diberikan area dan waktu yang tepat.

Dengan demikian, kontribusi relatif terhadap

kategori dampak yang berbeda dapat dihitung, karena sistem produk yang diberikan.
Kekhawatiran lain membebani, menjadi prosedur kuantitatif formal untuk agregasi di
seluruh kategori dampak, menghasilkan satu indeks lingkungan. Indeks lingkungan
seperti itu sangat praktis untuk digunakan, terutama dalam ecodesign produk; mereka
memungkinkan perbandingan cepat antara materi yang semuanya memiliki karakteristik
lingkungan mereka dinyatakan dalam satu nomor tunggal
A. Kategori terkait masukan ('penipisan sumber daya') 1. ekstraksi simpanan sumber
daya abiotik seperti bahan bakar fosil dan dana bijih mineral seperti air tanah, pasir dan
tanah liat 2. ekstraksi sumber daya biotik (dana) global 3. penggunaan lahan
peningkatan degradasi persaingan lahan dari pendukung kehidupan berfungsi
degradasi keanekaragaman hayati karena penggunaan lahan B. Kategori terkait output
('polusi') 4. perubahan iklim glob 5. stratosfer ozon penipisan glob 6. toksisitas manusia
(termasuk radiasi dan debu halus) glob / cont / reg / loc 7. ecotoxicity glob / cont / reg /
loc 8. foto-oksidan pembentukan cont / reg / loc 9. acidi fi cation cont / reg / loc 10.
Nutrisi (termasuk BOD dan panas) cont / reg / loc Arus tidak ditindaklanjuti ke sistem
yang berhubungan dengan masukan batas (energi, material, kayu perkebunan, dll.)
Yang berhubungan dengan output (limbah padat, dll.)

Fase terakhir LCA, menurut ISO, adalah interpretasi siklus hidup. Selama fase ini,
hasilnya terkait dengan tujuan penelitian seperti yang didefinisikan di awal. Ini termasuk
kinerja analisis sensitivitas dan penilaian umum. Analisis sensitivitas sangat penting
untuk memeriksa keandalan hasil studi LCA berkaitan dengan ketidakpastian data dan
pilihan metodologis. Hal ini juga dapat mengarah pada pengumpulan data baru jika
tujuan penelitian ini tampaknya tidak tercapai secara memuaskan. Dua bagian
berikutnya akan membahas dua aspek yang relevan untuk kegunaan alat analitis
seperti LCA. Ini adalah pilihan parameter model, dan cara-cara berbeda untuk
menghadapi ketidakpastian

PILIHAN PARAMETER MODEL

Pilihan parameter model bukan masalah teknis saja. Pertama, ada pilihan yang mendominasi
antara pemodelan dalam hal fisik dan parameter moneter. Ini telah menjadi perdebatan sejak
tahun 1970-an. Pemodelan dalam parameter fisik seperti pada LCA atau ERA tetap lebih dekat
dengan kenyataan itu tidak membuat asumsi bahwa semua benda berharga dapat
diekspresikan dalam istilah pasar. Mengungkapkan kehidupan manusia dalam istilah moneter
sering dianggap sebagai penurunan nilai itu. Di sisi lain, penggunaan unit moneter dapat dilihat
sebagai langkah akhir dalam agregasi. Jika semua masalah lingkungan dapat dinyatakan dalam
satu indeks tunggal, seperti setelah pembobotan dalam LCA, hanya satu langkah lebih jauh
untuk menempatkannya dalam istilah moneter, lebih menyederhanakan pengambilan
keputusan. Namun tentu saja tidak sesederhana itu. Masalah utamanya adalah bahwa
beberapa masalah lingkungan dapat lebih mudah ditaruh dalam istilah pasar daripada yang
lain. Kerusakan pada sumber daya buatan manusia dapat dimonetisasi dengan mudah, tetapi
kerusakan pada kesehatan manusia melibatkan banyak asumsi, dan kerusakan pada ekosistem
hampir tidak dapat tercakup dalam hal ini. cara.
Jika memilih parameter fisik, ada bias yang sebanding terkait dengan jenis-jenis dampak yang
umumnya diperhitungkan. Pada prinsipnya, LCA bertujuan untuk mencakup semua jenis
dampak yang akan dianalisis. Namun dalam praktiknya, ada fokus pada ekstraksi sumber daya
dan emisi. Tampaknya sulit untuk menghubungkan perubahan dalam penggunaan lahan
menjadi unit fungsional. Sebagai konsekuensinya, perubahan penggunaan lahan sering
diabaikan dalam LCA, meskipun penggunaan lahan mungkin sejauh ini merupakan faktor paling
penting yang mempengaruhi keanekaragaman hayati. Pembatasan semacam itu, baik itu
berdasarkan metodologi atau tidak, lebih sering ditemui. Maka, banyak studi analitis kebijakan
hanya mengambil CO2 sebagai indikator utama beban lingkungan, menghilangkan semua jenis
dampak lainnya. Hal ini hanya dapat diterima selama kesimpulannya juga dilihat dalam konteks
terbatas ini. Poin ketiga yang terkait dengan pemilihan parameter model menyangkut tingkat
jaringan sebab-akibat di mana mereka harus didefinisikan. Ini adalah masalah inti dalam LCA,
tetapi mungkin juga memainkan peran dalam alat seperti ERA. Perubahan pada tingkat awal
dalam jaringan sebab-akibat lingkungan, seperti perubahan dalam memaksa iklim yang
disebabkan oleh gas rumah kaca, atau perubahan dalam pelepasan proton yang disebabkan
oleh zat pengoksidasi, dapat dinilai dengan kepastian relatif tinggi. Selain itu, perubahan ini
akan relevan untuk kelompok dampak luas, bercabang di sepanjang jalur lingkungan
selanjutnya. Di sisi lain, seseorang dapat bertujuan untuk mendefinisikan keluaran pemodelan
pada apa yang disebut 'tingkat kerusakan'; yaitu, kerusakan pada kesehatan manusia,
ekosistem, tanaman, material buatan manusia atau karya seni (misalnya, Goedkoop et al. 1998;
Spadaro dan Rabl 1999). Pengkajian dampak pada tingkat ini umumnya akan mengalami
ketidakpastian yang tinggi, dan umumnya hanya akan layak untuk sejumlah kecil dari semua
kemungkinan dampak yang terlibat; tetapi hasilnya akan jauh lebih baik dipahami, karena
mereka berurusan dengan entitas yang menjadi perhatian langsung kami (Udo de Haes et al.
1999).

BAGAIMANA MENGHADAPI KETIDAKPASTIAN?

Penggunaan alat analitis umumnya akan melibatkan banyak ketidakpastian. Ini bisa menjadi
ketidakpastian teknis mengenai data, mereka dapat menjadi asumsi metodologis, dan mereka
dapat menjadi pilihan nilai atau bahkan perbedaan paradigmatik. Ada sejumlah pilihan untuk
menghadapi ketidakpastian tersebut. Di bawah ini kita akan membahas secara singkat yang
paling penting.

Pengukuran Baru
Jawaban yang paling mudah untuk ketidakpastian terdiri dari pengukuran baru. Ini dapat
berhubungan dengan percobaan respon dosis baru di laboratorium, ke validasi ekstrapolasi dari
laboratorium ke lapangan, atau ke validasi model lapangan seperti model penyebaran
multimedia. Ini adalah jalan tinggi pengurangan ketidakpastian. Tetapi ini adalah waktu dan
pengeluaran uang dan tidak akan ada pilihan untuk studi kasus praktis yang diberikan.

Pilihan Indikator yang Kuat

Kemungkinan berikutnya adalah memilih indikator yang agak kuat. Namun, pilihan yang lebih
kuat (lebih pasti) indikator akan datang dengan biaya akurasi. Misalnya, dampak kebijakan
klorin dapat dinilai dalam hal indikator kategori dampak, seperti yang digunakan dalam LCA. Ini
memiliki kekuatan resolusi yang agak tinggi, tetapi banyak dari mereka yang tidak pasti.
Sebaliknya, kebijakan ini dapat dinilai dalam hal total kilogram klorin yang dipancarkan, seperti
yang umumnya dilakukan dalam studi SFA. Metrik tersebut sangat kuat dan karenanya dapat
membangkitkan resistensi yang kurang signifikan dalam debat kebijakan (Tukker 1998). Tetapi
perbedaan yang sangat penting antara zat yang dipancarkan akan dikaburkan. Bahkan
selangkah lebih maju, seseorang dapat meninggalkan kuantifikasi sama sekali dan memilih
indikator kualitatif seperti 'terbuat dari bahan daur ulang' atau 'mudah terurai'. Ini dapat semakin
mengurangi resistensi publik terhadap hasil, tetapi sekali lagi akan kurang informatif.

Analisis Ketidakpastian, Analisis Sensitivitas dan Analisis Skenario

Dengan seperangkat indikator, ketidakpastiannya dapat dinilai dalam bentuk kesalahan standar.
Kesalahan ini akan bergantung pada banyak tautan dalam rantai proses yang mendasari
indikator di tangan. Selanjutnya, kesalahan akan berkaitan dengan ketidakpastian dalam data,
asumsi metodologis atau untuk menilai pilihan terkait tautan yang berbeda ini. Akibatnya, hasil
analisis ketidakpastian akan segera menjadi sangat kompleks dan mungkin menumpuk
ketidakpastian pada ketidakpastian. Pendekatan yang lebih canggih menyangkut simulasi
Monte Carlo. Untuk setiap elemen dalam ketidakpastian indikator, probabilitas dari berbagai
kemungkinan nilai dinilai. Kemudian operasi komputasi berikutnya dibuat, di mana elemen
ketidakpastian yang berbeda dipastikan secara independen, masing-masing sesuai dengan
distribusi probabilitasnya sendiri. Hasil akhir akan menunjukkan rentang hasil yang lebih
realistis, yang akan menghindari akumulasi ketidakpastian buatan. Jika tidak ada nilai
ketidakpastian yang dapat diberikan, analisis sensitivitas dapat dilakukan mulai dari perubahan
yang disengaja dalam kondisi pemodelan. Maka perubahan yang dianggap wajar dapat
dilakukan dalam data input, dalam asumsi metodologis atau dalam pilihan nilai yang mendasari
langkah-langkah yang berbeda dalam metodologi. Konsekuensi dari perubahan tersebut untuk
hasil akhir kemudian dapat dihitung. Prosedur ini digunakan cukup sering, karena
menempatkan persyaratan yang agak rendah pada sumber belajar dan masih memberikan
wawasan penting dalam kekokohan hasil akhir. Analisis sensitivitas umumnya dilakukan untuk
parameter terpisah, mengenai data, metode atau pilihan nilai. Dalam analisis, serangkaian
pilihan disatukan menjadi paket-paket yang konsisten. Jadi kita dapat menghitung kasus
terburuk, kemungkinan besar atau skenario kasus terbaik. Skenario menganalisa sehingga
membantu menyusun hasil analisis sensitivitas untuk membuatnya lebih mudah dipahami untuk
tujuan pengambilan keputusan

Pemeriksaan prosedural
Opsi di atas untuk menangani ketidakpastian semua hal menyangkut karakteristik
teknis. Cukup pendekatan lain dimulai dari sisi lain, yaitu dari prosedur keputusan
di mana hasil dari alat analitis akan digunakan. Misalnya, hasilnya dapat ditinjau
oleh panel ahli independen, atau bahkan oleh panel pemangku kepentingan. Jika
hasilnya melewati prosedur peninjauan seperti itu, ini mungkin berkontribusi lebih
besar terhadap kredibilitas hasil daripada prosedur teknis di atas. Karena alasan ini,
banyak perhatian saat ini dibayarkan kepada kemungkinan menggabungkan alat
analisis seperti LCA dalam prosedur keputusan eksplisit di mana baik ahli
independen dan pemangku kepentingan yang relevan memiliki input yang
didefinisikan dengan jelas. Sebuah contoh menyangkut arahan Eropa yang
memberikan panduan tentang penerimaan jenis kemasan yang akan digunakan
(ketika sebuah perusahaan diizinkan untuk menggunakan bahan yang tidak dapat
digunakan kembali); atau petunjuk yang memandu pilihan antara opsi pengelolaan
limbah

Perbedaan Paradigma
Masalah yang paling mendasar adalah bahwa alat analisis melibatkan asumsi paradigmatik
yang tidak dimiliki oleh pemangku kepentingan yang berbeda dalam proses keputusan. Jadi
ada kesenjangan besar antara pendekatan risiko, seperti yang digunakan dalam alat seperti
LCA dan ERA, berfokus pada emisi yang benar-benar terjadi, dan pendekatan kehati-hatian,
dengan fokus pada risiko yang melekat pada suatu proses. Kesenjangan seperti itu tidak dapat
dijembatani dengan meningkatkan model atau data yang digunakan, atau dengan partisipasi
publik yang lebih baik dalam proses keputusan. Perbedaan-perbedaan ini dapat menyebabkan
frustrasi yang parah terkait dengan penerapan alat analisis kuantitatif seperti LCA atau ERA.
Contohnya adalah debat publik bersejarah tentang penerimaan instalasi tenaga nuklir,
perdebatan tentang risiko lingkungan dari industri klorin dan bahan-bahan seperti PVC (Tukker
1998), dan baru-baru ini pada penggunaan organisme hasil rekayasa genetika (GMO). Secara
umum, orang harus kembali ke pertanyaan tepat yang ditanyakan dan bagaimana risiko
didekati. Penggunaan alat analisis kuantitatif mengandaikan persetujuan tentang hal-hal ini.

KESIMPULAN
Life cycle assessment (LCA) menyangkut salah satu pendekatan utama di bidang ekologi
industri. Ini melibatkan analisis sistem produk, yaitu, dari total proses yang terlibat dalam
penyediaan fungsi tertentu. Ini melengkapi alat-alat lain, seperti penilaian risiko lingkungan,
dengan fokus pada dampak lingkungan dari aktivitas tunggal atau substansi tunggal, atau
analisis aliran substansi, yang berfokus pada metabolisme zat dalam ekonomi maupun di
lingkungan. dan UNEP, mengambil posisi terdepan dalam peningkatan penggunaan globalnya.
LCA tampaknya semakin banyak digunakan LCA adalah alat, formal kuantitatif di bidang LCA.
Organisasi yang berkontribusi adalah SETAC, bertanggung jawab untuk pengembangan
ilmiahnya, ISO, bertanggung jawab untuk standardisasi internasional, oleh industri, dari
keputusan operasional, seperti pembelian bahan, hingga keputusan strategis. Seperti alat
analitis formal lainnya, LCA memiliki sejumlah batasan yang jelas. Beberapa di antaranya dapat
diatasi dengan langkah-langkah teknis, sebagian dengan langkah prosedural. Tetapi beberapa
keterbatasan berhubungan dengan perbedaan paradigmatik mengenai cara seseorang ingin
mengatasi risiko. Prosedur keputusan yang melibatkan pemangku kepentingan dengan
pendekatan risiko versus pemangku kepentingan dengan pendekata n kehati-hatian tidak dapat
dengan mudah didukung oleh LCA atau alat penilaian lingkungan formal dan kuantitatif lainnya.