PENGISIAN DATA HILANG

(FILLING DATA GAP)

DALAM INVENTARISASI
GRK
OUTLINE
➢ Pendahuluan
➢ Data Aktivitas
➢ Teknik pengisian data
hilang (filling data gap)
➢ Penyelarasan Data
Aktivitas (DA) dan Faktor
Emisi (FE)
➢ Diskusi

2 | Gap-Filling
Pendahuluan
• Kenapa data gaps merupakan suatu masalah?
• Prinsip dalam IGRK adalah TACCC: Transparent, Accurate, Consistent, Complete, and
Comparability
• Inventarisasi GRK membutuhkan time series emisi yang konsisten dan menyeluruh-
https://www.ipcc-nggip.iges.or.jp/public/2006gl/pdf/1_Volume1/V1_5_Ch5_Timeseries.pdf

• Emisi = Data Aktivitas (AD) * Faktor Emisi (EF)

Default atau
Spesifik
Ketidaklengkapan data ini
merupakan masalah
DATA GAPS Perlu Penyelarasan

3 | Gap-Filling
Data aktivitas
• Isu pada data aktivitas yang mengakibatkan kesenjangan data/data gaps atau
tidak konsistensi /inconsistencies :
• Tidak tersedia setiap tahun (incomplete)
• Data di tahun-tahun berikutnya tidak ada/ tidak terjamin ketersediaannya (discontinued)
• Metodologi yang tidak sama selama lebih dari setahun (inconsistent)
• Tidak representatif (tidak sesuai dengan tujuan)
• Terjadinya kesalahan identifikasi dalam data historis
• Penambahan sumber data dalam inventori, yang data historisnya tidak tersedia
• Lainnya (silakan ditambahkan melalui diskusi)
• Kasus:
• Institutional Arrangement (siapa yang diberi mandat/bertanggung jawab untuk
mengumpulkan data)
• Tidak adanya metodologi yang seragam
• Pengumpulan data yang tidak representatif (tidak ada keselarasan antara DA dan FE)
• Kurangnya sumber daya
• Lainnya (silakan ditambahkan melalui diskusii)

4 | Gap-Filling
Contoh Data Gaps
(Asumsi time series data tahun 2001-2010)
• Tidak semua data aktivitas yang lalu (data aktivitas historis) tersedia:
• Data tidak tersedia pada tahun-tahun tertentu dalam satu deret waktu: data hilang pada
tahun 2003-2005 dalam seri data 2001-2010 (Simple data Lack: Continue)
Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
AD-A 99 100 102 101 103 101 - - - 105
Emisi-A 990 1000 1020 1010 1030 1010 - - - 1040
• Data aktivitas pada beberapa tahun tertentu di depan tidak tersedia (Forward):
• Data tidak tersedia lagi setelah tahun 2006 (Discountinue)
Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
AD-A 99 100 102 101 103 101 - - - -
Emisi-A 990 1000 1020 1010 1030 1010 - - - -
• Data aktivitas pada beberapa tahun di belakang dalam seri data tidak tersedia (Backwards)
• Data pada tahun 2006 kedepannya, tetapi tidak diketahui data yang digunakan sebelum
tahun 2006 - dalam kasus memang diketahui aktivitas itu baru ada dari tahun 2006, maka
tahun sebelumnya diberi notasi NO (Not Occurring). Dalam kasus diketahui aktivitas
tersebut sudah ada juga sebelum tahun 2006, tapi data tidak ada dan tidak dilakukan
estimasi dengan pengisian data, maka dapat diisi dengan NE (Not Estimated), dalam hal ini
inventori dinilai tidak complete (lengkap)
5 | Gap-Filling
Teknik Pengisian Data Hilang
• Hilangnya data tanpa alasan khusus (simple data lacks without specific reason)
• Time series data aktivitas yang tidak lengkap karena ketidaktersediaan data
Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
AD-A 99 100 102 101 103 101 - - - 105
Emisi A 990 1000 1020 1010 1030 1010 - - - 1040

• Dalam hal ini dapat menggunakan interpolasi sederhana:

𝑇𝑡 −𝑇𝑠𝑡𝑎𝑟𝑡
• 𝑌𝑡 = 𝑌𝑠𝑡𝑎𝑟𝑡 + ∗ (𝑌𝑒𝑛𝑑 − 𝑌𝑠𝑡𝑎𝑟𝑡 )
(𝑇𝑒𝑛𝑑 −𝑇𝑠𝑡𝑎𝑟𝑡)
• 𝑌𝑡 = Data aktivitas tahun-t yang akan diisi
• 𝑌𝑠𝑡𝑎𝑟𝑡 = Data aktivitas pada tahun sebelum data hilang
• 𝑌𝑒𝑛𝑑 = Data aktivitas pada tahun setelah data hilang
• 𝑇𝑡 = Tahun ke-t data hilang
• 𝑇𝑠𝑡𝑎𝑟𝑡 = Tahun sebelum data hilang
• 𝑇𝑒𝑛𝑑 = Tahun setelah data hilang

6 | Gap-Filling
Teknik Pengisian Data Hilang
• Penggunaan Teknik interpolasi sederhana tersebut digunakan apabila tidak ada alasan
khusus hilangnya data, dengan asumsi tidak ada perbedaan metode dalam
mendapatkan data aktivitas pada tahun-tahun yang hilang
• 𝑌𝑠𝑡𝑎𝑟𝑡 = 101
• 𝑌𝑒𝑛𝑑 = 105
• 𝑇𝑡 = 2007, 2008, 2009
• 𝑇𝑠𝑡𝑎𝑟𝑡 = 2006
• 𝑇𝑒𝑛𝑑 = 2010
2007−2006
• 𝑌2007 = 101 + ∗ 105 − 101 = 102
(2010−2006)
• 𝐸2007 = 102*(1010/101) = 1020 tCO2

Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
AD-A 99 100 102 101 103 101 102 103 104 105
Emisi A 990 1000 1020 1010 1030 1010 1020 1030 1040 1050

7 | Gap-Filling
Teknik Pengisian Data Hilang
• Hilangnya data karena ada alasan khusus (simple data lacks with specific reason)
✓ Pertumbuhan atau krisis ekonomi
✓ Peristiwa cuaca yang luar biasa / anomali
✓ Adanya tindakan mitigasi sementara
• Hal ini perlu dipertimbangkan saat mengisi kesenjangan data.
• Dasar asumsi pengembangan DA bisa berdasarkan penilaian ahli (expert judgement-disertai
biodata expert) terhadap alasan khusus, misalnya pengaruh perkembangan ekonomi dan / atau
sektor yang mempengaruhi aktivitas
• Sebagai contoh, krisis ekonomi tahun 2007/2008 dampaknya sudah dapat dikompensasi pada
tahun 2010. Dalam hal ini data aktivitas dapat direkonstruksi seperti:
Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Aktivitas A 99 100 102 101 103 101 102 103 104 105
Emisi 990 1000 1020 1010 1030 1010 1020 1030 1040 1050

Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Aktivitas A 99 100 102 101 103 101 95 90 98 105
Emisi 990 1000 1020 1010 1030 1010 1020 1030 1040 1050
8 | Gap-Filling
Teknik Pengisian Data Hilang
• Data aktivitas pada beberapa tahun tertentu di depan (forward) atau di belakang (backward)
tidak tersedia: Data hilang yang sifatnya diskontiniu (tidak berlanjut)
Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Aktivitas A 99 100 102 101 103 101 - - - -
Emisi 990 1000 1020 1010 1030 1010 - - - -

• Dalam hal ini metode yang digunakan ialah menggunakan Proxy yang merupakan angka
yang dapat digunakan untuk mewakili nilai satu atau lebih parameter dalam perhitungan
• Angka apa pun dapat digunakan sebagai proxy pada gap filling selama terdapat korelasi yang
dapat ditetapkan antara DA (yang hilang) dan proxy
• Contoh: Proxy untuk memperkirakan jumlah taksi di Bandung yang diperlukan untuk
perhitungan emisi dari transportasi?
• Pertama pikirkan data apa yang memiliki korelasi dengan jumlah taksi di suatu kota (itulah proxy yang anda
cari), misalkan data yang memiliki korelasi dengan jumlah taxi ialah populasi
• Apakah data tersebut tersedia pada kota Bandung atau kota lainnya?
• Kalkulasikan rasio antara jumlah taksi dan proxy di kota lain
• Rasio taksi/penduduk
• Jumlah taksi Bandung = Populasi Bandung x Rasio taksi/ penduduk
9 | Gap-Filling
Proxy ENERGI
Data Aktivitas Proxy
Konsumsi LPG Populasi
Penggunaan/konsumsi bahan bakar bensin Jumlah dan umur kendaraan
Konsumsi batubara Jumlah produksi semen
Konsumsi listrik bangunan hotel Jumlah tamu hotel
Emisi dari AC (air conditioners) yang berhubungan Jumlah bangunan baru
dengan jumlah bangunan
Produksi industry Jumlah pekerja dalam sektor industri
Produksi limbah atau produksi industri Angka pertumbuhan ekonomi/GDP
Produksi energi Jumlah listrik publik terdistribusi
Kebakaran gambut Hujan musim kemarau, indek ENSO

10 | Gap-Filling
Teknik Pengisian Data Hilang
• Ada dua pilihan metode penggunaan Proxy untuk mengisi data hilang
• Opsi pertama: Penggunaan proxy temporer ketika DA tidak tersedia selama beberapa tahun (Continue)
Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
AD-A 99 100 102 101 103 101 - - - 105
AD- B Proxy 200 203 205 203 208 200 190 180 195 210
Emisi A 990 1000 1020 1010 1030 1010 - - - 1050
𝑆
• 𝑌𝑜 = 𝑌𝑡 ∗ ( 𝑜)
𝑆𝑡
• 𝑌𝑜 = Data aktivitas A tahun data kosong
• 𝑌𝑡 = Data Aktivitas A tahun setelah tahun data kosong (t)
• 𝑆𝑜 = Data Aktivitas B Proxy tahun yang akan diisi
• 𝑆𝑡 = Data Aktivitas B Proxy tahun akhir (t)
195
• 𝑌2007 = 105 ∗ = 95
210
• 𝐸2007 = 𝑌2007 ∗ 𝐸𝐹 = 95 ∗10=950

Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
AD-A 99 100 102 101 103 101 95 90 97.5 105
AD-B Proxy 200 203 205 203 208 200 190 180 195 210
Emisi A 990 1000 1020 1010 1030 1010 950 900 975 1050

11 | Gap-Filling
2.02 2.03 2.01 2.01 2.02 1.98

Teknik Pengisian Data Hilang

• Opsi Kedua: Penggunaan proxy temporer ketika DA tidak tersedia ke depan (discontinue)
Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
AD- A 99 100 102 101 103 101 - - - -
AD-B Proxy 200 203 205 203 208 200 190 180 195 210
Ratio AD 2,02 2,03 2,01 2,01 2,02 1,98 - - - -
𝑆
• 𝑌𝑜 = 𝑅 0
𝐴𝐷
• 𝑌𝑜 = Data aktivitas A tahun data kosong
• 𝑅𝐴𝐷 = rata−rata nilai rasio data aktivitas−B Proxy terhadap A tahun ada data
• 𝑆𝑜 = Data Aktivitas B Proxy tahun yang akan diisi
190
• 𝑌2007 = = 95
2
• 𝐸2007 = 𝑌2007 ∗ 𝐸𝐹 = 95 ∗10=950

Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
AD- A 99 100 102 101 103 101 95 90 97,5 105
AD-B Proxy 200 203 205 203 208 200 190 180 195 210
Rata-rata 2,01 2,01 2,01 2,01 2,01 2,01 2,01 2,01 2,01 2,01
Ratio B:A

12 | Gap-Filling
Teknik Pengisian Data Hilang
• Opsi Ketiga: Penggunaan proxy temporer ketika DA tidak tersedia ke depan (discontinue)
Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
AD- A 99 100 102 101 103 101 - - - -
AD-B Proxy 200 203 205 203 208 200 190 180 195 210
FE-A 10 10 10 10 10 10
Ratio EF 4,95 4,926 4,976 4,975 4,952 5,050 - - - -

• 𝐸0 = 𝑆0 ∗ 𝑅𝐸𝐹
• 𝐸0 = Emisi dari aktivitas A tahun data kosong
• 𝑆𝑜 = Data Aktivitas B Proxy tahun yang akan diisi
• 𝑅𝐸𝐹 = rata−rata nilai rasio faktor emisi, AD-A/AD-Proxy * FE-A
• 𝐸2007 = 190 ∗ 4,972 = 945 t CO2

Tahun0 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
AD- A 99 100 102 101 103 101
AD-B Proxy 200 203 205 203 208 200 190 180 195 210
Rata-rata 4,972 4,972 4,972 4,972 4,972 4,972 4,972 4,972 4,972 4,972
Ratio FE
Emisi-A 990 1000 1020 1010 1030 1010 945 895 969 1.044

13 | Gap-Filling
Penyelarasan AD dan EF
• Emisi di Indonesia kebanyakan dihitung menggunakan metode Tier 1:
• Faktor emisi atau metodologi default
• Data aktivitas tersedia (default)
• Keduanya memerlukan perhatian/penyelarasan saat menggunakan kesenjangan data
yang lebih sulit.
• Misalnya data aktivitas historis penggunaan bahan bakar yang tidak tersedia pada masa krisis
ekonomi.
• Harga bahan bakar pada saat itu menjadi sangat tinggi. Kita dapat memperkirakan jatuhnya
penggunaan bahan bakar pada awal krisis dan akan naik kembali pada akhir resesi.
• Disebaban tingginya harga bahan bakar, bahan bakar campuran (yang digunakan untuk produksi
listrik dan industri) mungkin berganti (menggunakan bahan bakar termurah).
• Dalam kasus tersebut (saat filling data gap emisi dari produksi listrik dan atau industri), estimasi
emisi harus dibuat pada:
• Penggunaan/konsumsi energi (misal batubara) yang digunakan untuk produksi listrik/industri
• Menelusuri jenis batubara yang digunakan (lighnit, subbituminuous, bituminuous, dan antrasit) apakah ada
perubahan. Faktor Emisi (FE) keempat batubara ini akan berbeda karena nilai kalorinya berbeda-beda

14 | Gap-Filling
Meninjau EF Default
• Meninjau Faktor Emisi Default :
• Apakah FE default oleh IPCC sudah mewakili keseluruhan
kondisi khusus di Indonesia?
✓ Tipe bahan bakar pada pembakaran di energi dan transportasi
✓ Pertambangan
✓ Teknologi dan pengukuran mitigasi di industry
✓ Hewan ternak dan praktik pertanian
✓ Pengelolaan pupuk
✓ Budidaya padi
✓ Pengelolaan hutan
✓ Pengelolaan limbah

15 | Gap-Filling
Perbaikan EF
Pilihan 1
• Cari EF representatif yang sesuai dengan DA yang tersedia (dapat berupa proxy):
• Literatur sains
• Database FE UNFCC
https://www.ipcc-nggip.iges.or.jp/EFDB/main.php
• Laporan IGRK tahunan atau dua tahun (NIR or BUR) dari negara-negara lain yang dapat dibandingkan
Pilihan 2
• Mengembangkan FE Country Specific (CS)
• Pengukuran FE
➢ Carbon content pada bahan bakar
➢ Emisi N2O dari Nitric acid plants
➢ Masalah-masalah yang dapat dipertimbangkan:
❑ Menentukan keterwakilan pengukuran untuk situasi di Indonesia/metodologi perhitungan
❑ Termasuk perkiraan uncertainty pada FE yang baru
• Perkembangan metodologi baru
➢ Menentukan DA terpercaya (atau proxy) yang tersedia (untuk di masa lampau dan masa depan)
➢ Mengembangkan model yang menjelaskan relasi antara DA dan emisi yang akan diestimasi

16 | Gap-Filling
Tugas
• Data aktivitas mana pada sektor anda yang memiliki kualitas rendah dan
perlu ditingkatkan?
• Apakah ada rencana untuk melakukan perbaikan terhadap data tersebut
dan apakah sudah memiliki metode/cara mencapai peningkatan tersebut?
• Alternatif proxy mana yang dapat digunakan?
• Apakah alternatif tersebut tersedia?
• Dalam pertemuan kedua, silakan kirim sampel data dari instansi Anda yang
bisa dilakukan pengisian kesenjangan data dan data tersebut dapat Anda
gunakan langsung dalam pelatihan ini. Apabila tidak ada data sample yang
anda miliki, mohon dapat melakukan latihan dengan menggunakan set
data yang diberikan
17 | Gap-Filling
Set Data untuk latihan (bagi yang tidak
memiliki sampel data
• Gunakan metode yang menurut anda tepat untuk mengisi data gap dari contoh
data berikut:
• Kasus 1: Mengisi data hilang terkait emisi dari konsumsi LPG oleh rumah tangga
Tahun 2010 2011 2012 2013 2014 2015 2016 2017 2018
Rumah Tangga DA A (Konsumsi LPG) 50 60 65 72 ? ? ? ? ?
Emisi GRK 18 21.6 23.4 25.9 ? ? ? ? ?
Proxy (Populasi) 1000 1200 1300 1440 1500 1580 1700 1830 1600

• Kasus 2: Mengisi data hilang terkait emisi dari konsumsi listrik di hotel
Tahun 2010 2011 2012 2013 2014 2015 2016 2017 2018
Hotel DA A (Konsumsi Listrik) 1350 1400 1500 1600
DA B (Konsumsi Listrik) 1350 1400 1433 1467 1500 1525 1550 1575 1600
DA C (Konsumsi Listrik) 1350 1400 1500 1600
Emisi GRK A 1215 1274 1320 1472
Emisi GRK B 1215 1274 1320 1472
Faktor Emisi A 0.9 0.91 0.89 0.89 0.88 0.9 0.91 0.93 0.92
Jumlah Tamu C 1000 1049 1060 1070 1086 1100 1145 1190 1212
Set Data untuk latihan (bagi yang tidak
memiliki sampel data
• Gunakan metode yang menurut anda tepat untuk mengisi data gap dari contoh
data berikut:
• Kasus 3: Konsumsi energi pada industri semen
Tahun 2010 2011 2012 2013 2014 2015 2016 2017 2018
Industri Semen DA A (konsumsi batubara) 1000 ? ? ? ? ? ? ? ?
Produksi semen 12000 13000 15000 14500 14000 16000 15000 14500 13500
FE A (tetap) 3 3 3 3 3 3 3 3 3
Emisi GRK A ? ? ? ? ? ? ? ? ?
FE B (berubah) 3 2.9 2.8 2.8 2.7 2.6 2.6 2.7 2.5
Emisi GRK B ? ? ? ? ? ? ? ? ?

• Kasus 4: Emisi dari sektor transportasi

Tahun 2010 2011 2012 2013 2014 2015 2016 2017 2018
Transportasi DA A (Konsumsi bensin) 100 105 108 106 110 ? ? ? 105
Emisi GRK 50 52.5 54 53 55 ? ? ? ?
Proxy (Jumlah kendaraan) 10 10.5 10.8 10.6 11 12 14 11 10.5