadi sektor yang dominan dalam konsumsi energi final yang

kemudian disusul oleh sektor transportasi.

Berdasarkan jenis energi finalnya, secara keseluruhan Bahan Bakar Minyak

(BBM) masih mendominasi pemanfaatan energi final. Sampai tahun 2025,

pemanfaatannya terus meningkat menjadi 752 juta SBM. Pada tahun 2015-2019,

konsumsi BBM meningkat dari 476 juta SBM menjadi 564 juta SBM dengan laju

pertumbuhan rata-rata 4.33 persen per tahun. Walau demikian, pangsa BBM

cenderung akan menurun dari 38.18 persen di tahun 2011 menjadi 30.82 persen di

tahun 2025. Pangsa BBM di tahun 2015 sampai 2019 akan menurun dari 34.92

persen menjadi 33.40 persen.

Untuk sektor industri di tahun 2015-2019, jenis energi yang masih akan

mendominasi adalah batubara. Sampai tahun 2025, pemanfaatan batubara

diperkirakan terus meningkat dari 144 juta SBM di tahun 2011 menjadi 406 juta

SBM atau 95 juta ton. Pada tahun 2015-2019, pemanfaatannya akan berkisar antara

189-254 juta SBM atau 44-59 juta ton dengan pertumbuhan rata-rata 7.62 persen per

tahun. Walau demikian pangsa batubara di tahun 2011 sampai 2025 cenderung stabil

antara 40 sampai 42 persen. Hal ini disebabkan adanya pertumbuhan yang signifikan

dari konsumsi gas dan listrik.

Kebutuhan energi sektor transportasi sampai tahun 2025 masih didominasi

oleh ssubsektor transportasi darat. Kebutuhan energi subsektor transportasi darat di

tahun 2011 mencapai 242 juta SBM atau 83.76 persen dari total kebutuhan sektor

transportasi. Di tahun 2015 dan 2019, kebutuhannya meningkat menjadi 298 juta

SBM (88.88 persen) dan 388 juta SBM (89.92 persen). Laju pertumbuhan rata-rata

subsektor ini sampai tahun 2025 mencapai 7.12 persen.

Pemanfaatan energi final yang digunakan di sektor rumah tangga di tahun

2025-2019 masih akan di dominasi oleh energi biomassa tradisional yaitu kayu

bakar. Walau demikian, porsi pemanfaatannya akan semakin berkurang seiring

dengan perkembangan kesejahteraan terutama di daerah pedesaan yang

menyebabkan pergeseran pemanfaatan energi final dari biomassa (kayu bakar) ke

energi lainnya seperti LPG dan listrik.


81

Untuk sektor komersial yang terdiri dari subsektor perdagangan (termasuk

hotel dan restauran), keuangan dan jasa, jenis energi yang akan mengalami

peningkatan pesat adalah gas dan listrik dengan tingkat pertumbuhan rata-rata

masing-masing 13.30 persen per tahun dan 9.09 persen per tahun. Untuk sektor

lainnya, seluruh energi yang dikonsumsi berasal dari BBM yang didominasi oleh

jenis Diesel dan Gasoline. Sementara konsumsi komoditi energi sebagai bahan baku

untuk industri yang didominasi oleh gas dan produk kilang non BBM diperkirakan

akan meningkat dari 98 juta SBM di tahun 2011 menjadi 210 juta SBM di tahun

2025 dengan laju pertumbuhan rata-rata 5.58 persen per tahun

Untuk memenuhi kebutuhan energi, diperlukan sistem penyediaan energi

yang handal. Total Primary Energy Supply (TPES) atau total penyediaan energi

utama sampai tahun 2025 akan meningkat menjadi 3183 juta SBM dengan tingkat

pertumbuhan rata-rata sebesar 6.14 persen. Jenis energi batubara, gas bumi dan BBM

(termasuk yang blending dengan BBN) akan menjadi jenis energi yang dibutuhkan.

Kondisi ini disebabkan tingkat kebutuhan yang akan sangat tinggi ke depannya dan

kapasitas infrastruktur konversi energi saat ini yang masih sangat rendah khususnya

untuk BBM

Sebagai konsekuensi, impor beberapa jenis energi akan meningkat

diantaranya LPG, BBM dan minyak bumi. Program konversi minyak tanah ke LPG

membuat peningkatan tajam dari permintaan LPG. Impor BBM terutama dari sektor

transportasi akan terus meningkat seiring dengan pertumbuhan ekonomi yang terus

membaik dan juga tidak adanya penambahan kilang baru. Di sisi lain pasokan

minyak bumi sebagai bahan baku kilang juga terus menurun dari tahun ke tahun.

Sedikitnya penemuan lapangan baru berakibat kurangnya pengembangan sumur-

sumur baru yang dapat meningkaatkan produksi minyak bumi. Dengan merujuk pada

hasil simulasi tersebut, diperkirakan pada tahun 2024, Indonesia akan menjadi net

energy importir.

5.2. Rekomendasi dan Tindak Lanjut

Untuk mendukung perencanaan energi secara terintegrasi baik antar sektor

maupun antar pusat dan daerah atau antar daerah perlu adanya penyeragaman model

energi yang mudah dipahami sekaligus dipelajari dan memiliki fleksibilitas yang

tinggi dalam mengakomodasi karakteristik sistem energi di negara berkembang


82

seperti Indonesia dan karakteristik kedaerahan yang tentunya akan berbeda di setiap

daerah. Selain itu, model energi tersebut harus dapat menjadi tool pengembangan

database dan menyediakan ruang atau kerangka yang cukup sebagai alat analisis

kebijakan energi. Dalam rangka mencapai hal tersebut, salah satu model energi yang

dapat secara optimal untuk perencanaan energi secara keseluruhan pada saat ini

adalah model LEAP.

Oleh karena itu, perlu disosialisasi dan didiseminasikan mengenai konsep,

metodologi dan asumsi dari model LEAP secara masiv tidak hanya untuk sektor

penyedia energi tetapi juga untuk sektor pemanfaatan energi seperti sektor industri,

sektor perhubungan dan transportasi dan sektor lainnya baik di tingkat pusat maupun

di tingkat daerah. Untuk mendukung hal ini, perlu dilakukan pengembangan database

energi yang terintegrasi melalui pengayaan data yang melibatkan berbagai

stakeholder penyedia (KESDM, BUMN Energi) dan pemanfaat energi (Kementerian

Perindustrian, Kementerian Perhubungan, Asosiasi Industri, Asosiasi Perhubugan

dan lainnya).

Walau demikian, dengan memperhatikan keterbatasan fungsi dari model

LEAP itu sendiri, perlu dilakukannya kombinasi dengan pemanfaatan model energi

lainnya terutama model energi top-bottom yang memiliki keunggulan dalam

menganalisis dampak ekonomi dari suatu kebijakan khusus yang memiliki peran

strategis menyangkut energi seperti halnya pengurangan subsidi, atau konversi BBM

ke gas, dan lainnya. Kombinasi pemodelan tersebut dapat saja dilakukan dalam

LEAP sendiri dengan memasukkan persamaan-persamaan ekonometrik yang

dihasilkan dari perhitungan model top-down atau dilakukan terpisah dalam suatu

model tersendiri melalui metode top-down yang berbeda (ekonometrik, IO, CGE

atau lainnya).

Selain itu, perencanaan energi pada beberapa subsektor energi komersial

yang memiliki keterkaitan dengan pasar yang ditandai dengan kuatnya hubungan

supplai demand (pengaruh subsidi sangat kecil) dan sedikitnya faktor atau sektor

informal dapat dipertajam dengan menggunakan model energi berbasis optimasi

seperti model Markal, IIEEM dan lainnya untuk mendukung tingkat keakuratan dari

perencanaan energi yang dihasilkan. Sebagai contoh, perencanaan pemanfaatan


83

subsektor kelistrikan dan subsektor migas pada sektor industri atau sektor

transportasi non subsidi.

Dalam implementasi dari penggunaan pemodelan energi yang beragam

tersebut, perlu ada suatu wadah kelembagaan khusus sebagai sarana komunikasi dan

analisis para modeler yang selanjutnya dapat menjadi think tank kebijakan sektor

energi. Memperhatikan fungsi dari kelembagaan tersebut, Dewan Energi Nasional

merupakan suatu kandidat lembaga yang paling cocok melalui restrukturisasi

kelembagaan DEN sehingga dapat mengakomodir dan mengkoordinasikan model-

model energi yang ada beserta analisisnya.

Hasil pemodelan LEAP pada kajian ini merupakan proyeksi dasar yang akan

menjadi acuan dalam mengembangkan dan ‘mengexercise’ berbagai skenario

kebijakan energi yang perlu dilakukan pada RPJMN 2015-2019. Dalam hal

substansi, perencanaan energi pada model ini sebagaimana yang dilakukan pada

beberapa model energi selama ini masih berfokus pada supply management yang

artinya lebih pada kebijakan penyediaan energi baik energi fosil (minyak, gas dan

batubara) maupun energi terbarukan. Sementara demand management yang meliputi

aspek konservasi energi, atau diversifikasi energi melalui stimulasi pemanfaatan

energi di sektor pengguna seperti halnya konversi minyak tanah ke gas di sektor

rumah tangga, atau BBM ke gas dan konversi BBM ke BBM blending di sektor

transportasi masih minim. Dengan konservasi energi yang tepat, tingkat penggunaan

energi akan menurun tanpa atau sangat sedikit dampak bagi pertumbuhan ekonomi.

Sementara stimulasi pemanfaatan energi yang dilakukan dengan baik dan konsisten

dapat secara efektif dan signifikan merubah bauran energi yang pada akhirnya dapat

mengurangi ketergantungan terhadap suatu jenis energi tertentu.


84

DAFTAR PUSTAKA

__________. 2012. Handbook of Energy and Economic Statistic 2012.Pusat Data

dan Informasi, KESDM. Jakarta

__________. 2012. Outlook of Energy 2012. Pusat Teknologi Sumber Daya Energi,

BPPT. Jakarta

__________. 2013. Rencana Pengembangan Sub Sektor Ketenagalistrikan Tahun

2015–2019 .Bahan Presentasi. Direktorat Pembinaan Program

Kelistrikan, KESDM. Jakarta

__________. 2012. Draft Rencana Umum Kelistrikan Nasional (versi 12 Oktober

2012). Ditjen Ketenagalistrikan, KESDM. Jakarta

__________. 2012. Rencana Umum Penyediaan Tenaga Listrik 2012-2021.

Perusahaan Listrik Negara-PT. PLN (Persero). Jakarta

__________. 2012. Perencanaan Efisiensi Dan Elastisitas Energi 2012. Balai

Besar Teknologi Energi, BPPT. Jakarta

__________. 2011. Neraca Gas Bumi Indonesia 2012-2025. Ditjen Migas,

KESDM. Jakarta

__________. 2012. Target Realistis Pengembangan EBTKE Sampai Tahun 2025.

Bahan Presentasi. Ditjen EBTKE, KESDM. Jakarta

__________.2011. Data Survey Ekonomi Sosial Nasional 2011. Badan Pusat

Statistik. Jakarta

Bhattacharyya, S.C. and Timilsina, S.C. 2010.A Review Of Energy System Models

(International Journal of Energy Sector Management) Vol 4. Emerald

Group Publishing Limited. Bingley, UK.

Bhattacharyya, S.C. and Timilsina, G.R.. 2010. Modelling Energy Demand Of

Developing Countries: Are The Specific Features Adequately Captured

(Energy Policy Vol. 38). Elsiver. Philadelphia, USA.

Bahttacahryya, S.C. 2012. Energy Access Programmes And Sustainable

Development: A Critical Review And Analysis (Energy For Sustainable

Development Volume 16).Elsiver. Philadelphia, USA.

Dale, Michael. 2006. Global Energy Modeling–A Biophysical Approach. World

Energy Council. London, UK.

Deendarlianto. 2013. Energy Modeling & Optimization Techniques in Markal

Model. Bahan Presentasi. Pusat Studi Energi, UGM. Yogyakarta.


85

Hannon, Bruce and Ruth, Mattias. 1994. Dynamic Model. Springer-Verlag.

California.

Herbst, Andrea, et. al. 2012. Introduction to Energi Sistems Modelling (Swiss

Journal of Economics and Statistics). Geneva. Swiss.

Herran, D. Silva and Nakata. 2012. Design Of Decentralized Energy Systems For

Rural Electrification In Developing Countries Considering Regional

Disparity (Applied Energy volume 91). Elsiver. Philadelphia, USA.

Heaps, C. 2002. Integrated Energy-Environment Modelling And LEAP. Stockholm

Environment Institute. Massachusetts. USA

Heaps, C. 2008. An introduction to LEAP. Stockholm Environment Institute.

Massachusetts. USA

Heaps, C. 2012. Long-range Energy Alternatives Planning (LEAP) system.

[Software version 2012.0055]. Stockholm Environment Institute.

Massachusetts. USA.

Kristijo, Hary dan Nugroho, Hanan. 2004. Menuju Pemanfaatan Energi yang

Optimum di Indonesia: Pengembangan Model Ekonomi-Energi dan

Identifikasi Kebutuhan Infrastruktur Energi. Bappenas. Jakarta.

Pandey. 2002. Energy Policy Modelling: Agenda For Developing Countries

(Energy Policy volume 30). Elsiver. Philadelphia, USA.

Permana, Adhi. 2013. Perencanaan Energi Dengan Model Markal. Bahan

Presentasi. Pusat Teknologi Sumber Daya Energi, BPPT. Jakarta.

Purwanto, Widodo. 2013. Tinjauan Umum Pemodelan dan Analysis Kebijakan

Energi di Indonesia. Bahan Presentasi. Departemen Teknik Kimia, UI.

Jakarta

Prawaningtyas, TD. 2009. Proyeksi dan Optimasi. Bahan Ajar. Fakultas Teknik UI.

Jakarta.

Ruijven, B.V. et al. 2008. Modeling Energy and Development: An Evaluation of

Models and Concepts (World Development volume 36). Elsiver.

Philadelphia, USA.

Urban et al. 2007. Modeling Of Energy System For Developing Countries

(Energy Policy volume 35). Elsiver. Philadelphia, USA.

esdm.go.id/statistik/data-sektor-esdm.html

www.iiee.or.id

http://www.energycommunity.org

http://www.iiee.or.id/

http://www.energycommunity.org/

Strategi Pengembangan Industri Pengolahan Perikanan · PDF fileKonsepsi Pemodelan Energi ... Energi di Sektor Transportasi Sampai Tahun 2025 ... keseimbangan suply dan demand. Dari

Documents