ClimateChangeVulnerabilityAssessmentinaProvince
1
R
I
N
G
K
A
S
A
N
E
K
S
E
K
U
T
I
F
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
Kegiatan Penyusunan Pemetaan
Kerentanan Perubahan Iklim Provinsi pada
tahun 2010 merupakan tindak lanjut dari
StudiPenyusunanInformasiTematikuntuk
Mengantisipasi Perubahan Iklim terhadap
Isu Prioritas Nasional Bidang Pangan,
Kesehatan,danFenomenaIklimEkstrimdi
tingkat nasional pada tahun 2009.
Berdasarkan studi tahun 2009 tersebut,
Provinsi Sumatera Utara masuk dalam
cluster wilayah rentan terhadap dampak
perubahan iklim sehingga
direkomendasikan untuk dikaji lebih
mendalam.
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
dan suhu udara. Analisis bencana terkait
iklim yang dikaji meliputi banjir,
kekeringan, tanah longsor, dan kenaikan
tinggimukaairlaut.PemetaanKerentanan
mencakup analisis terhadap indeks
kerentanan(vulnerabilityindex,VI),indeks
kapasitas adaptif (adaptive capacity index,
CI), indeks komposit bencana iklim
(composite climate hazard index, CCHI),
dan resiko iklim (climate risk, CR). Nilai VI
dan CI ditentukan berdasarkan indikator
indikator sosialekonomi dan biofisik.
Kombinasi VI dan CI menentukan indeks
kemampuan sistem untuk mengatasi
berbagai dampak (coping capacity index,
CCI) perubahan iklim. Nilai CCHI dianalisis
berdasarkan akumulasi potensi kejadian
bencana terkait iklim. Resultan dari CCI
dan CCHI dianalisis dalam bentuk matriks
resiko iklim sebagai hasil akhir dari
gambaran kerentanan daerah sebagai
dampak perubahan iklim. Semua indeks
tersebut dianalisis pada kondisi saat ini
(baseline, tahun 2008) dan kondisi masa
depan (proyeksi, tahun 2025 dan 2050).
Data sekunder yang dipakai diperoleh dari
instansi dan dinasdinas terkait (seperti
BPS,Bappeda,danBMKG).
Gambaranpola,tren,danvariabilitasiklim
historis dan saat ini diperoleh dari hasil
analisis statistik terhadap data suhu dan
curah hujan dari Badan Meteorologi,
Klimatologi dan Geofisika (BMKG), serta
data hasil olahan dalam bentuk grid yang
diproduksi oleh Climate Research Unit
(CRU). Versi data yang digunakan adalah
CRU TS2.0 periode 19012002 untuk suhu
dan CRU TS 2.1 periode 19012002 untuk
curahhujan.
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
Oktober/November. Umumnya pola
ekuatorial hujan di Sumatera Utara
memilikiketerkaitanyanglemahdenganEl
Nino Southern Oscilation (ENSO), dengan
variasi pengaruh pada berbagai wilayah.
Secara umum curah hujan di wilayah
Sumatera Utara lebih dipengaruhi oleh
IndianOceanDipole(IOD).
RainfallpatternsinNorthSumateracanbe
grouped in four clusters. TypeI has peak
rainfall in MarchAprilMay (MAM) and
SeptemberOctoberNovember(SON),with
the highest peak in April and September.
TypeII has peak rainfall in November, and
has the highest monthly average. TypeIII
has peak rainfall in November, and has
lower monthly average. TypeIV has peak
rainfallinOctober.
Dalam100tahunterakhirtelahterjadipeningkatansuhusebesar0.3Cdibagian
selatanprovinsiSumateraUtara/Inthepast100years,thesouthernregionof
NorthSumateraProvincehasexperiencedatemperatureincreaseof0,3C
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince
4
R
I
N
G
K
A
S
A
N
E
K
S
E
K
U
T
I
F
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
hujan ekstrim di musim penghujan yang
semakinmeningkat.
ProjectionofChangesinClimate(Rainfall)
intheFuture
Proyeksi perubahan iklim di masa depan
dilakukan berdasarkan data proyeksi
rataan dari sembilan model Global
Circulation Model (GCM) dengan
melakukan analisis statistical downscaling
untukmencarihubungandataluaranGCM
dengan data curah hujan lokal. Dalam
analisis perubahan iklim berdasarkan
berbagai macam skenario, terdapat
ketidakpastian (uncertainty) yang tinggi
dalam memprediksi perubahan iklim di
masa depan. Kemampuan GCM yang
berbeda dan juga resolusi spasialnya yang
terlalu kasar menyebabkan tidak
terdapatnya informasiinformasi penting
yang terdapat dalam wilayah kajian yang
bersifat lokal. Teknik statistical
downscaling dalam beberapa kondisi
dapat mengatasi hal ini, namun ada
kelemahan terutama terkait informasi
proyeksi dengan skala waktu lebih detil
yang biasanya terkait kejadian iklim
ekstrim. Dalam proyeksi perubahan iklim
digunakan skenario perubahan iklim
berdasarkanIPCCyaituskenarioSRESA1B,
A2 dan B1. Untuk melihat kondisi
kerentanan di masa depan terkait
perubahan iklim dan besarnya potensi
bencana yang timbul dalam penyusunan
CCHI, kegiatan ini hanya menggunakan
skenarioSRESmoderatyaituA1B.
Projections of future climate change is
based on the data of average projection
resulted by the nine Global Circulation
Models (GCM) which perform analysis of
downscaling statistical to find relationship
between GCM output data and local
rainfall data. Climate change analysis
based on various scenarios is prone to a
high uncertainty in predicting future
climatechange.VariationsofGCMoutputs
combined with coarse spatial resolution
resulted in the absence of important
information contained in a localized area
of study. Techniques of statistical
downscaling in some cases can
compensate for this, but however
weaknesses are inevitable, primarily
relatedtoprojectioninformationinamore
detailed time scale which is usually
associated with extreme climate events. In
this study, climate change projections is
based on IPCC SRES scenario A1B, A2 and
B1. This assessment study uses the
moderate scenario of SRES A1B to predict
climate change vulnerability condition in
future and disasters potential magnitude
associatedwithCCHI.
ProvinsiSumateraUtaramengalamilajuanomalicurahhujanyang
mengindikasikankondisimusimkemarauyangsemakinkeringdanmusim
penghujansemakinbasah/NorthSumateraProvinceexperiencesrainfull
anomalyisindicatingthatdryer dryseasonandwetterwetseasonareinevitable
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince
6
R
I
N
G
K
A
S
A
N
E
K
S
E
K
U
T
I
F
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
TanamanPangandanHortikultura(BPTPH)
I. Data ini menunjukkan bahwa beberapa
wilayah rawan terhadap kekeringan yang
berpengaruh terhadap komoditas
tanaman pangan. Sedangkan untuk
kenaikan TMAL didasarkan pada skenario
dengan laju 0.75 mm/tahun. Dari analisis
tersebut selanjutnya dapat diketahui
indeks komposit bencana iklim (composite
climate hazard index(CCHI) yang
merupakan akumulasi dari bobot masing
masing bencana pada masingmasing
kabupaten (kota) dan dikelompokkan
dalam tiga kelas CCHI: Rendah (low, L),
Sedang(medium,M)danTinggi(high,H).
AnalisisKerentananWilayah
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
Kerentanan Daerah atau Indikator
Kumulatif Kerentanan (IKKR) merupakan
kumulatif dari tujuh indikator kerentanan
yaitu: jumlah penduduk miskin, akses
layanan air bersih, kepadatan penduduk,
fraksi areal tanaman pangan, fraksi areal
perkebunan, dan fraksi pantai, dan fraksi
nontutupanlahan.
is a cumulative of seven vulnerability
indicators , namely the number of poor
people, access to clean water, population
density, fraction of food crops area,
fraction of plantation area, fractions of
coastalarea,andthefractionofopenarea
(noncroppedland).
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
menunjukkanpeningkatan,walaupun
relatif kecil. Hal ini mengindasikan
bahwa laju peningkatan penduduk
(rumah tangga) lebih besar dari laju
peningkatan jaringan layanan air
bersih PDAM. Kabupaten Nias,
Mandailing Natal, Tapanuli Selatan,
Nias Selatan dan Fakfak Bharat
merupakan daerah yang sangat
rentan terhadap akses air bersih.
Tingginya kerentanan pada daerah
tersebut disebabkan karena
rendahnya persentase rumah tangga
pengguna air bersih PDAM. Daerah
kota memiliki kerentanan yang lebih
rendah daripada kabupaten, hal ini
karena akses rumah tangga terhadap
layananairbersihPDAMlebihtinggi.
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
Serdang Bedagai, Karo, Deli Serdang,
Simalungun, Kota Padangsidimpuan,
KotaBinjaidanKotaPematangsiantar
merupakan daerah yang rentan.
Tingginya indikator kerentanan pada
daerah tersebut karena tingginya
persentaseluasarealpanentanaman
pangandibandingkandaerahlainnya.
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
konversi lahan untuk pemukiman,
perdagangan,daninfrastruktur.
(7) Thefractionsofcoastalareaindicator
is based on the percentage of the
coastallinetothetotalarea.Districts
ofNias,TapanuliTengah,Mandailing
Natal, and Langkat are the regions
with the highest vulnerability
indicators, since coastal line
percentage is higher than other
areas. In terms of cities, Sibolga is
categorizedasvulnerablearea.
HasilproyeksiterhadapIKKRmenunjukkan
bahwa bahwa secara ratarata Provinsi
Sumatera Utara nilai IKKR berada pada
katagori Cukup Rentan (CR), baik pada
tahun 2025 dan 2050. Namun jika dilihat
per daerah, nilai IKKR tersebut bervariasi
mulai kategori Sangat Rentan (SR) sampai
dengan Sangat Tahan (ST). Daerah Kota
menunjukkan lebih tahan daripada
Kabupaten. Kabupaten Serdang Bedagai
merupakandaerahdengankatagoriSangat
Rentan pada tahun 2025 dan 2050.
Sementara itu, Kabupaten Nias Selatan
mengalamipeningkatanstatuskerentanan
dari Rentan (R) menjadi Sangat Rentan
(SR),sertaKabupatenTapanuliSelatandari
Cukup Rentan (CR) menjadi Rentan (R).
Daerah lainnya yang kondisi
kerentanannya semakin menurun adalah
Nias Selatan, Nias, Serdang Bedagai,
Tapanuli Tengah, Deli Serdang, Langkat,
Simalungun, Kota Binjai dan
Padangsidimpuan.
Analisiskapasitasadaptifwilayah
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
mengatasi atau mengantisipasi dampak
perubahan iklim. IKKP ini merupakan
kumulatif dari lima indikator yaitu: (1)
pendidikan,(2)ekonomi,(3)kesehatan,(4)
infrastruktur jalan, dan (5) energi listrik.
Hasil analisis memperlihatkan bahwa rata
rata IKKP Provinsi Sumatera Utara
tergolongi Cukup (C) Tinggi (T), namun
terdapat penurunan IKKP antar waktu
sertaIKKPdaerahkotalebihbaik daripada
kabupaten.Untukmasingmasingindikator
kondisinyasebagaiberikut:
1.
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
menunjukkan peningkatan dari tahun
ke tahun, ini menunjukkan bahwa
kapasitas kesehatan penduduk
semakinmeningkat.Daerahkotalebih
memiliki indikator lebih tinggi
daripada kabupaten, karena fasilitas
kesehatan dan tenaga medis di
wilayah kota lebih baik daripada
kabupaten.Terdapatlimakabupaten
yang memiliki indikator terendah,
yaitu Kabupaten Serdang Bedagai,
Batubara, Langkat, Simalungun dan
PadangLawas.
5. TheaverageElectricalServiceCapacity
Indicators in the Province showed
improvement, indicating that the
coverage of access to electricity has
increased from time to time. Cities
have higher indicator than districts,
since electricity coverage in cities is
greater than in districts. Districts of
Nias and Nias Selatan are the regions
withthelowestindicator.
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
daerah mengalami penurunan tingkat
kapasitas yaitu Kabupaten Tapanuli
SelatandarikondisiRendah(R)padatahun
2008, menjadi Sangat Rendah (SR) pada
tahun 2025 dan 2050. Hal yang sama
terjadi dengan Kabupaten Deli Serdang,
Fakfak Bharat, bahkan untuk wilayah kota
mengalami penurunan kapasitas pada
hampir semua kota, walaupun statusnya
masih lebih baik dari kabupaten. Pada
tahun 2008 hanya terdapat 5 kabupaten
yang kapasitasnya tidak tergolong Sangat
Rendah,sementarauntukkotakondisinya
sebagian besar Tahan (T) dan Sangat
Tahan(ST).
Bharat,fromLow(R)in2008toaVeryLow
(SR) in 2025 and 2050. Almost all cities
went through a capacity decline, although
the indicator is higher in the districts. In
2008 there were only 5 districts, whose
capacity were not classified as Very Low,
while most cities were classified as
Resistant(T)andHighlyResistant(ST).
CopingCapacityIndex
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince
15
R
I
N
G
K
A
S
A
N
E
K
S
E
K
U
T
I
F
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
Gambar1/Figure1
PengelompokanKabupaten/KotaberdasarkanCopingCapacity(modifikasidariBoeretal,2010)
GroupingofDistricts/CitiesbasedonCopingCapacty(modificationfromBoeretal,2010)
Untuk kondisi saat ini, hasil analisis
menunjukkan terdapat penurunan kondisi
Coping Capacity Index (CCI) selama kurun
waktu tahun 20062008. Pada tahun 2006
dan 2007, secara ratarata CCI tingkat
Provinsi Sumatera Utara tergolong pada
kuadran I, namun pada tahun 2008
menjadikuadranIV.
Kondisicopingcapacitytahun2025dantahun2050menunjukkanbahwaposisi
daerahsemakinterkonsentrasidikuadranIV/TheNorthSumateracopingcapacity
in2025and2050willlikelybeconcentratedinquadrantIV
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince
16
R
I
N
G
K
A
S
A
N
E
K
S
E
K
U
T
I
F
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
ResikoBencanaIklim
Resikobencanaiklimdigambarkansebagai
resultan (matriks) dari nilai CCI (empat
kuadran:I,II,III,IV)danCCHI(tigakelas:L,
M, H); sehingga diperoleh 12 kombinasi
yang dikelompokkan menjadi 5 kelas
resiko iklim: Sangat Rendah (SR), Rendah
(R),Sedang(S),Tinggi(T)danSangatTinggi
(ST). Sebagai contoh, kabupaten dengan
CCIIV dan CCHIH merupakan kabupaten
denganresikoiklimSangatTinggi.
ClimateDisasterRisk
Theriskofclimatedisastersisdescribedas
a resultant (matrix) of the CCI (four
quadrants: I, II, III, IV) and CCHI (three
classes: L, M, H); in order to obtain 12
combinations grouped into 5 classes of
climate risks: Very Low (SR), Low (R),
Medium (S), High (T) and Very High (ST).
Forexample,districtswithCCIIVandCCHI
HarethosewithVeryHighclimaterisks.
Pada kondisi baseline tahun 2008,
sebagian besar wilayah perkotaan yang
memiliki CCI pada kuadran I (kerentanan
rendah, kapasitas tinggi) dan dikombinasi
dengan CCHI kategori L memiliki tingkat
resiko iklim Sangat Rendah. Kondisi ini
terdapat pada Kota Pematangsiantar,
Tebing Tinggi, dan Medan. Resiko iklim
yang Tinggi lebih banyak dijumpai pada
wilayah kabupaten dengan CCI yang
kurang bagus (kategori III dan IV,
kerentanan tinggi) dan CCHI yang relatif
tinggi (kelas M dan L). Kabupaten yang
memiliki tingkat resiko iklim sangat tinggi
adalah Kabupaten Deli Serdang, Langkat
danSerdangBedagai.
ResikoiklimyangSangatTinggi,baikpadatahunbaseline2008ataupunpadakondisi
proyeksitahun2025dan2050,terdapatpadaKabupatenLangkatdanSerdang
Bedagai/DistrictsofLangkatandserdangBedagaiaredisctrictsthathaveVeryHigh
Riskofclimate,bothin2008 baselineorinprojectionyearof2025and2050
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince
17
R
I
N
G
K
A
S
A
N
E
K
S
E
K
U
T
I
F
E
X
E
C
U
T
I
V
E
S
U
M
M
A
R
Y
TA.2010
Untuk mendapatkan informasi lebih lanjut
dapatmenghubungi:
Formoresomeinformationpleasecall:
DewanNasionalPerubahanIklim
GedungBUMNLt.18
Jl.MedanMerdekaSelatan.13Jakarta
Telp:62213511400.
http://www.dnpi.go.id
NationalCouncilonClimateChange
BUMNBuilding18Floor
Jl.MedanMerdekaSelatan.13Jakarta
Telp:62213511400.
http://www.dnpi.go.id
PemerintahProvinsiSumateraUtara
Jl.P.DiponegoroNo.30,Medan
Telp:+62614156000,4538549
http://www.sumutprov.go.id
NorthSumateraRegionalGovernment
Jl.P.DiponegoroNo.30,Medan
Telp:+62614156000,4538549
http://www.sumutprov.go.id