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.
Bab 1. Pendahuluan 1
Daftar Pustaka 49
iii
Daftar Gambar
Daftar Tabel
v
PEDOMAN TEKNIS PERHITUNGAN BASELINE
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.
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).
BAB 1
PENDAHULUAN 3
PEDOMAN TEKNIS PERHITUNGAN BASELINE
4 EMISI GAS RUMAH KACA SEKTOR BERBASIS ENERGI
BAB 2
METODOLOGI DALAM PEMBUATAN
BASELINE UNTUK SEKTOR ENERGI
5
Teknologi Regulasi
Bentuk
Sumber Energi Sistem Energi Sosial
Final Energi
Infrastruktur
Biaya
Emisi Lingkungan
Permintaan Energi
Emisi Gas Rumah Kaca
Distribusi Energi
Penyediaan Energi
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
di mana:
Qi = kuantitas penggunaan energi
Ii = intensitas konsumsi energi atas penggunaan
peralatan/teknologi
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)
BAB 2
METODOLOGI DALAM PEMBUATAN BASELINE UNTUK SEKTOR ENERGI 9
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.
. ( )
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
BAB 2
METODOLOGI DALAM PEMBUATAN BASELINE UNTUK SEKTOR ENERGI 11
di mana:
EI = konsumsi energi sektor industri
i = peralatan/teknologi
j = ketegori dalam sektor industri (misal; industri baja,
industri makanan, industri kertas, dll)
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
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)
di mana:
Ec = penggunaan energi di sektor komersial
i = peralatan/teknologi
j = ketegori dalam sektor komersial (tipe bangunan;
perkantoran, perhotelan, rumah sakit, dll)
BAB 2
METODOLOGI DALAM PEMBUATAN BASELINE UNTUK SEKTOR ENERGI 13
Setiap pengguna akhir dapat memiliki ekspresi spesifik
mengikuti format umum:
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)
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)
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
METODOLOGI DALAM PEMBUATAN BASELINE UNTUK SEKTOR ENERGI 15
PEDOMAN TEKNIS PERHITUNGAN BASELINE
16 EMISI GAS RUMAH KACA SEKTOR BERBASIS ENERGI
BAB 3
BERBAGAI MODEL/SOFTWARE
PERENCANAAN ENERGI UNTUK
PEMBUATAN BASELINE SEKTOR 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.
BAB 3
BERBAGAI MODEL/SOFTWARE PERENCANAAN ENERGI UNTUK 19
PEMBUATAN BASELINE SEKTOR ENERGI
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
BAB 3
BERBAGAI MODEL/SOFTWARE PERENCANAAN ENERGI UNTUK 21
PEMBUATAN BASELINE SEKTOR ENERGI
3.3 Pengenalan Singkat tentang LEAP
Data yang terorganisasi
Menu Utama Tempat
dalam diagram pohon
memasukan data
BAB 3
BERBAGAI MODEL/SOFTWARE PERENCANAAN ENERGI UNTUK 23
PEMBUATAN BASELINE SEKTOR ENERGI
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.
BAB 3
BERBAGAI MODEL/SOFTWARE PERENCANAAN ENERGI UNTUK 25
PEMBUATAN BASELINE SEKTOR ENERGI
PEDOMAN TEKNIS PERHITUNGAN BASELINE
26 EMISI GAS RUMAH KACA SEKTOR BERBASIS ENERGI
BAB 4
BASELINE UNTUK SEKTOR ENERGI
DENGAN MENGGUNAKAN LEAP
Rumah Tangga
Ekonomi
Pengumpulan Data Industri
Demografi
Komersial
Transportasi
Analisa Statistik
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
Taxi R1-900 VA
Rail R1-1300 VA
Trailer R2-4400 VA
(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)
Perhitungan proyeksi
suplai energi
(6)
Perhitungan proyeksi
emisi
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
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
BAB 4
BASELINE UNTUK SEKTOR ENERGI DENGAN MENGGUNAKAN LEAP 31
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.
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
BASELINE UNTUK SEKTOR ENERGI DENGAN MENGGUNAKAN LEAP 33
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.
BAB 4
BASELINE UNTUK SEKTOR ENERGI DENGAN MENGGUNAKAN LEAP 35
PEDOMAN TEKNIS PERHITUNGAN BASELINE
36 EMISI GAS RUMAH KACA SEKTOR BERBASIS ENERGI
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.
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
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.
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:
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
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.
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
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
EMISI BASELINE UNTUK SEKTOR BERBASISI ENERGI DENGAN 41
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.
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.
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
BAB 5
EMISI BASELINE UNTUK SEKTOR BERBASISI ENERGI DENGAN 43
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
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
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
BAB 5
EMISI BASELINE UNTUK SEKTOR BERBASISI ENERGI DENGAN 45
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
BAB 5
EMISI BASELINE UNTUK SEKTOR BERBASISI ENERGI DENGAN 47
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.
BAB 5
EMISI BASELINE UNTUK SEKTOR BERBASISI ENERGI DENGAN 49
MENGGUNAKAN LEAP
PEDOMAN TEKNIS PERHITUNGAN BASELINE
50 EMISI GAS RUMAH KACA SEKTOR BERBASIS ENERGI
Didukung oleh