Bab 5 Pedoman - Teknis - Penghitungan - Baseline - Emisi - GRK - Sektor - Berbasis - Energi PDF

Republik Indonesia
PEDOMAN TEKNIS
PERHITUNGAN BASELINE
EMISI GAS RUMAH KACA
SEKTOR BERBASIS ENERGI
Republik Indonesia
2014
Tim Penulis
Penasehat:
Endah Murningtyas, Deputi Bidang Sumber Daya Alam dan
Lingkungan Hidup, Bappenas
Koordinator:
Wahyuningsih Darajati, Direktur Lingkungan Hidup, Bappenas
Tim Penulis:
Achmad Zacky, Agus Supriyadi, Akhmad R, Aries Kusumawanto,
Ario Wicaksono, Devin Maeztri, Ery Wijaya, Gitafajar Saptyani,
Karlo Manik, Lisa Ambarsari, M. Suhud, Rizka Tri W, Shinta D.
Sirait, Syamsidar Thamrin, Widya Adi Nugroho.
Tim Pendukung Teknis:

Dini Artiani, Harliana, Lestira Watimmena, Tanti Hariyanti
Badan Perencanaan Pembangunan Nasional (BAPPENAS)

Deputi Bidang Sumber Daya Alam dan Lingkungan Hidup
Jl. Taman Suropati 2
Jakarta 10310
Telp. (021) 31936207
Republik Indonesia Website: www.bappenas.go.id
PEDOMAN TEKNIS
PERHITUNGAN BASELINE
EMISI GAS RUMAH KACA
SEKTOR BERBASIS ENERGI
UCAPAN TERIMA KASIH
Terima kasih kami ucapkan kepada seluruh staf di
Kedeputian Bidang Sumber Daya Alam dan Lingkungan
Hidup, Kementerian PPN/Bappenas atas bantuan
fasilitasi teknis dalam penyusunan dokumen ini.
Penyusunan Pedoman Teknis Perhitungan Baseline Emisi

gas Rumah Kaca Sektor Berbasis Energi ini didukung
oleh Deutsche Gesellschaft fuer Internationale
Zusammenarbaeit (GIZ) melalui Policy Advice for
Environment and Climate Change (PAKLIM). Dukungan
tersebut sangat dihargai.
Proses penyusunan dokumen ini tidak terlepas dari

dukungan kemitraan dan dedikasi berbagai institusi
berikut:
1. Kementerian Energi dan Sumber Daya Mineral

2. Kementerian Perhubungan
3. Kementerian Perindustrian
4. USAID-ICED
5. GIZ SUTIP
6. GIZ TRANSfer
Terima kasih yang setinggi-tingginya juga disampaikan

kepada para pihak yang telah banyak memberikan
masukan dalam penyempurnaan pedoman ini.
PEDOMAN TEKNIS PERHITUNGAN BASELINE

ii EMISI GAS RUMAH KACA SEKTOR BERBASIS ENERGI
DAFTAR ISI
Ucapan Terima Kasih ii

Daftar Singkatan vii
Bab 1. Pendahuluan 1
Bab 2. Metodologi Dalam Pembuatan Baseline untuk Sektor Energi 5

2.1 Sistem Energi 5
2.2 Model Energi 6
2.3 Asumsi-asumsi dasar dalam Pemodelan Energi 8
2.4 Metodologi Analisa Permintaan Energi 8
2.5 Metodologi Analisa Penyediaan Energi 14
2.6 Metodologi Perhitungan Emisi atas Model Energi 15
Bab 3. Berbagai Model/Software Perencanaan Energi untuk Pembuatan 17

Baseline Sektor Energi
3.1 Kajian Berbagai Model Perencanaan Energi 17
3.2 Pemodelan dalam Pembuatan Baseline untuk Sektor Energi 20
3.3 Pengenalan Singkat tentang LEAP 22
Bab 4. Baseline untuk Sektor Energi dengan Menggunakan LEAP 27

4.1. Metodologi Penyusunan Baseline 27
4.2. Metode Perhitungan Konsumsi Energi Pada LEAP 29
4.3 Metode Perhitungan Produksi Energi Pada LEAP 33
4.4 Metode Perhitungan Emisi dari Produksi dan Konsumsi Energi 33
Bab 5. Emisi Baseline untuk Sektor Berbasisi Energi dengan Menggunakan 37

LEAP
5.1 Hasil Perhitungan Emisi Baseline Sektor Energi 38
5.2 Hasil Perhitungan Emisi Baseline Sektor Transportasi 43
5.3 Keterbatasan dan tindak lanjut 47
Daftar Pustaka 49
iii
Daftar Gambar
Gambar 1: Emisi CO2 sektor energi (juta ton) 2

Gambar 2: Sistem Energi Komplek 6
Gambar 3: Alur dalam Pemodelan Energi 7
Gambar 4: Tampilan antarmuka LEAP 22
Gambar 5: Proses pengumpulan data untuk pembuatan Baseline 27
Gambar 6: Penggolongan data di tiap sektor yang diperlukan dalam pembuatan 28
Baseline
Gambar 7: Prosedur dalam pembuatan Baseline dengan menggunakan LEAP 29
Gambar 8: Kompilasi Baseline Nasional Tiap Propinsi di Indonesia 37
(Sekretariat RAN-GRK, 2014)
Gambar 9: Proyeksi emisi gas rumah kaca di tiap propinsi di Pulau Sumatra 38
Gambar 10: Proyeksi emisi gas rumah kaca di tiap propinsi di Pulau Jawa dan Bali 39
Gambar 11: Proyeksi emisi gas rumah kaca di tiap propinsi di Pulau Kalimantan 40
Gambar 12: Proyeksi emisi gas rumah kaca di tiap propinsi di Pulau Sulawesi dan 41
Papua
Gambar 13: Proyeksi emisi gas rumah kaca di tiap propinsi di Kepulauan 43
Daftar Tabel
Tabel 1: Contoh Sistem Energi Sederhana 5

Tabel 2: Karakteristik Beberapa Software Perencanaan Energi 20
Tabel 3: Faktor emisi bahan bakar rumah tangga 34
Tabel 4: Faktor emisi bahan bakar transportasi 34
Tabel 5: Faktor emisi jaringan ketenagalistrikan 34
Tabel 6: Faktor emisi untuk sektor Industri 35
Tabel 7: Proyeksi emisi gas rumah kaca di Pulau Sumatera (ton setara CO2) 44
Tabel 8: Proyeksi emisi gas rumah kaca di Pulau Jawa dan Bali (ton setara CO2) 44
Tabel 9: Proyeksi emisi gas rumah kaca di Pulau Kalimantan (ton setara CO2) 45
Tabel 10: Proyeksi emisi gas rumah kaca di Pulau Sulawesi dan Papua (ton 46
setara CO2)
Tabel 11: Proyeksi emisi gas rumah kaca di Kepulauan (ton setara CO2) 46
Tabel 12: Tingkatan level database yang diperlukan dalam pemodelan energi 48

iv EMISI GAS RUMAH KACA SEKTOR BERBASIS ENERGI
DAFTAR SINGKATAN
AIM : Asia-Pasific Integrated Model

BAU : Business as Usual
BBM : Bahan Bakar Minyak
ETSAP : Energy Technology Systems Analysis Programme
GRK : Gas Rumah Kaca
IAEA : International Atomic Energy Agency
IEA : International Energy Agency
KESDM : Kementrian Energi dan Sumber Daya Mineral
LEAP : Long-range Energy Alternatives Planning System
MAED : Model for Analysis of Energy Demand
MARKAL : MARket Allocation
MESSAGE : Model for Energy Supply Strategy Alternatives and their General
Environmental Impacts
NAMAs : Nationally Appropriate Mitigation Actions
NIES : National Institute for Environmental Studies
PDB : Produksi Domestik Bruto
RAN-GRK : Rencana Aksi Nasional Penurunan Emisi Gas Rumah Kaca
RAD-GRK : Rencana Aksi Daerah Pengurangan Gas Rumah Kaca
RPJMN : Rencana Pembangunan Jangka Menengah
SEI : Stockholm Environment Institute
TIMES : The Integrated MARKAL-EFOM System
UNFCCC : United Nations Framework Convention on Climate Change
v
vi EMISI GAS RUMAH KACA SEKTOR BERBASIS ENERGI
BAB 1
PENDAHULUAN
Pemerintah Indonesia menyadari bahwa penanganan perubahan
iklim merupakan bagian yang tidak terpisahkan dari tantangan
pembangunan dan oleh sebab itu, pemerintah Indonesia berperan
aktif dalam berbagai kerjasama internasional yang terkait. Presiden
Susilo Bambang Yudhoyono dalam pidatonya pada pertemuan G-20
di Pittsburgh, Amerika Serikat, 25 September 2009 menyatakan
bahwa Indonesia secara sukarela berkomitmen untuk menurunkan
emisi Gas Rumah Kaca (GRK) sebesar 26 persen pada tahun 2020 dari
tingkat Business as Usual (BAU) dengan usaha sendiri dan mencapai
41 persen apabila mendapat dukungan internasional. Komitmen
ini disampaikan terutama karena Indonesia telah bertekad untuk
menerapkan pembangunan berkelanjutan sebagaimana tertuang di
dalam rencana pembangunan nasional.
Menindaklanjuti komitmen tersebut, Presiden Republik Indonesia

telah menerbitkan Peraturan Presiden No. 61 tahun 2011 tentang
Rencana Aksi Nasional Penurunan Emisi Gas Rumah Kaca (RAN-GRK)
yang merupakan dokumen kerja yang berisi upaya-upaya untuk
menurunkan emisi gas rumah kaca di Indonesia. Peraturan Presiden
ini telah diikuti dengan terbitnya Peraturan Presiden No. 71 tahun
2011 tentang Penyelenggaraan Inventarisasi Gas Rumah Kaca (GRK)
Nasional. RAN-GRK yang mengusulkan aksi mitigasi di lima bidang
prioritas (Pertanian, Kehutanan dan Lahan Gambut, Energi dan
Transportasi, Industri, Pengelolaan Limbah) serta kegiatan pendukung
lainnya, merupakan bagian yang tidak terpisahkan dari perencanaan
pembangunan nasional yang mendukung prinsip pertumbuhan
ekonomi, pengentasan kemiskinan, dan pembangunan berkelanjutan.
Seiring dengan pertumbuhan ekonomi rata-rata sebesar 5,3% selama

satu dekade terakhir, pertumbuhan kebutuhan energi nasional juga
meningkat pesat. Berdasarkan data dari Pusdatin ESDM (2011), total
konsumsi energi nasional pada tahun 2000 sebesar 468 juta Setara Barel
Minyak (SBM), naik secara tajam menjadi 793 juta SBM pada tahun
2010. Kenaikan konsumsi energi ini mengakibatkan peningkatan emisi
gas rumah kaca yang terlihat jelas pada Gambar 1, dimana emisi CO2
pada tahun 2000 yang mencapai 244,31 juta ton meningkat menjadi
379,47 juta ton pada tahun 2010. Peningkatan emisi ini terjadi bukan
hanya dari sektor pembangkit listrik, melainkan juga dari sektor industri
dan transportasi.
1
400
300
20
10
0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Pembangkit Listrik/Power Plant
Industri/Industry
Komersial & Rumah tangga/Commercial & Household
Transportasi/Transportation
Sektor Lainnya/Other Sector
Sumber: Pusdatin ESDM, 2011
Gambar 1: Emisi CO2 sektor energi (juta ton).
Untuk memenuhi penurunan emisi sebesar 26% dari tingkat

BAU, berdasarkan dokumen RAN-GRK disebutkan bahwa
Pemerintah Indonesia menargetkan untuk menurunkan
emisi gas rumah kaca sebesar 36 juta ton setara CO2 dari
sektor energi dan transportasi dan 1 juta ton setara CO2 dari
sektor industri. Sedangkan untuk memenuhi penurunan
emisi sebesar 41% dari tingkat BAU, penurunan emisi gas
rumah kaca sebesar 56 juta ton setara CO2 dari sektor
energi dan transportasi dan 5 juta ton setara CO2 dari sektor
industri harus dapat dipenuhi. RAN-GRK telah mendata
sekitar 50 aksi mitigasi di lima sektor dan menunjukkan
jenis sumber daya apa saja yang akan dibutuhkan dalam
proses implementasi, kebijakan baru yang perlu dirumuskan
serta pengaturan kelembagaan yang diperlukan untuk
keberhasilan pelaksanaan.
Pada tahun 2012, seluruh Pemerintah Provinsi di Indonesia

menyusun dokumen Rencana Aksi Daerah Penurunan
Emisi Gas Rumah Kaca (RAD-GRK), termasuk menghitung
emisi baseline dan skenario mitigasi yang sesuai di masing-
masing provinsi. Untuk memperoleh jumlah pengurangan
emisi GRK yang kredibel, diperlukan sebuah perhitungan
dasar atas jumlah emisi GRK yang dihasilkan oleh Indonesia.
Istilah BAU baseline yang selanjutnya disebut baseline
mengacu pada situasi tanpa kebijakan/program tertentu dan

2 EMISI GAS RUMAH KACA SEKTOR BERBASIS ENERGI
digunakan sebagai referensi untuk mengukur kinerja. Oleh
karena itu, dibutuhkan pembuatan baseline yang handal dan
dapat dipertanggung jawabkan secara keilmuan agar kinerja
pengurangan emisi GRK dapat terukur.
Dalam proses penulisan RAD-GRK pada tahun 2012,

penghitungan baseline pada 33 provinsi telah dilakukan
melalui beberapa tahapan. Tahap pertama dimulai dari
Pelatihan Perhitungan BAU Baseline untuk Sektor Energi
oleh Kementrian Energi dan Sumber Daya Mineral (KESDM)
bekerjasama dengan Kementrian Dalam Negeri pada bulan
Juni 2012 di Yogyakarta, dan bulan Juli 2012 di Surabaya.
Dalam pelatihan tersebut, digunakan software Long range
Energy Alternatives Planning System (LEAP) sebagai tool
untuk menghitung BAU Baseline dari sektor energi di masing-
masing provinsi dengan proyeksi waktu dari 2010 hingga
2020. Tahap berikutnya adalah pendampingan kepada setiap
daerah dalam menyelesaikan perhitungan BAU Baseline.
Terkait dengan rencana kaji ulang RAN dan RAD-GRK, buku

Pedoman Teknis ini disiapkan untuk membuat standarisasi
metode perhitungan baseline emisi dari sektor energi dan
membimbing para pihak untuk membangun baseline
yang disempurnakan. Metode perhitungan ini harus
memenuhi kaidah ilmiah dan dipergunakan secara luas di
dunia internasional. Lebih jauh, buku Pedoman Teknis ini
diharapkan dapat dipergunakan di Indonesia sebagai bagian
dari capacity building untuk melakukan perhitungan atas
emisi yang diproduksi dari sektor berbasis energi.
BAB 1
PENDAHULUAN 3
BAB 2
METODOLOGI DALAM PEMBUATAN
BASELINE UNTUK SEKTOR ENERGI
2.1 Sistem Energi

Sebelum beranjak membahas tentang pemodelan energi, ada baiknya kita
memahami sistem energi. Sebuah sistem energi yang sederhana dapat
diklasifikasikan ke dalam tiga level, yakni: 1) produksi dan konversi energi
dari sebuah sumber energi (primary energy) menjadi bentuk energi yang bisa
dipakai (secondary energy), 2) distribusi dan penyimpanan energi, dan 3)
pengkonsumsian energi.
Tabel 1: Contoh Sistem Energi Sederhana

Sinar
Sumber Minyak Batubara Gas Alam Biomasa
Matahari
Perlakuan Sumur Tambang Pembersihan Pertanian/
-
Ekstraksi minyak batubara gas Perkebunan
Teknologi Kilang Pembangkit
- Sel surya -
Konversi minyak listrik
Bentuk Bensin, Ethanol,
Energi solar, avtur, Listrik Metana Listrik Methanol,
Layak Pakai dll. arang
Sistem Jaringan Truk/truk
Jaringan Jaringan
Distribusi distribusi pipa/ tanki/
listrik listrik
minyak distribusi gas jaringan pipa
Kendaraan
Teknologi
Kendaraan bermotor,
Akhir Lampu Kompor gas Lampu
bermotor kompor
Penggunaan
masak
Bentuk Transportasi,
Layanan Transportasi Penerangan Memasak Penerangan dan
dari Energi memasak
Dalam sistem energi yang komplek, proses produksi/konversi hingga menjadi

bentuk energi jadi tidak hanya dipengaruhi oleh faktor teknologi saja. Akan
tetapi terdapat faktor-faktor penunjang lain seperti faktor biaya, regulasi,
infrastruktur dan emisi lingkungan, seperti terlihat dalam Gambar 2. Faktor-
faktor tersebut sangatlah penting untuk turut dipertimbangkan dalam
melakukan pemodelan energi, karena dinamika yang terjadi di dalamnya akan
mempengaruhi model yang akan kita hasilkan.
5
Teknologi Regulasi
Bentuk
Sumber Energi Sistem Energi Sosial
Final Energi
Infrastruktur
Biaya
Emisi Lingkungan
Gambar 2: Sistem Energi Komplek
2.2 Model Energi

Model adalah rencana, representasi, atau deskripsi yang
menjelaskan suatu objek, sistem dalam dunia nyata, atau
konsep, yang seringkali berupa penyederhanaan atau
idealisasi. Sedangkan model energi dapat dijelaskan sebagai
sebuah deskripsi atau rencana yang menjelaskan sistem
produksi, distribusi dan konsumsi energi yang komplek ke
dalam sebuah rumusan matematika untuk menampilkan
referensi gambaran sistem energi di masa mendatang.
Tujuan melakukan pemodelan energi adalah:
1) Untuk memahami keadaan sistem energi (suplai,

distribusi dan konsumsi) di masa mendatang,
sehingga dapat diperoleh ide-ide kebijakan energi
yang diperlukan dalam mengantisipasi kondisi sistem
energi yang dibutuhkan di masa mendatang.
2) Untuk menguji atau mengevaluasi pengaruh ide-ide

kebijakan energi terhadap sistem energi dalam jangka
waktu tertentu.
Gambar 3 memperlihatkan alur atau proses dalam pemodelan

energi. Langkah awal dimulai dengan memetakan variabel-
variabel yang berpengaruh terhadap permintaan energi seperti
demografi (misal: jumlah penduduk, jumlah rumah tangga,
usia penduduk, dll.) dan ekonomi makro-mikro (Produksi
Domestik Bruto (PDB), inflasi, pendapatan, pengeluaran,

dll.), lalu dilanjutkan analisa terhadap kebutuhan energi yang
dipengaruhi oleh variabel-variabel di atas seperti kepemilikan
terhadap peralatan listrik atau teknologi yang membutuhkan
energi seperti boiler, pompa dan sebagainya. Hasil dari
analisa kebutuhan energi digunakan untuk menganalisa
proses distribusi energi dan analisa suplai energi (diperoleh
baik melalui sumber daya domestik maupun melalui impor
dari negara lain). Seluruh proses penyediaan energi, distribusi
maupun konsumsi energi menghasilkan produk samping
berupa emisi yang dapat dihitung jumlahnya.
Demografi Ekonomi makro-mikro
Permintaan Energi
Emisi Gas Rumah Kaca
Distribusi Energi
Penyediaan Energi
Sumber Daya Energi Impor Energi
Gambar 3: Alur dalam Pemodelan Energi
Seorang pemodel memiliki imajinasi tersendiri tentang bentuk

masa depan yang akan dia modelkan. Begitu juga seorang
pemodel energi, sebelum melakukan pemodelan, perlu
melakukan penggambaran keadaan di masa mendatang
berdasarkan kajian-kajian ilmiah, baik itu berupa gambaran
masa depan tentang masyarakat, lingkungan, teknologi,
perekonomian dan juga kebijakan publik atau situasi politik.
Situasi masa depan yang telah dikaji secara ilmiah itulah
yang kemudian bisa menjadi dasar asumsi untuk pembuatan
sebuah model. Kemudian, pemodel bisa menentukan target
dari sistem energi yang akan dibangun di masa depan
tersebut.
BAB 2
METODOLOGI DALAM PEMBUATAN BASELINE UNTUK SEKTOR ENERGI 7
2.3 Asumsi-asumsi dasar dalam
Pemodelan Energi
Dalam pemodelan energi, seorang pemodel harus
menentukan terlebih dahulu asumsi-asumsi dasar yang
dipergunakan dalam keseluruhan model. Asumsi dasar itu
adalah untuk menampung parameter-parameter umum
yang disederhanakan dari hal-hal komplek seperti; laju
pertumbuhan penduduk, laju pertumbuhan ekonomi makro
dan sebagainya, yang kemudian dianggap sebagai bilangan
yang dipakai secara konsisten di seluruh perhitungan dalam
model
2.4 Metodologi Analisa Permintaan

Energi
Permintaan energi untuk setiap kegiatan adalah produk dari
dua faktor; tingkat aktivitas (layanan energi) dan intensitas
energi (penggunaan energi per unit layanan energi). Selain
itu, total kebutuhan energi nasional atau sektoral dipengaruhi
oleh rincian kegiatan yang berbeda yang membentuk
komposisi, atau struktur permintaan energi. Kebanyakan
analisis energi bottom-up memegang campuran jasa energi
dan kegiatan (dan pada akhirnya di struktur permintaan
energi) yang konstan di seluruh skenario yang berbeda,
tetapi tidak konstan dari waktu ke waktu.
Mengingat keadaan struktur yang konstan, tingkat aktivitas

tergantung pada faktor-faktor seperti jumlah penduduk,
pendapatan dan pertumbuhan ekonomi. Tingkat intensitas
energi tergantung pada efisiensi energi, termasuk aspek
teknologi dan operasional. Sebuah penjumlahan produk
dari dua faktor ini atas semua kegiatan memberikan total
permintaan energi.
di mana:
Qi = kuantitas penggunaan energi
Ii = intensitas konsumsi energi atas penggunaan
peralatan/teknologi
Intensitas I dapat dikurangi dengan mengubah teknologi

untuk meningkatkan efisiensi, tanpa mempengaruhi

tingkat pelayanan energi. Penggunaan energi juga dapat
dikurangi dengan mengurangi penggunaan (jam/tahun) dari
yang diberikan pengguna akhir perangkat (kW), sehingga
mengurangi penggunaan energi tahunan (MWh). Jika
pengurangan ini dicapai dengan mengurangi limbah atau
penggunaan yang diperlukan, misalnya melalui peningkatan
teknologi kontrol, dapat dianggap sebagai peningkatan
efisiensi (mengurangi I). Namun, jika pengurangan berasal
dari konsumen hanya mengambil keuntungan sedikit dari
pengguna akhir, misalnya dengan mengurangi tingkat
pencahayaan atau menaikkan suhu AC, maka penghematan
yang dihasilkan harus benar-benar dianggap sebagai
pengurangan tingkat pelayanan energi (pengurangan Q).
Umumnya, analisis bottom-up mengasumsikan bahwa
pengurangan tersebut dalam jasa energi tidak dibuat, atau
mereka akan dibuat dalam semua skenario dan dengan
demikian tidak diperlakukan sebagai penghematan energi
bersih.
Jumlah penggunaan energi Q tergantung pada beberapa

faktor, termasuk populasi, share penggunaan peralatan/
teknologi tertentu, dan sejauh mana penggunaan setiap
peralatan.
Qi = Ni . Pi . Mi
di mana:
Qi = kuantitas penggunaan energi
Ni = jumlah populasi pengguna atas peralatan/ teknologi
Pi = penetrasi (total unit/total populasi pengguna) atas
peralatan/teknologi (dapat lebih dari >100%
Mi = frekuensi penggunaan peralatan/teknologi
(jumlah jam/lama penggunaan)
Parameter populasi N dapat menjadi jumlah rumah tangga,

bangunan komersial, pelanggan industri, atau jumlah sarana
transportasi. Berbagai definisi dapat digunakan: misalnya,
daripada mendefinisikan ukuran sektor komersial dalam hal
jumlah tempat komersial, orang bisa menggunakan jumlah
total luas lantai komersial untuk menentukan sektor ini.
Persyaratan utama adalah bahwa definisi N harus konsisten
dengan unit dalam penyebut dari variabel penetrasi P.
Nilai P hanyalah bagian dari pelanggan yang menggunakan

layanan listrik (peralatan yang mengkonsumsi gas dan bahan
bakar lainnya harus dihitung secara terpisah). Untuk peralatan
pendinginan ruangan, dan peralatan pengkonsumsi energi
listrik lainnya pada bangunan komersial, parameter penetrasi
BAB 2
biasanya didefinisikan sebagai per meter persegi bangunan.
Untuk membuat analisa proyeksi permintaan energi, seorang
pemodel energi memerlukan informasi rinci tentang tren
konsumsi listrik atau konsumsi energi lainnya yang terbagi
dalam level atau sektoral masing-masing konsumen, jenis
peralatan yang digunakan, dan teknologi atas peralatan
tersebut. Satu set informasi yang baik juga berisi data tentang
efisiensi peralatan yang saat ini digunakan. Pertumbuhan
pemakaian energi kemudian diproyeksikan ke masa depan
sebagai bagian dari skenario baseline.
2.4.1 Sektor Rumah Tangga

Jumlah penggunaan energi sektor rumah tangga adalah
jumlah energi yang diperlukan oleh layanan perumahan
seperti lampu, pendingin udara, pendinginan, penggunaan
televisi, pemanas air, dll.
Setiap pengguna akhir di sektor rumah tangga dapat memiliki

ekspresi spesifik mengikuti format umum:
. ( )
Konsumsi energi di setiap pengguna akhir dapat dihitung

dengan menggunakan persamaan proyeksi berikut:
ERi = Ni . Pi . Mi . Ii
di mana:
ERi = konsumsi energi akhir sektor rumah tangga atas
penggunaan peralatan/teknologi
Ni = total jumlah rumah tangga yang menggunaan peralatan/
teknologi
Pi = tingkat penetrasi atas peralatan/teknologi
Mi = frekuensi penggunaan atas peralatan/teknologi
(jumlah jam/lama penggunaan)
Ii = intensitas konsumsi energi atas penggunaan peralatan/
teknologi
Kebutuhan permintaan energi dari sektor rumah tangga

dapat berbeda-beda bergantung pada tingkat pendapatan.
Oleh karena itu, total kebutuhan energi perumahan dapat
dihitung sebagai berikut:

di mana:
i = peralatan/teknologi
j = tingkat pendapatan
Perhitungan proyeksi permintaan energi di sektor rumah

tangga dapat dikategorikan oleh peralatan/teknologi akhir,
atau oleh kombinasi peralatan/teknologi akhir dan tingkat
pendapatan, atau oleh kombinasi peralatan/teknologi akhir,
tingkat pendapatan, dan jenis konstruksi rumah (misal:
Rumah single Vs Apartemen), dll.
2.4.2 Sektor Industri

Menurut IPCC (2006), perhitungan konsumsi energi di
sektor industri dihitung dari seluruh energi yang dibutuhkan
untuk memproduksi 1 unit produk. Termasuk di dalamnya
adalah konsumsi energi oleh transportasi barang/bahan
baku yang digunakan secara internal di area produksi untuk
menghasilkan produk. Unit energi yang digunakan dapat
disesuaikan dengan standar yang biasa dipakai dalam
industri tersebut, misal: kWh/Ton baja (industri besi/baja),
kCal/kg clinker semen (industri semen), dan GJ/ton kain
tekstil (industri tekstil).
Dalam beberapa kasus di industri proses, bahan bakar

(BBM, gas dan batubara) tidak hanya untuk menghasilkan
energi yang digunakan dalam proses produksi, namun
juga digunakan sebagai bahan baku produksi (feedstock)
atau dalam istilah IPCC disebut sebagai non-energy use of
fuels. Oleh karena itu, bahan bakar yang digunakan sebagai
feedstock tidak dihitung sebagai bagian dari konsumsi
energi di industri. Untuk perhitungan emisi CO2 dari non-
energy use of fuels, silahkan lihat rujukan lebih lanjut di IPCC
(2006) Volume 3, Industrial Processes and Product Use.
Kebutuhan energi di sektor industri dapat di hitung dengan

persamaan:
BAB 2
di mana:
EI = konsumsi energi sektor industri
j = ketegori dalam sektor industri (misal; industri baja,
industri makanan, industri kertas, dll)
Setiap pengguna akhir dapat memiliki ekspresi spesifik

mengikuti format umum:
Kuantitas penggunaan energi Q dapat diidentifikasi sebagai

berikut:
di mana
N = jumlah fasilitas dalam industri ketegori j
P = tingkat penetrasi atas peralatan/teknologi dalam industri
kategori j
M = jumlah produk j yang dihasilkan
2.4.3. Sektor Transportasi

Sektor transportasi merupakan salah satu penyumbang
terbesar dalam proporsi konsumsi energi di Indonesia.
Dalam pembuatan emisi baseline ini, perhitungan konsumsi
energi dari sektor transportasi hanya dilakukan pada sistem
transportasi darat non-kereta api, sedangkan perhitungan
emisi baseline untuk transportasi laut dan udara akan
dihitung langsung oleh Kementrian Perhubungan dengan
metodologi tersendiri. Perhitungan total energi yang
dikonsumsi oleh sektor transportasi darat non kereta-api
dibedakan berdasarkan jenis teknologi dan golongan dari
moda transportasi tersebut, dinyatakan dalam formula
sebagai berikut:

di mana:
ET = konsumsi energi sektor transportasi
i = peralatan/teknologi kendaraan (misal: hybrid, listrik,
konvensional)
j = golongan dari moda transportasi (misal: sedan, SUV, bus,
mini bus, truck, dll.)

Kuantitas penggunaan energi Q pada golongan moda

transportasi tertentu dapat diidentifikasi sebagai berikut:
di mana:
N = jumlah populasi pengguna atas peralatan/teknologi j
P = tingkat penetrasi kepemilikan atas peralatan/teknologi
kategori j
M = frekuensi penggunaan atas moda transportasi tersebut
(jarak pemakaian)
Ii = intensitas konsumsi energi atas moda transportasi tersebut
(liter/km)
2.4.4 Sektor Komersial

Sektor komersial pada dasarnya adalah sektor bangunan,
sehingga akan sangat berguna untuk memisahkan permintaan
energi sektor komersial berdasarkan jenis kegiatan ekonomi
dan jenis bangunannya. Biasanya, konsumsi energi di sektor
komersial didefinisikan berdasarkan tiap luasan lantai yang
dinyatakan dalam dalam kWh/m2.
di mana:
Ec = penggunaan energi di sektor komersial
j = ketegori dalam sektor komersial (tipe bangunan;
perkantoran, perhotelan, rumah sakit, dll)
BAB 2
I sekarang didefinisikan dalam rata-rata daya terpasang

per meter persegi luas lantai atas penggunaan peralatan/
teknologi tertentu. Perlu diketahui bahwa berbagai jenis
bangunan atau area fungsional dalam bangunan bisa
memiliki tingkat penggunaan energi yang berbeda, sehingga
memiliki intensitas yang berbeda pula.
Kuantitas penggunaan energi Q dapat diidentifikasi sebagai

berikut:
di mana:
A = total luas lantai dari bangunan tipe tertentu
P = persentase total luas lantai dari bangunan atas penggunaan
peralatan/teknologi tertentu
M = frekuensi penggunaan atas peralatan/teknologi (jumlah
jam/lama penggunaan)
Pertumbuhan ekonomi yang tinggi akan mempengaruhi laju

pertumbuhan daerah komersial seperti bertambahnya luas
lantai bangunan, penetrasi AC/sistem pendingin ruangan,
bertambahnya durasi penggunaan peralatan, dll Dalam
persamaan ini perbaikan teknis yang diwakili oleh watt
berkurang per meter persegi.
2.5 Metodologi Analisa Penyediaan

Energi
Penyediaan energi dihitung dari total energi yang dibutuhkan
dari seluruh sektor (rumah tangga, industri, transportasi, dan
komersial) dan dengan memperhatikan energi yang hilang
(losses) selama proses transmisi dan distribusi energi tersebut
ke konsumen tiap sektor.

C = (ER + ET + E1 + EC) + EL
di mana:
C = kapasitas suplai energi yang tersedia
ER = total energi yang dikonsumsi oleh sektor rumah tangga
ET = total energi yang dikonsumsi oleh sektor transportasi
E1 = total energi yang dikonsumsi oleh sektor industri
EC = total energi yang dikonsumsi oleh sektor komersial
EL = total energi hilang (losses) selama proses transmisi dan
distribusi
Dalam sebuah sistem pembangkitan listrik, biasanya terdapat

kelebihan kapasitas terpasang dan daya yang dibangkitkan
dibanding dengan jumlah pasokan yang dibutuhkan, atau
sering kali disebut sebagai reserve margin. Hal ini dilakukan
untuk mengantisipasi lonjakan atas permintaan energi dalam
jangka pendek. Reserve margin dapat diperkirakan dengan
perhitungan sebagai berikut:
RM = 100 (C-PL) / PL
di mana:
RM = reserve margin (kapasitas cadangan)
C = kapasitas pembangkit listrik yang tersedia (dalam MW)
PL = beban puncak (dalam MW)
Sehingga, kapasitas total pembangkit listrik atau energi (CT

dalam MW) dapat dihitung dengan menggunakan formula
berikut:
CT = C + RM
2.6 Metodologi Perhitungan Emisi

atas Model Energi
Menurut IPCC (Intergovernmental Panel on Climate Change),
Gas Rumah Kaca terdiri dari karbon dioksida, metan, dan gas
sektor non-energi yang paling umum (SF6, CFC, HCFC dan
HFC). Emisi dari sistem energi dapat dihitung sebagai:
Emisi = EC . EF
di mana:
EC = kapasitas daya pembangkit listrik atau kapasitas daya
pembangkitan energi
EF = faktor emisi atas tipe teknologi tertentu (bahan bakar
yang digunakan) untuk polutan jenis tertentu
BAB 2
BAB 3
BERBAGAI MODEL/SOFTWARE
PERENCANAAN ENERGI UNTUK
PEMBUATAN BASELINE SEKTOR ENERGI
3.1 Kajian Berbagai Model

Perencanaan Energi
Model perencanaan energi adalah berupa software yang digunakan
untuk menghitung keseimbangan antara penyediaan energi dengan
permintaan penggunaan energi dalam jangka waktu tertentu. Model ini
berguna untuk menganalisa kebutuhan kebijakan energi, pembangunan
infrastruktur energi, dan juga kebutuhan akan investasi. Tidak hanya
itu, model ini berguna untuk membantu menghitung emisi GRK yang
dihasilkan dari aktivitas terkait penggunaan energi.
Saat ini terdapat banyak sekali software perencanaan energi baik yang
berlisensi berbayar maupun yang berlisensi gratis yang dikembangkan
oleh berbagai institusi energi internasional terkemuka di dunia seperti
International Energy Agency (IEA), International Atomic Energy Agency
(IAEA), Stockholm Environment Institute (SEI), dan National Institute for
Environmental Studies (NIES). Masing-masing institusi mengembangkan
software perencanaan energi dengan konsep pemodelan yang berbeda-
beda. Setiap software memiliki keunggulan dan kelemahan untuk
digunakan dalam penghitungan Baseline. Penjelasan singkat tentang
software-software perencanaan energi akan dijelaskan lebih lanjut di
bawah ini, sedangkan fitur-fitur keunggulan dan kelemahan setiap
software ditunjukkan dalam Tabel 2.
3.1.1 TIMES/MARKAL
MARKAL (MARket Allocation) adalah sebuah model optimasi terintegrasi
energy-lingkungan-ekonomi yang diperkaya dengan berbagai pilihan
teknologi. Model ini dirancang oleh International Energy Agency (IEA)
Energy Technology Systems Analysis Programme (ETSAP). MARKAL adalah
model yang disesuaikan dengan input data yang merepresentasikan
proyeksi suatu energi-lingkungan jangka panjang (20-50 tahun) yang
spesifik dalam sebuah sistem nasional, regional, propinsi maupun
dalam level komunitas. Sistem pada MARKAL direpresentasikan sebagai
sebuah jaringan sistem energi yang mengalir dari ekstraksi sumber
energi, pengkonversian energi, pendistribusian energi ke konsumen dan
17
penggunaan energi di tingkat konsumen. Masing-masing
jaringan dalam MARKAL terdiri dari tiga pilar utama yakni
koefisien teknis (contoh: kapasitas, teknologi pembangkit,
dan effisiensi), koefisian emisi lingkungan (contoh: CO2,
SOx, dan NOx), dan koefisien ekonomi (contoh: biaya capital
dan waktu pengkomersialan energi). TIMES (The Integrated
MARKAL-EFOM System) membangun sebuah fitur antara
MARKAL dan EFOM (Energy Flow Optimization Model).
Kemudian untuk menjalankan MARKAL diperlukan beberapa
elemen software pendamping seperti user-interface (ANSWER
dan VEDA), GAMS (sebuah modeling sistem level tinggi)
dan software optimasi seperti MINOS, CPLEX or OSL. Info
selengkapnya bisa dilihat di www.etsap.org.
3.1.2 Model for Energy Supply Strategy

Alternatives and their General
Environmental Impacts (MESSAGE)
Model for Analysis of Energy Demand
(MAED)
MESSAGE dikembangkan oleh International Atomic
Energy Agency (IAEA) dan digunakan untuk memformulasi
dan mengevaluasi strategi alternative pengembangan
energi suplai. MESSAGE sangat fleksibel untuk digunakan
menganalisa pasar energi/listrik dan isu perubahan iklim,
seperti: keterbatasan investasi baru, penetrasi pasar terhadap
teknologi baru, kesediaan bahan bakar dan perdagangannya,
dan emisi yang dikeluarkan akibat proses penyediaan energi
terhadap lingkungan. MESSAGE memiliki karakteristik yang
sama dengan keluarga MARKAL dan hanya dapat di jalankan
di Windows.
Seperti MESSAGE, MAED juga dikembangkan oleh

International Atomic Energy Agency (IAEA) dan digunakan
untuk mengevaluasi kebutuhan energi di masa mendatang,
dengan jangkauan waktu menengah hingga jangka
panjang. MAED menggunakan scenario yang berdasarkan
sosioekonomi, teknologi dan pembangunan demografi.
Tidak seperti MESSAGE, MAED dapat digunakan di platform
Windows maupun LINUX. Kedua software ini disediakan
gratis untuk umum, organisasi non-profit dan organisasi
penelitian berdasarkan permohonan kepada IAEA. Untuk
lebih lengkapnya bisa dilihat di www.iaea.org.

3.1.3 Asia-Pasific Integrated Model (AIM)
AIM terdiri dari tiga model utama: 1) model emisi gas
rumah kaca (AIM/Emission), 2) model perubahan iklim
global (AIM/Climate), dan 3) model dampak perubahan
iklim (AIM/Impact). Model AIM/Emission digunakan untuk
memperkirakan emisi gas rumah kaca dan menilai pilihan
kebijakan untuk mengurangi mereka. Model AIM/Climate
digunakan untuk menghitung konsentrasi gas rumah kaca
di atmosfer dan memperkirakan kenaikan suhu rata-rata
global. Model AIM/Impact digunakan untuk memperkirakan
dampak perubahan iklim terhadap lingkungan alam dan
sosial-ekonomi dari kawasan Asia-Pasifik. Meskipun model
ini dikembangkan untuk membantu menanggapi masalah
perubahan iklim, namun juga seringkali digunakan untuk
menganalisa kebijakan pengelolaan energi, pertanian
dan masalah pengelolaan sumber daya air. Model ini
dikembangkan oleh National Institute for Environmental
Studies dan Kyoto University Jepang. Untuk lebih lengkapnya
bisa dilihat di http://www-iam.nies.go.jp/
3.1.4 Long-range Energy Alternatives Planning

System (LEAP)
LEAP adalah sebuah modeling tool yang komprehensif
dan merupakan integrasi scenario yang didasarkan pada
energi dan lingkungan. LEAP dibangun oleh Stockholm
Environment Institute (SEI). Skenario yang dijalankan di
LEAP menghitung energi konsumsi, pengkonversiannya dan
juga energi yang diproduksi dalam sebuah energi system
berdasarkan beberapa asumsi, diantaranya adalah populasi,
pembangunan ekonomi, teknologi dan harga. LEAP
terkenal karena penggunaannya yang mudah (user friendly).
Tidak seperti MARKAL yang bekerja dengan metodologi
optimasi, LEAP bekerja berdasarkan metodologi accounting
dan sekaligus dapat menggunakan metodologi optimasi
sederhana. Software ini hanya bekerja pada platform
Windows dan dirancang untuk bisa terintegrasi dengan
Microsoft Office sehingga memudahkan hasil simulasi dari
LEAP untuk diexport ke Microsoft Office maupun sebaliknya.
Software ini menyediakan free-license bagi pengguna yang
berada di negara berkembang. Info selengkapnya bisa dilihat
di www.energycommunity.org.
BAB 3
BERBAGAI MODEL/SOFTWARE PERENCANAAN ENERGI UNTUK 19
Tabel 2: Karakteristik Beberapa Software Perencanaan Energi
Karakteristik MARKAL AIM MESSAGE LEAP
Menyediakan Tidak Tidak Tidak Database
database terintegrasi teknologi,
biaya, dan
faktor emisi
dari IPCC
Interval waktu dalam Diatur oleh Diatur oleh Diatur oleh Diatur oleh
proyeksi pemodel, pemodel, pemodel, pemodel,
biasanya biasanya biasanya biasanya
digunakan digunakan digunakan menggunakan
interval setiap interval setiap interval setiap interval periode
periode 5 atau periode 5 atau periode 5 atau per-tahun
10 tahun. 10 tahun. 10 tahun.
Keahlian yang Tinggi Tinggi Tinggi Rendah
dibutuhkan dalam Menengah
penggunaan
Tingkat usaha yang Sulit Sulit Sulit Sederhana
dibutuhkan dalam
penggunaan
Kemampuan dalam Sederhana Sederhana Sederhana Lanjut
membuat laporan
Kemampuan Sederhana Sederhana Sederhana Komplek

pengaturan data
Software basic yang Windows, Windows, Windows, Windows
dibutuhkan untuk GAMS, solver GAMS, solver GAMS, solver &
menjalankan model & interface & interface interface
Pemecahan masalah/ Sulit Sangat sulit Sangat sulit Mudah
Troubleshooting
Tingkat kesulitan Menengah Tinggi Tinggi Menengah

untuk mempelajari
penggunaan
3.2. Pemodelan dalam Pembuatan

Baseline untuk Sektor Energi
LEAP telah diadopsi dan digunakan oleh ribuan organisasi di
lebih dari 190 negara di seluruh dunia oleh instansi pemerintah,
akademisi, lembaga swadaya masyarakat, perusahaan
konsultan, dan perusahaan energi. Telah digunakan di
berbagai skala yang berbeda mulai dari aplikasi nasional,
regional dan global. Penggunaan LEAP telah menjadi standar
bagi negara-negara yang melakukan perencanaan sumber
daya energi yang terpadu, penilaian mitigasi gas rumah kaca
(GRK), dan strategi pembangunan rendah emisi terutama
di negara berkembang. Banyak negara juga telah memilih

untuk menggunakan LEAP sebagai bagian dari komitmen
mereka untuk melaporkan kepada UNFCCC.
Dengan menggunakan LEAP, pengguna dapat melakukan

analisa secara cepat dari sebuah ide kebijakan energi
ke sebuah analisa hasil dari kebijakan tersebut, hal ini
dikarenakan LEAP mampu berfungsi sebagi database, sebagai
sebuah alat peramal (forecasting tool) dan sebagai alat analisa
terhadap kebijakan energi. Berfungsi sebuah database, LEAP
menyediakan informasi energi yang lengkap. Sebagai sebuah
alat peramal, LEAP mampu membuat proyeksi permintaan
dan penyediaan energi dalam jangka waktu tertentu sesuai
dengan keinginan pengguna. Sebagai alat analisa terhadap
kebijakan energi, LEAP memberikan pandangan hasil atas
efek dari ide kebijakan energi yang akan diterapkan dari
sudut pandang penyediaan dan permintaan energi, ekonomi,
dan lingkungan.
Keunggulan LEAP dibanding perangkat lunak perencanaan/

pemodelan energi-lingkungan yang lain adalah tersedianya
sistem antarmuka (interface) yang menarik dan memberikan
kemudahan dalam penggunaan sehingga cocok untuk
digunakan oleh para pemula, tersedia secara cuma-cuma
(freeware) bagi masyarakat negara berkembang, adanya
dukungan yang kuat dari komunitas pengguna LEAP di
seluruh dunia maupun dari SEI selaku pengembang model,
dan metodologi pemodelan yang transparan dan telah diakui
secara luas di dunia internasional.
Berdasarkan beberapa pertimbangan atas keunggulan dan

kelemahan berbagai software perencanaan energi yang ada,
maka disepakati bahwa LEAP adalah software perencanaan
energi yang paling sesuai untuk pembuatan Baseline untuk
menghitung emisi GRK dari sektor energi di Indonesia.
BAB 3
3.3 Pengenalan Singkat tentang LEAP
Data yang terorganisasi
Menu Utama Tempat
dalam diagram pohon
memasukan data
Tombol cepat untuk Data yang dapat ditampilkan dalam

mengganti area tampilan bentuk grafik maupun tabel
Gambar 4: Tampilan antarmuka LEAP
Tampilan antarmuka LEAP sebagai mana ditunjukkan

dalam Gambar 4 sangat sederhana sehingga mudah
dipahami dan digunakan. Area tampilan utama yang
digunakan untuk memasukkan data pada LEAP disebut
Analisis. Pada area Analisis, terdapat empat bagian
utama, yakni:
1. Diagram Pohon: Diagram pohon merupakan tempat

di mana pengguna dapat mengorganisasi data, baik
untuk melakukan analisa di sisi permintaan energi
(demand) maupun di sisi penyediaan energi (supply).
Pengguna dapat memodifikasi diagram tersebut,
baik merubah nama cabang pada diagram (branch)
dengan cara mengeklik cabang yang akan dirubah
kemudian mengetik nama yang baru, selain itu
pengguna juga dapat membuka maupun menutup
isi dari cabang yang diinginkan dengan mengeklik
simbol +/-. Untuk mengedit diagram pohon, klik
kanan pada cabang dan gunakang Tambah ( ),
Hapus ( ) dan Properti ( ).

Diagram pohon terdiri dari berbagai macam cabang. Setiap
tipe cabang bergantung pada modul masing-masing. Di
dalam LEAP, terdapat lima modul, yaitu: Asumsi kunci
(key asumptions), Permintaan (demand), Transformasi
(transformation), Sumberdaya (resources) dan Dampak
Sektor Non-Energi (non energy sector effects).
Asumsi kunci (key asumptions)

Untuk menampung parameter-parameter umum yang
dapat digunakan pada modul permintaan maupun
modul transformasi. Parameter umum ini misalnya
adalah jumlah penduduk, PDB (produk domestik
bruto), dan sebagainya. Modul asumsi kunci ini
sifatnya komplemen terhadap modul lainnya. Pada
model yang sederhana, dapat saja modul ini tidak
difungsikan.
Permintaan (demand)
Untuk menghitung permintaan energi. Pembagian
sektor pemakai energi sepenuhnya dapat dilakukan
sesuai kebutuhan pengguna. Permintaan energi
didefinisikan sebagai perkalian antara aktifitas
pemakaian energi (misalnya jumlah penduduk, jumlah
kendaraan, volume nilai tambah, dsb.) dan intensitas
pemakaian energi kegiatan yang bersangkutan.
Transformasi (transformation)
Untuk menghitung pasokan energi, dapat dihitung
atas produksi energi primer (gas bumi, minyak bumi,
batubara, dsb.) dan energi sekunder (listrik, bahan
bakar minyak, LPG, briket batubara, arang, dsb.).
Susunan cabang dalam modul transformasi sudah
ditentukan strukturnya, yang masing-masing kegiatan
transformasi energi terdiri atas proses dan hasil
(output).
Sumberdaya (resources)
Terdiri atas primer dan sekunder. Kedua cabang ini
sudah didesain secara default. Cabang-cabang dalam
modul sumberdaya akan muncul dengan sendirinya
sesuai dengan jenis-jenis energi yang dimodelkan
dalam modul transformasi. Beberapa parameter perlu
diisikan, seperti jumlah cadangan (minyak bumi, gas
bumi, batubara, dsb.) dan potensi energi (tenaga air,
biomasa, dsb.).
BAB 3
Dampak Sektor Non-Energi (non energy sector
effects)
Untuk menempatkan variabel-variabel dampak negatif
kegiatan sektor energi, seperti tingkat kecelakaan,
penurunan kesehatan, terganggunya ekosistem, dsb.
Setiap tipe cabang yang berbeda akan dibedakan dengan

ikon yang berbeda pula. Ikon-ikon tersebut dapat dijelaskan
sebagai berikut:
Cabang Kategori, digunakan untuk mengorganisasi

data yang berada pada diagram pohon. Pada analisa
permintaan energi, cabang ini hanya memuat data
level aktifitas pemakaian energi dan biaya. Pada
analisa penyediaan energi, cabang ini digunakan untuk
mengindikasikan jenis energi yang dikonversi, seperti
pembangkitan listrik, penyulingan minyak (oil refining) dan
pengekstraksian sumberdaya energi.
Cabang Teknologi, memuat data tentang teknologi yang

mengkonsumsi, memproduksi dan mengkonversi energi.
Pada analisa penyediaan energi, cabang teknologi ditandai
dengan ikon . Pada analisa permintaan energi, cabang
teknologi mengindikasikan bahan bakar yang digunakan
dan juga intensitas energinya. Cabang teknologi pada
sisi permintaan dapat dibedakan ke dalam tiga macam
bentuk, tergantung pada tipe analisa metodologi yang
dipilih, yakni: Analisa aktivitas ( ), Analisa ketersediaan/

stock ( ), dan Analisa pengangkutan ( ).
K Cabang Asumsi Kunci, memuat variable/parameter
independen seperti jumlah penduduk dan PDB (produk

domestik bruto).
Cabang Bahan Bakar, terletak dibawah modul

sumberdaya, dan juga terletak dibawah modul transformasi.
Digunakan untuk merepresentasikan bahan bakar yang
diproduksi oleh modul.
Cabang Emisi Lingkungan, merepresentasikan berbagai

macam polutan yang dihasilkan oleh permintaan energi
dan teknologi transformasi.
2. Tabel Data: Area Analisis mempunyai dua panel yang

berada di sebelah kanan diagram pohon. Pada panel yang
bagian atas berupa tabel sebagai tempat masukan data
(input).
3. Grafik/Tabel: Panel bagian bawah berupa grafik yang

merupakan representasi dari data yang pengguna
masukkan. Grafik tersebut dapat ditampilkan dalam
berbagai bentuk, seperti bar, pie, maupun garis. Grafik
ini dapat diekspor ke dalam bentuk Microsoft Excel atau
Power Point.
BAB 3
BAB 4
BASELINE UNTUK SEKTOR ENERGI
DENGAN MENGGUNAKAN LEAP
4.1. Metodologi Penyusunan Baseline

Penyusunan Baseline ini meliputi 33 propinsi di Indonesia. Proses
pengerjaan di tingkat propinsi dimulai dari pengumpulan data baik data
yang berfungsi sebagai asumsi dasar (seperti demografi dan kondisi
ekonomi) maupun data kebutuhan energi di tiap sektor (sektor industri,
rumah tangga, komersial, dan transportasi). Proses pengumpulan
data ini juga untuk memetakan potensi dan ketersediaan infrastruktur
penyediaan energi yang ada di tiap propinsi. Proses pengumpulan data
dan penggolongan jenis data yang diperlukan, ditunjukkan dalam Gambar
5 dan 6.
Rumah Tangga
Ekonomi
Pengumpulan Data Industri
Demografi
Komersial
Transportasi
Analisa Statistik
Gambar 5: Proses pengumpulan data untuk pembuatan Baseline
Setelah proses pengumpulan data terselesaikan, proses selanjutnya dalam

penyusunan Baseline dimulai dari penentuan kerangka dari pemodelan
sistem energi. Sesuai dengan Rencana Aksi Nasional Penurunan Emisi Gas
Rumah Kaca (RAN-GRK), maka proyeksi perhitungan emisi adalah mulai
dari tahun 2010 sebagai tahun dasar hingga tahun 2020 sebagai tahun
akhir. Data-data asumsi dasar berupa kondisi dan tren pertumbuhan
ekonomi dan demografi menjadi input pada tahun dasar. dan tahun-
tahun perhitungan selanjutnya.
27
Data-data penggunaan akhir berbagai peralatan
pengkonsumsi energi dari berbagai sektor seperti industri,
rumah tangga, transportasi dan komersial, digunakan sebagai
bahan untuk perhitungan konsumsi energi pada setiap
propinsi. Hasil dari perhitungan konsumsi energi dibutuhkan
untuk mendapatkan hasil perhitungan proyeksi pemenuhan
suplai energi. Total emisi dari sektor energi diperoleh dari
hasil perhitungan suplai energi yang dibutuhkan dan
emisi faktor yang sesuai dengan bahan bakar dan teknolgi
yang digunakan dalam sistem energi tersebut. Gambar 7
memperlihatkan langkah-langkah penyusunan Baseline
dengan menggunakan LEAP.
Keramik
Semen
Rumah Sakit Komersial
Industri Tekstil
Perkantoran
Baja
Hotel PENGUMPULAN
DATA Petrokimia
Mall
Pulpl & Kertas
City Car/Motor
Pribadi Transportasi Makanan
Family Car
Pupuk
Minibus
Bus Umum Rumah R1-450 VA
Taxi R1-900 VA
Rail R1-1300 VA
Truck Bisnis R1-2200 VA
Trailer R2-4400 VA
Gambar 6: Penggolongan data di tiap sektor yang diperlukan dalam

pembuatan Baseline

(1)
Tahun dasar 2010
Menentukan
Tahun akhir 2020
Framework
(2)
Input tahun dasar Demografi
information Ekonomi
Pertumbuhan (3)
populasi Perkiraan tren kondisi social
Pertumbuhan ekonomi
Ekonomi
Rumah tangga
(4)
Komersial
Perhitungan proyeksi
Industri
konsumsi energi
Transportasi
(5)
suplai energi
(6)
emisi
Gambar 7: Prosedur dalam pembuatan Baseline dengan menggunakan

LEAP
4.2. Metode Perhitungan Konsumsi

Energi Pada LEAP
Secara default, konsumsi energi dihitung sebagai produk dari
suatu tingkat aktivitas atau frekuensi dan intensitas energi
tahunan (penggunaan energi per unit aktivitas). Keseluruhan
kegiatan didefinisikan sebagai produk dari kegiatan individual.
Biasanya, kegiatan yang ditentukan sebagai nilai absolut
tunggal (misalnya jumlah rumah tangga) dikalikan dengan
serangkaian persentase atau tingkat penetrasi (misalnya
pangsa persentase rumah tangga perkotaan dan pedesaan,
penetrasi dari pengguna peralatan seperti AC dan kulkas).
Total konsumsi energi dengan demikian dihitung dengan

persamaan:
Konsumsi energi = tingkat aktivitas atau frekuensi x

intensitas energi
BAB 4
BASELINE UNTUK SEKTOR ENERGI DENGAN MENGGUNAKAN LEAP 29
Dalam analisis permintaan energi final, permintaan energi
dihitung sebagai produk dari total tingkat aktivitas dan
intensitas energi pada setiap teknologi tertentu. Permintaan
energi dihitung untuk tahun dasar proyeksi dan untuk setiap
tahun selama periode proyeksi. Dengan kata lain:
Dt = TAt . EIt
Dimana D adalah permintaan energi, TA adalah aktivitas total,

EI adalah intensitas energi, dan t adalah tahun proyeksi (mulai
dari tahun dasar hingga tahun akhir tahun). Permintaan
energi dihitung untuk setiap cabang teknologi diidentifikasi
atas dasar bahan bakar tertentu yang digunakan. Dengan
demikian, dalam menghitung semua cabang teknologi, LEAP
menghitung total kebutuhan energi final dari masing-masing
bahan bakar.
4.2.1 Metode Perhitungan Sektor Industri pada

LEAP
Metode perhitungan konsumsi energi di sektor industri pada
dasarnya mengikuti metode umum perhitungan konsumsi
energi pada LEAP. Akan tetapi pada sektor industri, aktivitas
total dihitung berdasarkan hasil produksi yang dihasilkan
oleh industri tersebut. Sehingga persamaan perhitungan
konsumsi energi sebagai berikut:
Konsumsi energi = Total produksi (ton) x Energi yang

dikonsumsi pada setiap aktivitas produksi (Joule/ton)
Secara detail, konsumsi energi disektor industri dalam LEAP

dapat dihitung berdasarkan jenis peralatan yang digunakan
dalam proses produksinya, yakni dengan menggunakan
persamaan sebagai berikut:
Di mana:
Ei adalah konsumsi energi di industri
Ni,j adalah jumlah total peralatan i dalam sub-sektor j
Pi,j adalah tingkat penetrasi dari peralatan i dalam sub-sektor j
Mi,j adalah produks yang dihasilkan oleh peralatan i dalam
sub-sektor j yang mengkonsumsi energi (Ton)
Ii,j adalah intensitas energi dari peralatan i dalam sub-sektor j
(Joule/peralatan)
i adalah peralatan dalam industri, i = 1,2,3,....,n
j adalah sub-sektor dalam industri, j = 1,2,3.....,m

4.2.2 Metode Perhitungan Sektor Transportasi
pada LEAP
Dalam LEAP, konsumsi energi dihitung sebagai produk dari
jumlah kendaraan, jarak tempuh rata-rata tahunan (jarak
bepergian) dan konsumsi bahan bakar (liter per km). Stok
kendaraan pada tahun dasar dapat dihitung dari data
historis penjualan kendaraan dan lama usia kendaraan
dapat digunakan. Dalam pembuatan Baseline, proyeksi
penjualan kendaraan masa depan, jarak tempuh rata-rata
para pengemudi dan konsumsi bahan bakar kendaraan di
masa depan, dan tingkat emisi kendaraan di masa depan
harus diperhitungkan. Informasi lama usia kendaraan
dapat digunakan dapat digunakan untuk menggambarkan
bagaimana jarak tempuh, konsumsi bahan bakar dan emisi
kendaraan berhubungan linear dengan usia kendaraan.
Konsumsi energi dari sektor transportasi dalam LEAP dihitung
sebagai berikut:
Konsumsi energi = stok atau jumlah kendaraan x jarak

tempuh rata-rata x tingkat konsumsi bahan bakar
LEAP akan menghitung tingkat konsumsi, jarak tempuh dan

emisi dari keseluruhan kendaraan berdasarkan stok atau
jumlah kendaraan lama maupun baru yang sudah dimiliki
oleh masyarakat. Hasil perhitungan ini pada akhirnya dapat
menghasilkan jumlah emisi dan konsumsi energi dari sektor
transportasi.
Berbeda dengan dua metode analisis konsumsi energi di

sektor lainnya, yang hanya memungkinkan faktor emisi
ditentukan per unit energi yang dikonsumsi (misalnya kg/
TJ), metode analisa konsumsi energi di sektor transportasi
menggunakan faktor emisi per unit jarak yang ditempuh oleh
kendaraan (misalnya gram/km).
BAB 4
Box 1. Perhitungan Tingkat Lanjut untuk Sektor Transportasi.
Data stok atau jumlah kendaraan dapat dalam setiap tahun proyeksi
dapat dihitung dengan cara manual melalui metode statistik yang
dikembangkan oleh Pongthanaisawan (2010) sebagai berikut;
( )
Di mana:
Vstock,i,j (t) adalah the total stok of kendaraan tipe i , dengan bahan
bakar j, pada tahun t
Vsale,i (v) adalah jumlah kendaraan baru tipe i yang terjual pada tahun
v
( ) adalah rate kendaraan tipe i yang masih beroperasi dengan
umur k (%)
v adalah tahun lampau dari kendaraan, dimana v < t
v adalah tahun stok paling lama dari kendaraan.
k adalah usia dari kendaraan, di mana k = t v .
( ) ( ) ( )]
Di mana:
Vremain,i(t,v) adalah jumlah kendaraan tipe i yang telah terjual pada
tahun v, yang masih digunakan pada tahun t
Vsale,i(v) adalah jumlah kendaraan baru tipe i yang terjual pada tahun
v
( )adalah rate kendaraan tipe i yang masih beroperasi dengan
umur k (%)
v adalah tahun lampau dari kendaraan, dimana v < t
v adalah tahun stok paling lama dari kendaraan.
k adalah usia dari kendaraan, di mana k = t v .
Jumlah kendaraan baru yang terjual setiap tahun dapat dihitung
dengan menggunakan simple logistic model:
Di mana:
Vsale,i(t) adalah jumlah kendaraan terjual tipe i pada tahun t
Gcap(t) adalah PDB per kapita pada tahun t
Decon(t) adalah data dummy atas kondisi krisis ekonomi pada tahun t
a, b, and c adalah koefisien
Survival rate pada kendaraan adalah probabilitas kendaraan tersebut
masih dapat dipakai seiring dengan bertambahnya usia kendaraan.
( ) (0)
Di mana:
( ) is the survival rate kendaraan tipe i dengan usia k
k adalah usia kendaraan
bi adalah tingkat kematian kendaraan tipe I (kendaraan akan mati
dengan bertambahnya usia)
Ti adalah karakteristik usia hidup kendaraan tipe i.

4.3 Metode Perhitungan Produksi
Energi Pada LEAP
Dalam analisis sistem energi, pemodel energi mensimulasikan
konversi dan transmisi suatu bentuk energi mulai dari
ekstraksi sumber daya primer menjadi bahan bakar hingga
sampai ke konsumsi final bahan bakar tersebut Produksi
listrik adalah tranformasi atau konversi energi yang penting
dalam sebuah sistem energi. LEAP dapat menghitung proses
produksi listrik berdasarkan faktor beban (load factor) pada
tahun dasar yang didefinisikan sebagai berikut:
Reserve margin digunakan oleh LEAP untuk memutuskan

kapan untuk secara otomatis menambah kapasitas listrik
tambahan yang dibutuhkan, dengan demikian kebutuhan
total pembangkit listrik yang diperlukan di masa mendatang
dapat diketahui.
Reserve Margin (%) = 100 * (Kapasitas Pembangkit Beban

Puncak) / Beban Puncak
Puncak beban (peak load) dihitung berdasarkan kebutuhan

listrik dan faktor beban. Total kebutuhan listrik dihitung
berdasarkan analisis kebutuhan energi dan kerugian listrik
akibat proses dalam transmisi dan distribusi listrik.
4.4 Metode Perhitungan Emisi dari

Produksi dan Konsumsi Energi
LEAP menggunakan perhitungan emisi sesuai dengan
standar IPCC yang telah di jelaskan di sub-bab 3.6, yakni:
Emisi = EC . EF
di mana:
EC = konsumsi energi
EF = faktor emisi atas tipe teknologi tertentu (bahan bakar
yang
digunakan) untuk polutan jenis tertentu.
BAB 4
Emisi faktor yang digunakan dalam hal ini disesuaikan
dengan emisi faktor lokal Indonesia yang dijelaskan pada
Tabel 3, 4, 5, dan 6 berurut-turut adalah faktor emisi untuk
bahan bakar rumah tangga, transportasi, faktor emisi untuk
sistem jaringan kelistrikan di seluruh Indonesia, dan faktor
emisi untuk sektor industri.
Tabel 3: Faktor emisi bahan bakar rumah tangga

Jenis BBM Faktor Emisi
Kayu bakar 1,75 kg CO2/kg kayu bakar
Liquefied Petroleum Gas (LPG) 2,98 kg CO2/kg LPG
Minyak Tanah 2,58 kg CO2/liter minyak tanah
Sumber: Petunjuk Teknis Pemantauan, Evaluasi, dan Pelaporan (PEP)
Pelaksanaan RAD-GRK
Tabel 4: Faktor emisi bahan bakar transportasi

Jenis BBM Faktor Emisi (kg CO2/liter BBM)
Solar (diesel oil) 2,2
Premium (fuel oil) 2,6
Pelaksanaan RAD-GRK
Tabel 5: Faktor emisi jaringan ketenagalistrikan

Sistem Ketenagalistrikan Baseline Faktor Emisi
(kgCO2/kWh)
Jawa-Madura-Bali 0,725
Sumatera 0.743
Kaltim 0,742
Kalbar 0,775
Kateng dan Kalsel 1,273
Sulut, Sulteng, Gorontalo 0,161
Sulsel, Sulbar, Sultra 0,269
Pelaksanaan RAD-GRK

Tabel 6: Faktor emisi untuk sektor Industri
Faktor Emisi (ton NCV (TJ/ %C
Bahan Bakar CO2/TJ) Gg)
CO2 CH4 N2O
Gas alam 56,10 1 0,1 48 73,4%
LPG 63,10 1 0,1 47,3 81,4%
Biodiesel 70,80 3 0,6 27 52,1%
Jet Kerosene 71,50 3 0,6 44,1 86,0%
Kerosen lainnya 71,90 3 0,6 43,8 85,9%
Minyak diesel 74,10 3 0,6 43 86,9%
Minyak residu 77,40 3 0,6 40,4 85,3%
Batubara antrasit 98,30 10 1,5 26,7 71,6%
Batubara bituminous 94,60 10 1,5 25,8 66,6%
Batubara sub-bituminous 96,10 10 1,5 18,9 49,5%
Lignit 101 10 1,5 11,9 32,8%
Kayu/limbah kayu 112 30 4 15,6 47,7%
Biomassa padat lainnya 100 30 4 11,6 31,6%
Black liquor 95,30 3 2 11,8 30,7%
Coke 107 10 1,5 28,2 82,3%
Sumber: Modul Pelatihan Inventarisasi Emisi Gas Rumah Kaca dan Penghitungan
Baseline Bidang Energi, Transportasi, dan Industri
BAB 4
BAB 5
EMISI BASELINE UNTUK SEKTOR
BERBASISI ENERGI DENGAN
MENGGUNAKAN LEAP
Hingga bulan Desember 2012, 33 propinsi telah menyelesaikan perhitungan Baseline
yang dituangkan dalam Rencana Aksi Daerah Pengurangan Gas Rumah Kaca (RAD-
GRK). Hasil pemodelan yang dilakukan di setiap propinsi kemudian dilakukan
kompilasi baik dari sektor energi maupun sektor transportasi secara nasional Gambar
8 menunjukkan total kompilasi Baseline di seluruh propinsi di Indonesia. Terlihat
bahwa mayoritas emisi gas rumah kaca dihasilkan oleh propinsi-propinsi di pulau
Jawa, yakni Jawa Barat, Banten, Jawa Tengah, Jawa Timur dan DKI Jakarta.
Kompilasi BaU Baseline Kelompok Bidang Energi
700,000,000
600,000,000
500,000,000
400,000,000
300,000,000
200,000,000
100,000,000
0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
NAD Sumut Sumbar Kepri Riau Jambi Sumsel
Babel Bengkulu Lampung Banten Jabar Jatim Jateng
DIY DKI Jakarta Bali NTB NTT Kalbar Kaltim
Kalteng Sulut Kalsel Sulteng Sultra Sulsel Sulbar
Gorontalo Maluku Malut Papua Papua Barat
Gambar 8: Kompilasi Baseline Nasional tiap propinsi di Indonesia

(Sekretariat RAN-GRK, 2014)
Total emisi gas rumah kaca sektor berbasis energi pada tahun dasar proyeksi 334 juta
ton CO2e. Sedangkan total emisi gas rumah kaca di tahun proyeksi 2020, naik secara
signifikan dua kali lipat menjadi sebanyak 633 juta ton setara CO2.
Sebagaimana disebutkan sebelumnya, perhitungan baseline sektor berbasis energi

untuk RAD-GRK dibagi menjadi dua sektor utama, yaitu sektor energi dan sektor
transportasi. Ulasan mengenai masing-masing sektor akan dibahas sebagaimana
berikut ini.
37
5.1 Hasil Perhitungan Emisi Baseline
Sektor Energi
Emisi Baseline sektor energi yang telah dihitung dari keseluruh
propinsi di Indonesia yang dikategorikan dalam setiap pulau
akan dibahas di bawah ini:
5.1.1 Pulau Sumatra

Dari hasil perhitungan emisi BAU Baseline dengan LEAP
dari sektor energi untuk wilayah Sumatra pada tahun 2010
menunjukkan bahwa propinsi Sumatera Utara menghasilkan
emisi gas rumah kaca terbanyak di antara seluruh propinsi di
Sumatra, yaitu sebesar 13,6 juta ton setara CO2 (Gambar 9). Hal
ini menunjukkan bahwa propinsi Sumatera Utara, khususnya
kota Medan saat ini menjadi pusat aktivitas ekonomi dan
sekaligus menjadi daerah dengan pembangunan terpesat di
kawasan Sumatra.
35,000,000
30,000,000
Ton CO2-equivalent
25,000,000
20,000,000
15,000,000
10,000,000
5,000,000
0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Aceh North Sumatera West Sumatera Riau
Jambi South Sumatera Bengkulu Lampung
Gambar 9: Proyeksi emisi gas rumah kaca di tiap propinsi di Pulau Sumatra
Di akhir tahun proyeksi, 2020, propinsi Sumatra Utara masih

menghasilkan emisi terbesar di Sumatra Utara sebesar 40
juta ton setara CO2.

5.1.2 Pulau Jawa dan Bali
Sebagai daerah terdepan dalam pembangunan ekonomi
dan infrastruktur, pulau Jawa dan Bali merupakan tulang
punggung kegiatan ekonomi dan sekaligus pusat permintaan
energi di Indonesia. Oleh karena itu, di tahun 2010, propinsi
Banten dan Jawa Barat memproduksi gas rumah kaca sebesar
74,3 dan 70 juta ton setara CO2 (Gambar 10). Nilai emisi
yang dihasilkan di dua propinsi tersebut melampaui produksi
total emisi di pulau Sumatra. Sebagaimana diketahui, wilayah
Banten dan Jawa Barat memiliki jumlah industri terbanyak
di Indonesia, hal ini dikarenakan kedua wilayah tersebut
merupakan daerah penyokong kebutuhan dan aktivitas
ekonomi di Jakarta.
Di tahun 2020, diperkirakan jumlah emisi di propinsi Jawa

Barat akan naik secara drastis lebih dari dua kali lipat hingga
mencapai 129 juta ton setara CO2. Hal ini dikarenakan
pertumbuhan sektor industri di Jawa Barat tumbuh sangat
pesat yang mengakibatkan konsumsi energi yang terus naik.
Wilayah lain di pulau Jawa seperti DKI Jakarta, Jawa Tengah,
DI Yogyakarta, dan Bali juga mengalami kenaikan produksi
emisi gas rumah kaca, namun tidak setinggi Jawa Barat.
140,000,000
120,000,000
Ton CO2-equivalent
100,000,000
80,000,000
60,000,000
40,000,000
20,000,000
0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Banten West Java East Java Central Java
DI Yogyakarta DKI Jakarta Bali
Gambar 10: Proyeksi emisi gas rumah kaca di tiap propinsi di pulau Jawa
dan Bali
BAB 5
EMISI BASELINE UNTUK SEKTOR BERBASISI ENERGI DENGAN 39
MENGGUNAKAN LEAP
Emisi gas rumah kaca di pulau Jawa dan Bali dihitung dari
tahun dasar 2010 hingga tahun akhir proyeksi 2020. Pada
tahun 2010, total emisi dari seluruh aktivitas energi di pulau
Jawa dan Bali tercatat sebesar 270,4 juta ton setara CO2. Pada
akhir proyeksi perhitungan emisi gas rumah kaca, diperoleh
bahwa total emisi di pulau Jawa dan Bali sebesar 418,5 juta
ton setara CO2.
5.1.3 Pulau Kalimantan

Pada tahun 2010, propinsi Kalimantan Timur merupakan
produsen emisi gas rumah kaca terbesar di pulau Kalimantan,
tercatat sebanyak 5,6 juta ton setara CO2 dihasilkan (Gambar
11). Kemudian setelah propinsi Kalimantan Timur adalah
propinsi Kalimantan Barat sebagai penghasil emisi gas rumah
kaca terbesar kedua di pulau Kalimantan, yakni sebanyak 3,5
juta ton setara CO2.
20,000,000
18,000,000
16,000,000
Ton CO2-equivalent
14,000,000
12,000,000
10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
West Kalimantan East Kalimantan Central Kalimantan South Kalimantan
Gambar 11: Proyeksi emisi gas rumah kaca di tiap propinsi di Pulau
Kalimantan
Emisi gas rumah kaca di propinsi Kalimantan Timur meningkat

tiga kali lipat pada tahun 2020 seiring dengan pertumbuhan
ekonomi di wilayah tersebut, yakni sebanyak 18,4 juta ton
setara CO2. Sedangkan di wilayah Kalimantan Barat produksi
gas rumah kaca meningkat sebanyak dua kali lipat dari
jumlah emisi pada tahun 2010. Total emisi yang diproduksi
oleh pulau Kalimantan sebanyak 33,7 juta ton setara CO2
atau meningkat hampir tiga kali lipat dari emisi pada tahun
2010.

5.1.4 Pulau Sulawesi dan Papua
Wilayah di pulau Sulawesi yang menghasilkan emisi gas
rumah kaca terbesar adalah propinsi Sulawesi Selatan di
mana kota Makasar berada. Makasar adalah salah satu kota
terbesar dengan pembangunan ekonomi dan infrastruktur
terbaik di Indonesia. Pada tahun 2010, propinsi Sulawesi
Selatan menghasilkan emisi sebesar 3,5 juta ton setara
CO2 (Gambar 12). Emisi yang dihasilkan propinsi-propinsi
lain di pulau Sulawesi seperti Sulawesi Barat, Sulawesi,
Tenggara, Sulawesi Utara, Sulawesi Tengah, dan Gorontalo
terpaut sangat jauh dibandingkan dengan emisi gas rumah
kaca yang dihasilkan oleh propinsi Sulawesi Selatan. Hal
ini juga menunjukkan bahwa terdapat perbedaan yang
siginifikan dalam pertumbuhan ekonomi dan pembangunan
infrastruktur antar wilayah di Sulawesi. Sedangkan di pulau
Papua, hanya propinsi Papua yang melakukan pembuatan
proyeksi BAU Baseline, sehingga perhitungan emisi gas
rumah kaca yang dihasilkan tidak meliputi propinsi Papua
Barat.
16,000,000
14,000,000
Ton CO2-equivalent
12,000,000
10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
North Sulawesi Central Sulawesi Southeast Sulawesi South Sulawesi
West Sulawesi Gorontalo Papua
Gambar 12: Proyeksi emisi gas rumah kaca di tiap propinsi di Pulau
Sulawesi dan Papua
Berdasarkan hasil pemodelan dengan menggunakan LEAP,
terlihat bahwa pada tahun 2020, produksi emisi gas rumah
kaca di propinsi Sulawesi Selatan naik lebih dari empat kali
lipat menjadi sebanyak 15 juta ton setara CO2. Kenaikan
produksi emisi gas rumah kaca yang signifikan juga diikuti
oleh propinsi Sulawesi Tenggara di tahun 2020 menjadi
BAB 5
MENGGUNAKAN LEAP
sebanyak 4,9 juta ton setara CO2. Keadaan di Pulau Papua
juga hampir sama, pertumbuhan ekonomi dan pembangunan
infrastruktur di tahun 2020 diproyeksikan akan membuat
produksi emisi gas rumah kaca di propinsi Papua naik drastis
hampir 8 kali lipat menjadi sebanyak 6 juta ton setara CO2.
Secara total proyeksi terhadap produksi emisi gas rumah

kaca meningkat sebesar 4 kali lipat dari tahun dasar 2010
dengan kontributor terbanyak berasal dari emisi gas rumah
kaca yang dihasilkan oleh propinsi Sulawesi Selatan, Sulawesi
Tenggara dan Papua.
5.1.5 Kepulauan
Wilayah kepulauan di Indonesia terdiri dari beberapa
propinsi, yakni Kepulauan Riau, Bangka Belitung, NTB, NTT,
Maluku dan Maluku Utara. Diantara 6 propinsi tersebut, NTT
adalah penghasil emisi gas rumah kaca terbesar di tahun
2010 sebanyak 8,3 juta ton setara CO2 (Gambar 13). Lalu
diikuti oleh propinsi Bangka Belitung sebanyak 3,5 juta ton
setara CO2. Di akhir tahun proyeksi, 2020, produksi emisi
gas rumah kaca di propinsi NTT naik hampir dua kali lipat
menjadi sebanyak 15,6 juta ton setara CO2. Sedangkan di
propinsi Bangka Belitung kenaikan produksi emisi gas rumah
kaca sangat signifikan menjadi lebih dari tiga kali lipat dari
produksi di tahun 2010, yakni sebanyak 11,8 juta ton setara
CO2. Propinsi lain seperti Kepulauan Riau, NTB, Maluku
dan Maluku Utara kenaikan produksi gas rumah kaca naik
sebesar dua kali lipat di tahun 2020. Secara keseluruhan,
proyeksi jumlah total emisi gas rumah kaca yang dihasilkan
oleh seluruh propinsi di Kepulauan naik sebesar dua kali
lipat, dengan kontribusi terbesar adalah dari propinsi Bangka
Belitung dan NTT.

18,000,000
16,000,000
14,000,000
Ton CO2-equivalent
12,000,000
10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Riau Islands Bangka Belitung NTB NTT Maluku Maluku Utara
Gambar 13: Proyeksi emisi gas rumah kaca di tiap propinsi di Kepulauan
5.2 Hasil Perhitungan Emisi Baseline

Sektor Transportasi
Emisi gas rumah kaca dari sektor transportasi di Indonesia
menjadi kontributor kedua setelah dari sektor energi
non-transportasi. Hal ini terlihat dari Tabel 7 hingga 12.
Sebagaimana sektor energi, ulasan emisi baseline sektor
transportasi juga dilakukan untuk setiap pulau.
5.2.1 Pulau Sumatra

Pada tahun dasar 2010, di Pulau Sumatra, propinsi Sumatra
Utara masih menjadi penghasil emisi gas rumah kaca
tertinggi dengan kontribusi sebanyak 8,4 juta ton setara
CO2. Sementara itu, propinsi Bengkulu menjadi kontributor
emisi gas rumah kaca terbesar kedua dari transportasi setelah
propinsi Sumatra Utara, yakni sebesar 3 juta ton setara CO2.
Pada akhir tahun proyeksi 2020, propinsi Sumatra Utara
masih mendominasi produksi emisi gas rumah kaca sebanyak
22 juta juta ton setara CO2. Kemudian diikuti oleh propinsi
Lampung sebanyak 12,9 juta ton setara CO2
BAB 5
MENGGUNAKAN LEAP
Tabel 7: Proyeksi emisi gas rumah kaca di Pulau Sumatera (ton setara CO2)
Propinsi 2010 2012 2014 2016 2018 2020
Aceh 2,375,100 4,204,600 4,948,900 5,627,200 7,899,400 9,775,000
Sumatera
8,383,000 8,693,000 9,776,000 13,816,000 15,856,000 22,098,000
Utara
Sumatera
347,000 526,000 2,422,900 3,080,200 4,738,400 6,322,200
Barat
Riau 0 340,105 680,210 1,020,315 1,360,420 1,700,525
Sumatera
155,415 169,800 185,612 202,919 221,866 242,662
Selatan
Bengkulu 3,043,522 3,383,192 3,957,728 4,941,948 6,643,079 9,601,498
Lampung 597,798 2,115,166 4,492,872 7,315,472 9,519,932 12,946,776
Jambi - - - - - -
Total
14,901,835 19,431,863 26,464,222 36,004,054 46,239,097 62,686,661
Propinsi
5.2.2 Pulau Jawa dan Bali

Di Pulau Jawa dan Bali, proyeksi emisi gas rumah kaca dari
sektor transportasi tidak tersedia secara lengkap untuk
propinsi DKI Jakarta dan Bali. Pada tahun dasar, propinsi
Jawa Barat dan Jawa Timur merupakan kontributor emisi
gas rumah kaca terbesar dengan 10,6 juta dan 11,9 juta
ton setara CO2 (Tabel 8). Namun, potensi produsen emisi
gas rumah kaca terbanyak berdasarkan hasil proyeksi dari
LEAP pada tahun 2020 adalah propinsi Jawa Tengah, yakni
sebesar 30,4 juta ton setara CO2. Hal ini dimungkinkan
karena propinsi Jawa Tengah menjadi titik hubung antara
DKI Jakarta dan Surabaya, dua kota terdepan dalam aktivitas
perekonomian di Indonesia.
Tabel 8: Proyeksi emisi gas rumah kaca di Pulau Jawa dan Bali
(ton setara CO2)
2010 2012 2014 2016 2018 2020
Banten 3,876,200 4,292,200 4,698,200 5,113,800 5,550,200 6,002,500
Jawa Barat 11,887,442 13,559,985 15,232,528 17,243,097 19,591,692 21,940,286
Jawa Timur 10,627,383 11,546,809 12,428,283 13,426,207 14,379,066 15,341,371
Jawa
9,910,000 12,380,000 15,490,000 19,390,000 24,270,000 30,400,000
Tengah
Yogyakarta 231,860 270,960 317,220 371,380 434,780 509,010
Bali 2,193,512 2,467,050 2,796,660 3,171,175 3,596,808 4,080,643
DKI Jakarta - - - - - -
Total
38,726,397 44,517,004 50,962,891 58,715,659 67,822,546 78,273,810
Propinsi

5.2.3 Pulau Kalimantan
Emisi gas rumah kaca di Pulau Kalimantan tetap di dominasi
oleh propinsi Kalimantan Timur. Di tahun 2010, propinsi
Kalimantan Timur menghasilkan sekitar 5 juta ton setara
CO2 dan meningkat menjadi 17,6 juta ton setara CO2 di
tahun 2020 dari sektor transportasi (lihat Tabel 9). Kemudian
diposisi kedua adalah propinsi Kalimantan Barat pada tahun
2010 menghasilkan 2,2 juta ton setara CO2, di akhir tahun
proyeksi menghasilkan 3,8 juta ton setara CO2. Perhitungan
proyeksi emisi gas rumah kaca di pulau Kalimantan tidak
termasuk propinsi Kalimantan Selatan.
Tabel 9: Proyeksi emisi gas rumah kaca di Pulau Kalimantan (ton setara
CO2)
2010 2012 2014 2016 2018 2020
Kalimantan
2,150,000 2,450,000 2,750,000 3,050,000 3,450,000 3,800,000
Barat
Kalimantan
5,040,000 6,410,000 8,200,000 10,540,000 13,600,000 17,610,000
Timur
Kalimantan
871,380 1,001,670 1,175,690 1,413,190 1,745,460 2,223,600
Tengah
Kalimantan
- - - - - -
Selatan
Total
8,061,380 9,861,670 12,125,690 15,003,190 18,795,460 23,633,600
Propinsi
5.2.4 Pulau Sulawesi dan Papua

Di Pulau Sulawesi, propinsi Sulawesi Selatan masih menjadi
daerah yang memberikan kontribusi terbesar dalam emisi
gas rumah kaca di tahun 2010 sebanyak 2,9 juta ton setara
CO2, kemudian diikuti oleh propinsi Sulawesi Tenggara (Tabel
10). Sedangkan propinsi lain seperti Sulawesi Utara, Sulawesi
Barat dan Gorontalo memberikan kontribusi yang kurang
signifikan dalam emisi gas rumah kaca dari sektor transportasi.
Pada akhir tahun proyeksi 2020, propinsi Sulawesi Selatan
memberikan kontribusi terbesar sebanyak 5,9 juta ton setara
CO2. Sedangkan propinsi Sulawesi Tenggara menghasilkan
emisi gas rumah kaca sebanyak 3,2 juta ton setara CO2.
Di wilayah Pulau Papua, proyeksi emisi gas rumah kaca di

sektor transportasi hanya dilakukan di propinsi Papua Barat.
Pada tahun dasar, propinsi Papua terhitung sebanyak 419
ribu ton setara CO2. Di akhir tahun proyeksi 2020, emisi
yang dihasilkan naik secara signifikan sebanyak 7 kali, yakni
sebesar 3 juta ton setara CO2. Pertumbuhan emisi gas rumah
BAB 5
MENGGUNAKAN LEAP
kaca di sektor transportasi diperkirakan akibat pembangunan
sarana infrastruktur jalan raya dan pertumbuhan ekonomi di
propinsi Papua.
Tabel 10: Proyeksi emisi gas rumah kaca di Pulau Sulawesi dan Papua
(ton setara CO2)
2010 2012 2014 2016 2018 2020
Sulawesi Utara 500,800 557,100 624,200 704,200 800,000 915,000
Sulawesi
131,220 162,000 200,000 270,000 395,000 595,000
Tengah
Sulawesi
854,000 1,048,100 1,384,000 1,833,500 2,436,500 3,247,700
Tenggara
Sulawesi
2,925,000 3,650,000 4,200,000 4,800,000 5,350,000 5,912,000
Selatan
Sulawsi Barat 223,300 261,300 305,700 357,700 418,500 489,600
Gorontalo 85,000 105,000 150,000 205,000 285,000 370,000
Papua 419,000 610,800 898,700 1,333,800 1,995,100 3,005,200
Total Propinsi 5,138,320 6,394,300 7.762,600 9,504,200 11,680,100 14,534,500
5.2.5 Kepulauan
Di daerah kepulauan, pada tahun dasar 2010, propinsi
Maluku merupakan penghasil emisi gas rumah kaca terbesar
sebanyak 825 ribu ton setara CO2. Sedangkan propinsi NTT,
produksi gas rumah kaca dari sektor transportasi sangat kecil
dibandingkan dengan propinsi lainnya, sebesar 5 ribu ton
setara CO2 (lihat Tabel 11). Pada akhir tahun proyeksi 2020,
propinsi Bangka Belitung menjadi penghasil emisi gas rumah
kaca terbesar, sebanyak 2,5 juta ton setara CO2. Sedangkan
propinsi NTT meski emisi gas rumah kaca tersebut tumbuh
dua kali lipat, sebanyak 11 ribu ton setara CO2, namun
nilai tersebut masih terbilang kecil dibandingkan emisi dari
propinsi lainnya.
Tabel 11: Proyeksi emisi gas rumah kaca di Kepulauan (ton setara CO2)
2010 2012 2014 2016 2018 2020
Riau Islands 359,000 444,000 551,000 686,000 852,000 1,063,000
Bangka Belitung 798,798 995,070 1,244,144 1,560,253 1,961,526 2,471,065
NTB 775,000 862,000 958,000 1,064,000 1,183,000 1,314,000
NTT 5,299 6,081 6,998 8,077 9,352 10,861
Maluku 825,573 940,786 1,072,079 1,221,694 1,392,189 1,586,478
Maluku Utara 744,900 891,900 1,070,200 1,286,500 1,549,500 1,869,300
Total Propinsi 3,508,570 4,139,837 4,902,421 5,826,525 6,947,567 8,314,704

5.3 Keterbatasan dan tindak lanjut
Dalam penyusunan BAU Baseline sektor energi, terdapat
beberapa batasan yang telah diidentifikasi di Potret Rencana
Aksi Daerah Penurunan Emisi Gas Rumah Kaca (Potret RAD-
GRK, 2014), di antaranya adalah:
1. Beberapa propinsi belum memliki data jumlah

keluarga miskin, menengah, dan kaya, sehingga data
yang dimasukkan masih berupa perkiraan proporsi
keluarga miskin, menengah dan kaya di propinsi
masing-masing.
2. Data aktivitas dan intensitas energi keluarga miskin,
menengah dan kaya umumnya masih menggunakan
data dari Survei Sosial Ekonomi Nasional (SUSENAS)
karena tidak tersedianya data tersebut di tingkat
propinsi (Survey Sosial Ekonomi Daerah).
3. Data rata-rata jarak tempuh perjalanan untuk sektor
transportasi masih menggunakan data panjang
perjalanan nasional karena data panjang perjalanan
daerah belum banyak tersedia.
4. Perhitungan BAU Baseline sektor industri (proses
industri) dalam RAD-GRK belum banyak dihitung oleh
propinsi dikarenakan belum tersedianya petunjuk
teknis baku perhitungan emisi industri dalam RAD-
GRK oleh pokja sektor industri.
Untuk meningkatkan kualitas model energi dalam perhitungan

Baseline skenario diperlukan pembuatan database konsumsi
dan suplai energi yang terus menerus diperbarui. Database
yang tertata dengan baik akan memudahkan pemodel dalam
membuat model energi dan sekaligus meningkatkan kualitas
model yang dihasilkan. Tingkatan atau level database yang
diperlukan dapat dilihat di Tabel 12.
BAB 5
MENGGUNAKAN LEAP
Tabel 12: Tingkatan level database yang diperlukan dalam pemodelan energi
Sektor Rendah Menengah Tinggi
Rumah Tangga Jumlah konsumsi 1. Jumlah konsumen 1. Jumlah konsumen
energi (listrik, rumah tangga pengguna energi
minyak tanah, LPG, diketahui. diketahui.
dan kayu bakar/ 2. Konsumsi energi 2. Struktur level ekonomi
arang) di sektor rata-rata di setiap pengguna energi dan
rumah tangga di rumah tangga jumlahnya diketahui
seluruh daerah berdasarkan level 3. Jenis peralatan rumah
berdasarkan data pendatan/golongan tangga dan konsumsi
total penjualan pelanggan listrik. energi di tiap peralatan
energi. rumah tangga diketahui.
Industri Jumlah konsumsi 1. Jumlah konsumen 1. Jumlah konsumen
energi (Bahan Bakar industri pengguna pengguna energi di setiap
Minyak (BBM), energi diketahui jenis industri diketahui.
batubara, gas dan 2. Konsumsi energi 2. Konsumsi energi di tiap
listrik) di sektor rata-rata di setiap peralatan industri yang
industri di seluruh jenis industri mengkonsumsi energi
daerah berdasarkan diketahui. diketahui.
data total penjualan
energi.
Transportasi Jumlah konsumsi 1. Jumlah setiap 1. Jumlah setiap jenis

energi (BBM dan jenis kendaraan kendaraan diketahui.
gas) di sektor diketahui. 2. Konsumsi energi rata-rata
transportasi di 2. Konsumsi energi di setiap jenis kendaraan
seluruh daerah rata-rata di setiap diketahui.
berdasarkan data jenis kendaraan 3. Jarak tempuh perjalanan
total penjualan diketahui. rata-rata berdasarkan
energi. kebiasaan mengemudi
orang Indonesia diketahui.
4. Umur siklus penggunaan
kendaraan bermotor
diketahui.
Komersial Jumlah konsumsi 1. Jumlah setiap 1. Jumlah setiap jenis
energi (BBM, gas jenis bangunan bangunan komersial
dan listrik) di sektor komersial diketahui diketahui beserta luas
komersial di seluruh 2. Konsumsi energi bangunannya.
daerah berdasarkan rata-rata di setiap 2. Jenis peralatan dalam
data total penjualan jenis bangunan bangunan dan konsumsi
energi. komersial diketahui energi di tiap peralatan
diketahui.

DAFTAR PUSTAKA
1. BAPPENAS, 2013, Kerangka Kerja Indonesia untuk
Nationally Appropriate Mitigation Actions (NAMAs),
Jakarta, Indonesia.
2. Battacharyya, S.C., 2011, Energy Economics: Concepts,
Issues, Markets and Governance, Springer, London, UK.
3. Heaps, C.G., 2011, Long-range Energy Alternatives
Planning (LEAP) system: User Guide, Stockholm
Environment Institute. Somerville, MA, USA
4. IPCC, 2006, Guidelines for National Greenhouse Gas
Inventories, Cambridge University Press, Cambridge,
United Kingdom and New York, NY, USA
5. Pongthanaisawan, J., 2010, Relationship between level
of economic development and motorcycle and car
ownerships and their impacts on fuel consumption and
greenhouse gas emission in Thailand, Renewable and
Sustainable Energy Reviews, Vol. 14 (9), pp. 2966-2975.
6. Pusdatin ESDM, 2011, Indikator Energi dan Sumber Daya
Mineral Indonesia, Jakarta, Indonesia.
7. Sekretariat RAN-GRK, 2014, Potret Rencana Aksi Daerah
Penurunan Gas Rumah Kaca, Jakarta, Indonesia.
8. Sekretariat RAN-GRK, 2013, Satu Tahun Tentang Rencana
Aksi Nasional Penurunan Gas Rumah Kaca, Jakarta,
Indonesia
9. Swisher, J.N., Jannuzzi, G.M., Redlinger, R.Y., 1997, Tools
and Methods for Integrated Resource Planning, United
Nations Environment Programme (UNEP), Denmark.
10.Wijaya, M.E., Ridwan, M.K., 2009, LEAP Perencanaan
Energi; Modul Pelatihan, Departemen Teknik Fisika
Universitas Gadjah Mada, Yogyakarta, Indonesia.
11.Bappenas, KESDM, Kementerian Perhubungan,
Kementerian Perindustrian, 2012, Modul Pelatihan
Inventarisasi Emisi Gas Rumah Kaca dan Penghitungan
BAU Baseline Bidang Energi, Transportasi dan Industri,
Jakarta, Indonesia.
BAB 5
MENGGUNAKAN LEAP
Didukung oleh

Bab 5 Pedoman - Teknis - Penghitungan - Baseline - Emisi - GRK - Sektor - Berbasis - Energi PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab 5 Pedoman - Teknis - Penghitungan - Baseline - Emisi - GRK - Sektor - Berbasis - Energi PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Republik Indonesia

Tim Pendukung Teknis:

Badan Perencanaan Pembangunan Nasional (BAPPENAS)

Penyusunan Pedoman Teknis Perhitungan Baseline Emisi

Proses penyusunan dokumen ini tidak terlepas dari

1. Kementerian Energi dan Sumber Daya Mineral

Terima kasih yang setinggi-tingginya juga disampaikan

PEDOMAN TEKNIS PERHITUNGAN BASELINE

Ucapan Terima Kasih ii

Bab 2. Metodologi Dalam Pembuatan Baseline untuk Sektor Energi 5

Bab 3. Berbagai Model/Software Perencanaan Energi untuk Pembuatan 17

Bab 4. Baseline untuk Sektor Energi dengan Menggunakan LEAP 27

Bab 5. Emisi Baseline untuk Sektor Berbasisi Energi dengan Menggunakan 37

Gambar 1: Emisi CO2 sektor energi (juta ton) 2

Tabel 1: Contoh Sistem Energi Sederhana 5

PEDOMAN TEKNIS PERHITUNGAN BASELINE

AIM : Asia-Pasific Integrated Model

Menindaklanjuti komitmen tersebut, Presiden Republik Indonesia

Seiring dengan pertumbuhan ekonomi rata-rata sebesar 5,3% selama

Untuk memenuhi penurunan emisi sebesar 26% dari tingkat

Pada tahun 2012, seluruh Pemerintah Provinsi di Indonesia

PEDOMAN TEKNIS PERHITUNGAN BASELINE

Dalam proses penulisan RAD-GRK pada tahun 2012,

Terkait dengan rencana kaji ulang RAN dan RAD-GRK, buku

2.1 Sistem Energi

Tabel 1: Contoh Sistem Energi Sederhana

Dalam sistem energi yang komplek, proses produksi/konversi hingga menjadi

Gambar 2: Sistem Energi Komplek

2.2 Model Energi

1) Untuk memahami keadaan sistem energi (suplai,

2) Untuk menguji atau mengevaluasi pengaruh ide-ide

Gambar 3 memperlihatkan alur atau proses dalam pemodelan

PEDOMAN TEKNIS PERHITUNGAN BASELINE

Demografi Ekonomi makro-mikro

Sumber Daya Energi Impor Energi

Gambar 3: Alur dalam Pemodelan Energi

Seorang pemodel memiliki imajinasi tersendiri tentang bentuk

2.4 Metodologi Analisa Permintaan

Mengingat keadaan struktur yang konstan, tingkat aktivitas

Intensitas I dapat dikurangi dengan mengubah teknologi

PEDOMAN TEKNIS PERHITUNGAN BASELINE

Jumlah penggunaan energi Q tergantung pada beberapa

Parameter populasi N dapat menjadi jumlah rumah tangga,

Nilai P hanyalah bagian dari pelanggan yang menggunakan

2.4.1 Sektor Rumah Tangga

Setiap pengguna akhir di sektor rumah tangga dapat memiliki

Konsumsi energi di setiap pengguna akhir dapat dihitung

Kebutuhan permintaan energi dari sektor rumah tangga

PEDOMAN TEKNIS PERHITUNGAN BASELINE

Perhitungan proyeksi permintaan energi di sektor rumah

2.4.2 Sektor Industri

Dalam beberapa kasus di industri proses, bahan bakar

Kebutuhan energi di sektor industri dapat di hitung dengan

Setiap pengguna akhir dapat memiliki ekspresi spesifik

Kuantitas penggunaan energi Q dapat diidentifikasi sebagai

2.4.3. Sektor Transportasi

PEDOMAN TEKNIS PERHITUNGAN BASELINE

Setiap pengguna akhir dapat memiliki ekspresi spesifik

Kuantitas penggunaan energi Q pada golongan moda

2.4.4 Sektor Komersial

I sekarang didefinisikan dalam rata-rata daya terpasang

Kuantitas penggunaan energi Q dapat diidentifikasi sebagai

Pertumbuhan ekonomi yang tinggi akan mempengaruhi laju