PenyusunanPemetaanKerentananPerubahanIklimProvinsi

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.

In 2010, the National Council on Climate

Change has produced a Climate Change
Vulnerability Assessment in North
Sumatera Province, a follow up of the
2009StudyontheThematicAssessmentin
Anticipating Climate Change on Priority
Issues of Food, Health, and Extreme
Climate Phenomena at the National Level.
The study suggests that North Sumatera
Provinceisoneoftheprovincesvulnerable
to the impacts of climate change, and
therefore, an indepth assessment study is
recommended.
Tujuan kegiatan ini adalah untuk
menghasilkan informasi spasial dan indeks
kerentanan terhadap perubahan iklim di
25 wilayah kabupaten dan kota di Provinsi
Sumatera Utara. Informasi tersebut dapat
digunakan sebagai bahan pertimbangan
Pemerintah Provinsi Sumatera Utara dan
PemerintahKabupaten/Kotadiwilayahnya
dalam menyusun kebijakan, rencana dan
programprogram adaptasi terhadap
dampakperubahaniklim.

The Vulnerability Assessment to Climate

Change aims to generate spatial
information and climate change
vulnerability indexes in 25 Districts and
cities in North Sumatera Province. Such
information can serve as inputs for the
Provincial Government of North Sumatera
and the Districts/Municipal Governments
informulatingpolicies,plansandprograms
onadaptationtoclimatechange.
Kajian Kerentanan Wilayah terhadap
DampakPerubahanIklimdilakukanmelalui
serangkaian analisis yang terdiri atas
analisis karakteristik iklim, karakteristik
bencana terkait iklim, dan analisis
kerentanan dan kapasitas adaptif. Dalam
analisis karateristik iklim, analisis pola,
tren, dan variabilitas iklim historis serta
proyeksi perubahan iklim di masa depan
difokuskan pada unsur curah hujan (CH)
Climate Change Vulnerability Assessment
includes following activities: (i) analysis of
the climate characteristics and the
characteristicsofclimaterelateddisasters,
and (ii) analysis of vulnerability and
adaptive capacity. Analysis of patterns,
trends, and historical climate variability
and projections of future climate change
focused on the elements of rainfall (CH)
and air temperature. Climaterelated
RINGKASAN EKSEKUTIF EXECUTIVE SUMMARY
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



2
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
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).

disasters in this assessment context refer

to floods, droughts, landslides, and sea
level rise. Vulnerability Mapping includes
an analysis of vulnerability index (VI),
adaptive capacity index (CI), composite
climate hazard index(CCHI), and climate
risks (CR). VI and CI values are determined
based on socioeconomic and biophysical
indicators.CombinationofVIandCIindices
determinethesystem'sabilitytocopewith
the impact (coping capacity index, CCI) of
climate change. CCHI is analyzed based on
the accumulated value of the potential
incidencesofclimaterelateddisasters.The
resultant of CCHI and CCI is then analyzed
in a matrix of climate risks to describe
areas vulnerability as a result of climate
change. All indices were analyzed in the
currentcondition(baseline,year2008)and
future conditions (projection, in 2025 and
2050).Thesecondarydatafortheanalyses
were obtained from relevant agencies
(suchasfromBPS,Bappeda,BMKG).
Karakteristik Historis Curah Hujan dan
SuhuUdara

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.

Historical Characteristics of Rainfall and

AirTemperature

Description of patterns, trends, and

historical and current climate variability is
obtained from temperature statistical
analysis and rainfall data from the Bureau
of Meteorology, Climatology and
Geophysics (BMKG) and from the Climate
Research Unit (CRU). The assessment uses
the CRU TS2.0 of the 19012002 period for
temperature data version and the CRU TS
2.1 period 19012002 for rainfall data
version.
Secara umum wilayah Sumatera Utara
memilikipolahujanekuatorialdengandua
puncak curah hujan (bimodal) dalam satu
tahun di sekitar bulan April/Mei dan
In general, North Sumatera exhibits
equatorial rainfall pattern with two peaks
of rainfall (bimodal) in one year in around
April/May and October/November.
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



3
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
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).

Generally the pattern has weak linkages

with the El Nino Southern Oscillation
(ENSO), with varying influences in various
areas. In general, rainfall in North
Sumatera is more influenced by the Indian
OceanDipole(IOD).
Wilayah hujan Sumatera Utara dapat
dikelompokkan dalam empat klaster tipe
curah hujan. Masingmasing kelompok
hujan memiliki pola musiman yang
seragam mengikuti pola hujan ekuatorial.
Pembeda pola adalah jumlah rataan hujan
bulanan diterima dan bulan terjadinya
puncak hujan. TipeI dicirikan olehpuncak
hujan pada MaretAprilMei (MAM) dan
SeptemberOktoberNopember (SON),
dengan puncak hujan tertinggi pada bulan
AprildanSeptember.TipeIIdicirikanoleh
puncak hujan tertinggi pada bulan
Nopember, dan memiliki rataaan bulanan
tertinggi. TipeIII dicirikan oleh puncak
hujantertinggipadabulanNopember,dan
memiliki rataan bulanan lebih rendah.
TipeIV memiliki puncak curah hujan
tertinggipadabulanOktober.

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.

Selama periode 19012002, tren kenaikan

suhu tertinggi terjadi di bagian selatan
Provinsi Sumatera Utara dengan laju
sebesar 0.003C/tahun; atau dalam 100
tahun terakhir telah terjadi peningkatan
suhusebesar0.3C.Lajupeningkatansuhu
tertinggiterjadipadaperiodemusimMAM
dan JuniJuliAgustus (JJA) dan terendah
pada periode musim DesemberJanuari
Februari (DJF). Pada bagian utara
ditemukan tren yang cenderung menurun.
Kondisi ini konsisten dengan analisis yang
dilakukanberdasarkandatabulanan.
During the period of 19012002, the
highest temperature increase was
indicated in the southern region of North
Sumatera at a rate of 0.003C/year; or an
increase of 0.3C in 100 years. The highest
rateofincreaseoccurredduringMAMand
JuneJulyAugust (JJA) and the lowest
during DecemberJanuaryFebruary (DJF).
The northern region shows a decreasing
temperature trend. This condition is
consistentwiththeresultsofmonthlydata
analysis.

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

Untuk tren curah hujan musiman, pada

periode DJF, terjadi tren penurunan di
seluruh wilayah provinsi dengan laju
mencapai 0.2 mm/tahun (penurunan
jumlah CH musim kemarau sekitar 20.4
mm). Jumlah ini cukup signifikan
mengingat wilayah bagian utara Provinsi
SumateraUtaramemilikicurahhujanrata
rata musiman sekitar 200 mm pada
periode DJF (setara pengurangan hujan
sekitar 10%). Pada musim lainnya terjadi
tren positif (peningkatan CH di sebagian
besar wilayah). Peningkatan CH tertinggi
pada periode SON, dimana pada periode
ini biasanya terjadi hujan yang lebih tinggi
dibandingkan puncak hujan lainnya yang
biasaterjadipadaperiodeMAM.
For seasonal rainfall (CH) trends in DJF
period, there was decreasing trend
throughout the Province, with a rate
reaching0.2mm/year(arainfalldecrease
in dry season of about 20.4 mm). This
amount is quite significant considering the
northern region had seasonal rainfall
average of about 200 mm in DJF period
(thus the decrease is equivalent to
approximately10%reductioninrainfall).A
positive trend takes place in other seasons
(increaseofCHinmostareas).Thehighest
rainfallincreasetakesplaceduringSON.In
general, rainfall is higher in SON than in
MAMperiod.

Secara keseluruhan, laju anomali curah

hujan ratarata di Provinsi Sumatera Utara
yaitusekitar0,0016mm/bulanatausekitar
0,0192mm/tahun.Untuklajupeningkatan
anomali curah hujan tertinggi pada
periode SON ditemukan di wilayah pantai
Barat Sumatera Utara yaitu mencapai 0.6
mm/tahun, (selama abad 20 terjadi
peningkatan 60 mm). Adanya laju
penurunan curah hujan pada musim
kemarau (DJF) dan laju peningkatan pada
musim penghujan (SON) di Provinsi
SumateraUtaramenunjukkanbahwatelah
terjadi kondisi musim kemarau yang
semakin kering dan musim penghujan
yang semakin basah. Hal ini juga
mengindikasikanbahwadimasayangakan
datangtidaktertutupkemungkinanterjadi
kondisi kering di musim kemarau yang
semakin parah serta peluang kejadian
In overall, the average rate of rainfall
anomalies in North Sumatera Province is
around 0.0016 mm/month or
approximately 0.0192 mm/year. The
increasingrateofrainfallanomalyoccured
durin SON period in west coast region of
Sumatera, reaching 0.6 mm/year
(approximately 60 mm/century). The
decreasingrainfallrateoccuringduringthe
dryseason(DJF)andtheincreasingrainfall
rateduringtherainyseason(SON)inNorth
Sumatera Province indicated that the area
was experiencing a dryer dryseason and
wetter wetseason. It also indicates that
there might be a severe dry conditions
duringdryseasonandanincreaseextreme
rainfallduringtherainyseason
Terjadipenurunanjumlahcurahhujandimusimkemarausebesar20,4mm/It
isindicatedthatdryseasonexperincesarainfalldecreaseofabout20,4mmor
10%oftheaveragerainfall
LajupeningkatananomalicurahhujantertinggipadaperiodeSeptember,Oktober,
NovemberditemukandiwilayahpantaibaratSumateraUtarayaitumencapai0.6
mm/tahun(peningkatan60mmdalam100tahun)/Theincreasingrateofrainfall
anomalyoccuredduringSeptember,October,Novemberperiodinwestcoast
regionofNorthSumatera,reaching0.6mm/year(approximately60mm/century)
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



5
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
hujan ekstrim di musim penghujan yang
semakinmeningkat.

Proyeksi Perubahan Iklim (Curah Hujan)

MasaDepan

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

Perubahan curah hujan masa depan

(tahun 2025 dan 2050) pada 4 kelompok
(klaster) hujan di Sumatera Utara
berdasarkanskenarioSRESA1B,A2danB1
pada musim MAM, JJA, SON, dan DJM
menunjukkan adanya perubahan jumlah
hujan yang bervariasi antara (7%) sampai
(+20%).

Future precipitation changes (in 2025 and

2050) in the 4 rainfall clusters in North
Sumatera based on the rainfall scenarios
SRESA1B,A2andB1intheseasonsMAM,
JJA,SON,andDJMindicateachangeinthe
amount of rainfall between (7 %) to
(+20%).
Berdasarkan skenario SRES A1B,
peningkatan CH tertinggi terjadi pada
periode DJF (19.9%) pada kelompok hujan
TipeIV yang umumnya terletak di bagian
utara Provinsi Sumatera Utara; dan
penurunanCHtertinggipadaperiodeJJA(
6.3%)pada kelompok hujan TipeI. Kondisi
pada rataan tahun 2050 akan berubah
sedikit dengan selisih sekitar 2% dari
kondisitahun2025.

Based on the SRES A1B scenario, the

highest increase of CH occurred in the
period DJF (19.9%) in TypeIV, which is
generally located in the northern part of
North Sumatera Province, and the highest
CH decline in the period JJA (6.3%) in the
TypeI. The precipitation rate in 2050 is
predicted to change slightly, a 2%
differencecomparedtothe2025condition.
Bencana Terkait Iklim dan Indeks
KompositBencanaIklim

Berdasarkan potensi cakupan wilayah

terdampak dan besarnya dampak pada
masingmasing kabupaten (kota) maka
urutan tingkatbobot bencanaterkaitiklim
adalah bencana banjir, kekeringan, tanah
longsor dan kenaikan tinggi muka air laut
(TMAL). Potensi cakupan wilayah
terdampak dan besarnya dampak untuk
bencana banjir (BB) dideliniasi dari Peta
Rawan Bencana (Bappeda, 2010); untuk
bencana tanah longsor (TL) dideliniasi dari
aspekkelerengan(>40%)berdasarkandata
topografi (DEM); untuk bencana
kekeringan(BK)berdasarkandatadariUnit
Pelaksana Teknis (UPT) Balai Proteksi
ClimateRelated Disasters and Composite
ClimateHazardsIndex

Based on the coverage area and

magnitude of impacts in each district and
city, the followings are climaterelated
disaster in North Sumatera Province in the
order of importance: floods, droughts,
landslides, and sea level rise (TMAL). The
flood potential scope and magnitude were
delineated from the Disaster Prone Map
(Bappeda, 2010); the landslide were
delineated from the terrain slopes (> 40%)
based on digital topographic data; and
drought disaster based on data from UPT.
Balai Proteksi Tanaman Pangan Dan
Hortikultura (Food and Horticulture Crops
Protection Institute, BPTPH) I. The data
Perubahancurahhujanmasadepan(tahun2025dan2050)pada4kelompok
(klaster)hujandiSumateraUtaraberdasarkanskenarioSRESA1B,A2danB1
padamusimMAM,JJA,SON,danDJMmenunjukkanadanyaperubahanjumlah
hujanyangbervariasiantara(7%)sampai(+20%)/Futureprecipitationchanges
(in2025and2050)inthe4rainfallclustersinNorthSumaterabasedonthe
rainfallscenariosSRESA1B,A2andB1intheseasonsMAM,JJA,SON,andDJM
indicateachangeintheamountofrainfallbetween(7%)to(+20%).
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



7
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
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).

indicate that some areas are prone to

droughtthateventuallyaffectsfoodcrops.
Thesealevelrisepredictionisbasedonthe
increase of 0.75 mm/year scenario . CCHI
were then determined which represents
theaccumulatedweightofeachdisasterin
each district (city) and grouped into three
classes CCHI: Low (L), Medium (L), and
High(H).

Pada tahun baseline 2008, sebagian besar

kabupaten masuk dalam kelas CCHIL, dan
tetappadakelastersebutpadatahun2025
dan tahun 2050. Kelas CCHIH terdapat
padaKabupatenDeliSerdang,Langkatdan
Tanjung balai. Tiga kabupaten ini tetap
pada kondisiCCHIH pada tahun 2025 dan
2050. Kelas CCHIM terdapat pada
Kabupaten Sibolga, Serdang Bedagai dan
Batu Bara. Secara umum, daerah yang
awalnya berada pada kelas CCHIM akan
menjadikelasCCHIHpadatahun2025dan
2050; meskipun ada yang mengalami
perbaikannilaidariCCHMmenjadiCCHIL
yaitu pada Kabupaten Mandailing Natal
dan Pakfak Bharat. Sedangkan yang
mengalami penurunan, dari CCHIL
menjadi CCHIM adalah Kabupaten
Tapanuli Tengah, Nias Selatan dan
LabuhanBatu.

In the 2008 year baseline, most of the

districts are included in class CCHIL and
remainthesamein2025and2050.CCHIH
class is indicated in the Districts of Deli
Serdang,LangkatandTanjungbalai.These
three districts are still in CCHIH in 2025
and 2050. CCHIM is indicated in Districts
of Sibolga, Serdang Bedagai, and
Batubara. Generally, districts originally
included in CCHIM will shift to CCHIH in
2025 and 2050; except two districts,
Mandailing Natal and Pakfak Bharat,
shifting from CCHIM into CCHI L. Change
ofCCHILtoCCHIMisindicatedinDistricts
of Tapanuli Tengah, Nias Selatan and
LabuhanBatu.

AnalisisKerentananWilayah

Kerentanan menggambarkan suatu

kumpulan atau interaksi berbagai keadaan
yang melekat pada suatu komunitas
masyarakat yang bisa mengarah dan
menimbulkan dampak pada menurunnya
daya tangkal dan daya tahan masyarakat
terhadap upayaupaya pencegahan dan
penanggulangan bencana. Indikator
RegionalVulnerabilityAnalysis

Vulnerability describes a collection or

interaction of a variety of circumstances
inherent in a society that can lead and
haveanimpactindecliningtheabilityand
endurance of society in the efforts of
prevention and management of disaster.
Regional Vulnerability Indicator or
IndicatorofCumulativeVulnerability(IKKR)
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



8
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
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).

Secara umum IKKR tingkat Provinsi

Sumatera Utara termasuk kategori Cukup
Rentan(CR).Tingkatkerentanandidaerah
kota lebih baik daripada kabupaten,
artinya daerah kota lebih tahan daripada
kabupaten. Mayoritas kabupaten
termasuk kategori Cukup Rentan (CR),
hanya satu kabupaten yang kondisinya
Sangat Rawan yaitu Kabupaten Serdang
Bedagai. Beberapa kabupaten kondisi
kerentanannya meningkat dalam kurun
waktu 20062008, yaitu Kabupaten
Tapanuli Selatan, Tapanuli Tengah,
Labuhan Batu, Asahan, Langkat dan Nias
Selatan. Kondisi masingmasing indikator
sebagaiberikut:
In general, IKKR of North Sumatera
Province is categorized under the Medium
Vulnerability Category or Cukup Rentan in
Indonesianlanguage(CR).Thevulnerability
levelsincitiesarebetterthanthoseofthe
districts, indicating that cities are more
resistantthanthedistricts.Themajorityof
districtsfallinthecategoryofCR,andonly
one district is indicated under the Highly
Vulnerable, which is Serdang Bedagai
District. Vulnerability in some districts
increasedintheperiod20062008,suchas
Districts of Tapanuli Selatan, Tapanuli
Tengah, Labuhan Batu, Asahan, Langkat,
and Nias Selatan. The condition of each
indicatorisasfollows:

(1) Nilai ratarata Indikator Kerentanan

Kemiskinan tingkat Provinsi semakin
menurun selama kurun waktu 2004
2008, ini berarti tingkat kerentanan
semakin baik atau semakin tahan.
Daerah dengan nilai indikator
tertinggi adalah Kabupaten Nias
Selatan. Hal ini karena tingginya
persentase penduduk miskin di
kabupaten ini yang merupakan
terbesardiwilayahProvinsiSumatera
Utara yaitu mencapai 30,20
37,66%, padahal ratarata provinsi
13,9618,96%.

(1) The average Poverty Vulnerability

Indicators at the provincial level
showedadecreasingtrendduringthe
period 20042008, this means that
the level of vulnerability was getting
better. The region with the highest
indicator value (most vulnerable) is
District Nias Selatan , since it has the
highest percentage of poor people in
North Sumatera Province, in the
range of 30.2 to 37.66%, while the
provincial average stands at 13.96 to
18.96%.

(2) Ratarata indikator penggunaan air

bersih nonPDAM tingkat Provinsi
selama kurun waktu 20042008
(2) The average indicator of provincial
Clean Water Consumption not from
Drinking Water StateOwned
Tingkatkerentanandidaerahkotalebihbaikdaripadakabupaten/The
vulnerabilitylevelsincitiesarebetterthanthoseofthedistricts
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



9
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
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.

Company (PDAM) slightly increased

during the period 20042008. This
indicates that the population growth
rate is greater than the rate of the
PDAMs service coverage. Districts of
Nias, Mandailing Natal, Tapanuli
Selatan, Nias Selatan and Fakfak
Bharat are very vulnerable in term of
access to clean water. The areas are
considerably vulnerable since access
to clean water services, catered by
PDAMiseventuallylow.Citieshavea
lower vulnerability than the districts
sinces households living in cities have
higher access to clean water from
PDAM.

(3) Ratarata nilai Indikator Kerentanan

KepadatanPenduduktingkatProvinsi
menunjukkan penurunan selama
kurunwaktu 20042008,yangberarti
bahwa tingkat kerentanan dari aspek
kepadatan penduduk semakin
rendah. Secara umum indikator
kerentanan di wilayah kota lebih
tinggidaripadakabupaten,iniberarti
wilayah kota lebih rentan daripada
wilayah kabupaten. Nampak bahwa
Kota Sibolga dan Kota Medan
merupakan daerah dengan nilai
indikator kerentanan tertinggi,
sementara kabupaten Fakfak Bharat
merupakan yang terendah. Tingkat
kerentanan yang tinggi di Kota
Sibolga dan Medan disebabkan
karena kepadatan penduduk pada
daerah tersebut merupakan yang
terpadat dibandingkan daerah
lainnya, sementara Fakfak Bharat
memiliki tingkat kepadatan
pendudukyangterendah.

(3) The average value of the provincial

Population Density Vulnerability
Indicators showed a decline during
theperiod20042008.Ingeneral,the
vulnerability indicators in cities are
higher than those in the Districts,
indicating that cities are more
vulnerable than districts area. Cities
of Sibolga and Medan have the
highest vulnerability indicator value,
while District of Bharat Fakfak has
the lowest values. The high level of
vulnerability in Cities of Sibolga and
Medan were related to the high
population density in these area;
while the District of Fakfak Bharat,
hasthelowestpopulationdensity
(4) Ratarata nilai Indikator Kerentanan
Tanaman Pangan tingkat Provinsi
menunjukkan peningkatan selama
kurun waktu 20042008. Kabupaten
(4) The average Food Crop Vulnerability
Indicators in the Province indicated
an increasing trend during the period
20042008. Districts of Serdang
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



10
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
Serdang Bedagai, Karo, Deli Serdang,
Simalungun, Kota Padangsidimpuan,
KotaBinjaidanKotaPematangsiantar
merupakan daerah yang rentan.
Tingginya indikator kerentanan pada
daerah tersebut karena tingginya
persentaseluasarealpanentanaman
pangandibandingkandaerahlainnya.

Bedagai, Karo, Deli Serdang,

Simalungun, and Cities of
Padangsidimpuan Pematangsiantar,
and Binjai are categorized as
vulnerable area. These areas have
high vulnerability indicators due to
the high percentage of the harvested
foodcropsthetotalareaofcompared
tootherregions.

(5) Ratarata nilai Indikator Kerentanan

Tanaman Perkebunan tingkat
Provinsi mengalami peningkatan, ini
berarti Provinsi Sumatera Utara
memiliki tingkat kerentanan yang
tinggi dilihat dari luas areal
perkebunan, sehingga berpotensi
semakin rentan. Kabupaten Asahan,
Labuhan Batu dan Serdang Bedagai
merupakan daerah dengan nilai
indikator kerentanan tertinggi, ini
menunjukkan bahwa ketiga daerah
tersebut sangat rentan jika terjadi
perubahan iklim. Tingginya nilai
indikator kerentanan pada
Kabupaten Asahan, Labuhan Batu
dan Serdang Bedagai karena ketiga
daerah tersebut memiliki persentase
luas areal tertinggi dibandingkan
daerah lainnya, khususnya untuk
perkebunan rakyat. Kabupaten lain
yang memiliki nilai indikator
kerentanan cukup tinggi adalah
Kabupaten Deli Serdang, Simalungun
danLangkat.

(5) Theaverage PlantationsVulnerability

Indicators in the Province increased.
Districts of Asahan, Labuhan Batu
and Serdang Bedagai are regions
with the highest vulnerability
indicators. Districts of Asahan,
Labuhan Batu and Serdang Bedaga
have high vulnerability indicators
since these regions have the highest
percentage of plantation area
compared to other regions. Other
districts that have high vulnerability
indicators are Districts of Deli
Serdang,SimalungunandLangkat.

(6) Sebagian besar daerah kota memiliki

nilai Indikator Kerentanan Non
Tutupan Lahan yang lebih besar
daripadawilayahkabupaten.Kondisi
tersebutmenunjukkanbahwatingkat
kerentanan di wilayah kota lebih
besar sehingga kemungkinan resiko
sebagai dampak perubahan iklim
akan lebih besar. Relatif tingginya
nilai indikator di wilayah kota
memperlihatkan bahwa semakin
menurunnya luas areal hijau, terjadi
(6) Most cities have NonCropped Land
Vulnerability Indicators higher than
the districts. This indicates that the
levelofvulnerabilityinurbanareasis
higher than in rural areas. The
relatively high vulnerabiity indicators
in the cities shows that there is a
decline in green area as a
consequence of land conversion,
from green area into residential,
commercial,andinfrastructurearea.
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



11
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
konversi lahan untuk pemukiman,
perdagangan,daninfrastruktur.

(7) Indikator fraksi pantai didasarkan

pada persentase panjang pantai
terhadap luas daerah. Kabupaten
Nias Selatan, Tapanuli Tengah,
Mandailing Natal, dan Langkat
merupakan daerah dengan nilai
indikatorkerentanantertinggi.Halini
disebabkan karena daerah tersebut
memiliki persentase panjang pantai
lebih tinggi dibandingkan dengan
daerah lainnya. Untuk daerah kota,
KotaSibolga merupakan daerahyang
termasukrentan.

(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.

The projection result shows that in 2025

and 2050, North Sumatera Province is
under medium vulnerable (CR) category of
IKKR. However, if assessed by region, the
IKKR value will vary from category of Very
Vulnerable (SR) to Highly Resistant (ST).
Cities are predicted to be more resistant
thandistricts.SerdangBedagaiisprojected
asHighlyVulnerablecityin2025and2050.
Meanwhile, District of Nias Selatan will
experince Vulnerability status shift, from
Vulnerable (R) to Very Vulnerable (SR),
while District of Tapanuli Selatan from
Medium(CR)toVulnerable(R).

Analisiskapasitasadaptifwilayah

Indikator Kapasitas Daerah atau Indikator

Kapasitas Kumulatif (IKKP)
memperlihatkan derajat atau tingkatan
kemampuan/kapasitas daerah dalam
RegionalAdaptiveCapacityAnalysis

Regional Adaptive Capacity Indicator or

CumulativeCapacityIndicator(IKKP)shows
the degree or level of ability/capacity
within the region to cope or anticipate the
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



12
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
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:

impact of climate change. IKKP is a

cumulativeoffiveindicators:(1)education,
(2) economic, (3) health, (4) road
infrastructure, and (5) electricity service.
Theanalysisshowsthattheaveragevalues
of IKKP in North Sumatera Province is
categorized as Medium (C) High (T), but
therewasadecreaseofIKKPovertimeand
also cities IKKP are better than those of
districts. The condition of each indicator is
asfollows:

1.

Ratarata nilai Indikator Kapasitas

Pendidikantingkatprovinsicenderung
meningkat, artinya secara umum
kapasitas pendidikan masyarakat
mengalami peningkatan. Kabupaten
Toba Samosir, Karo dan Tapanuli
Utara merupakan daerah dengan nilai
indikator terendah, yang
menunjukkan rendahnya Angka
Partisipasi Sekolah dan rasio fasilitas
pendidikanterhadappenduduk.

1. The average Education Capacity

Indicators in the Province tend to
increase, indicating that the capacity
of public education have increased.
Districts of Toba Samosir, Tapanuli
Utara, and Karo are the regions with
the lowest indicator, indicating also
that school participation rate and the
ratio of educational facilities to
populationarestilllow.
2. Ratarata Indikator Kapasitas Ekonomi
tingkat provinsi memperlihatkan nilai
yang relatif konstan, walaupun
terdapat perubahan namun relatif
kecil. Nilai indikator kapasitas daerah
kota lebih tinggi daripada kabupaten.
Hal ini karena struktur ekonomi
penduduk kota lebih besar di sektor
nonpertanian terutama industri,
perdagangan dan jasa, berbeda
dengan kabupaten yang masih
didominasi sektor pertanian, serta
pendapatanperkapitapendudukkota
lebih tinggi daripada kabupaten.
Daerah yang nilai indikatornya
ekonominya rendah adalah
Kabupaten Padang Lawas Utara,
Padang Lawas, Pakfak Bharat, Nias
SelatandanNias.

2. The average Economic Capacity

Indicators in the Province shows a
relatively constant value with only
small changes. The indicators of cities
are higher than the districts. The
economic structure in cities mostly
depend on nonagricultural sector,
especiallyindustry,trade andservices,
in contrast to districts that are still
dominated by the agricultural sector.
Income per capita of population living
in cities are higher than in districts.
Padang Lawas Utara, Padang Lawas,
Pakfak Bharat, Nias Selatan and Nias
are districts that have low economic
indicators

3. Ratarata Indikator Kapasitas

Kesehatan tingkat provinsi
3. The average Health Capacity
Indicators in the Province showed
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



13
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
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.

improvement from year to year.

Urbans have higher indicator than
Rurals, due to better medical and
health facilities in Urban than in Rural
area. The lowest health indicators
were found in 5 Districts, namely
Serdang Bedagai, Batubara, Langkat,
SimalungunandPadangLawas.

4. Ratarata nilai indikator Kapasitas

Infrastruktur Jalan untuk tingkat
provinsi menunjukkan peningkatan
walaupun pada tahun 2007
mengalami penurunan. Tidak ada
perbedaan yang signifikan antara
wilayah Kota dan Kabupaten. Kota
Sibolga dan Kabupaten Asahan
merupakan wilayah dengan indikator
terendah.

4. The average Road Infrastructure

Capacity Indicators in the Province
showed improvement in 2007 despite
experiencing a decline. There was no
significant difference between cities
and districts. Districts of Asahan and
Sibolga are regions with the lowest
RoadInfrastructureCapacityindicator.
5. Ratarata Indikator Kapasitas Layanan
Listrik untuk tingkat provinsi
menunjukkan peningkatan, hal ini
berarti jangkauan fasilitas listrik
semakin meningkat dari tahun ke
tahun. Nilai indikator untuk wilayah
kota lebih tinggi daripada kabupaten,
karena jangkauan jaringan listrik di
wilayah Kota lebih besar daripada
kabupaten. Kabupaten Nias dan Nias
Selatan merupakan daerah dengan
indikatorterendah.

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.

Hasil proyeksi Indikator Kumulatif

Kapasitas daerah memperlihatkan bahwa
secara ratarata untuk tingkat provinsi
indikator kapasitas daerah mengalami
penurunan. Kapasitas daerah kota lebih
baik daripada kabupaten. Beberapa
The projection shows that Cumulative
Capacity Indicator at provincial level has
declined. The capacity of cities is better
than districts. Some areas has experienced
a capacity decline, such as the Districts of
Tapanuli Selatan, Deli Serdang and Fakfak
Kapasitasdaerahkotalebihbaikdaripadakabupaten/Thecapacity
ofcitiesisbetterthandistricts
PenyusunanPemetaanKerentananPerubahanIklimProvinsi
ClimateChangeVulnerabilityAssessmentinaProvince



14
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
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).

Kapasitas Adaptif Dalam Mengatasi

Bencana

Kapasitas adaptif dalam mengatasi

bencana digambarkan oleh nilai Coping
Capacity Index (CCI), yang merupakan
kombinasi dari Indikator Kerentanan
Kumulatif (IKKR) dan Indikator Kapasitas
Kumulatif (IKKP). Berdasarkan kedua
indikator tersebut, diperoleh empat
katagori/kelompok (kuadran) CCI, yaitu :
(1) Kuadran I mencakup wilayah yang
memiliki kerentanan rendah, kapasitas
tinggi; (2) Kuadran II mencakup wilayah
yang memiliki kerentanan rendah,
kapasitas rendah; (3) Kuadran III
mencakup wilayah yang memiliki
kerentanan tinggi, kapasitas tinggi (4)
Kuadran IV mencakup wilayah yang
memiliki kerentanan tinggi, kapasitas
rendah. Urutan kuadran memperlihatkan
urutan kondisi CCI dari yang terbaik
sampaiyangterjelek.(Gambar1)

CopingCapacityIndex

Adaptive capacity for disasters

management is described as the value of
CopingCapacityIndex(CCI);acombination
of Cumulative Vulnerability Indicators
(IKKR) and Cumulative Capacity Indicator
(IKKP).Combinationofthesetwoindicators
produce four categories/groups
(quadrants) of CCI, namely: (1) Quadrant I
includes areas with low vulnerability, high
capacity, (2) Quadrant II includes areas
that have low vulnerability, low capacity,
(3) Quadrant III includes areas that have
high vulnerability, high capacity (4)
Quadrant IV includes areas of high
vulnerability, low capacity. The sequence
from Quadrant I to IV shows the order of
CCI condition, from best to worst. (Figure
1)

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.

The analysis suggests a decrease in CCI

condition during the period 20062008. In
2006 and 2007, the average CCI in North
SumateraProvinceisclassifiedinQuadrant
I,butin2008itmovedtoQuadrantIV.

Hasil proyeksi CCI menunjukkan bahwa

sebagian besar daerah berada pada
kuadran IV, hanya sebagian kecil yang
berada di kuadran I. Kondisi coping
capacity tahun 2025 dan tahun 2050
menunjukkan bahwa posisi daerah
semakin terkonsentrasi di kuadran IV,
yaitu wilayah yang memiliki kerentanan
tinggi dengan kapasitas rendah, sehingga
kondisi ini memperlihatkan bahwa
semakin banyak daerah yang posisi CCI
secara kualitas semakin menurun,
sehingga perlu antisipasi dan penanganan
yang serius untuk menggeser posisi
tersebutkeposisiyanglebihbaik.

The projection of Coping Capacity Index

(CCI) showed that most areas are in
quadrantIV,onlyasmallportionislocated
in quadrant I.The condition suggests that
more areas are getting worse and
anticipationeffortsareneededtoshifttoa
betterquadrant.

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.

Using 2008 as the baseline, most urban

areas with CCI in quadrant I (low
vulnerability, high capacity) and combined
with CCHI category L has Very Low level
of climate risk. We can find this condition
in the Cities of Pematangiantar, Tebing
Tinggi, and Medan.Very high climate risks
are more prevalent in districts with a less
good CCI (category III and IV, high
susceptibility) and relatively high CCHI
(Class M and L), such as Deli Serdang,
LangkatandSerdangBedagai

Resiko iklim yang Sangat Tinggi, baik pada

tahunbaseline2008ataupunpadakondisi
proyeksi tahun 2025 dan 2050, terdapat
pada Kabupaten Langkat dan Serdang
Bedagai sebagai hasil dari kombinasi nilai
CCIIV dan CCHIH. Sedangkan wilayah
yang akan memiliki resiko iklim sangat
tinggi pada tahun 2050 adalah Kabupaten
Batubara dan Nias Selatan karena
mengalami perubahan dari CCHIM
menjadiCCHIH.
Districts of Langkat and serdang Bedagai
are disctricts that have Very High Risk of
climate, both in 2008 baseline or in
projection year of 2025 and 2050, as a
result of the combination of CCIIV and
CCHIH. Mean while districts of Batubara
and Nias Selatan are projected to have a
veryhighriskin2050,duetotheshiftfrom
CCHIMtoCCHIH

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