Biografi Singkat

Prof. Ir. Djoko Santoso Abi Suroso, Ph.D

Pendidikan
● Ph.D di Geographical Sciences and Planning, University of Queensland, Australia - 2000
● Sarjana di Jurusan Teknik Geologi, Institut Teknologi Bandung - 1988

Jabatan
● Ketua Kelompok Keahlian Perencanaan Wilayah dan Perdesaan (KK PWD) - SAPPK ITB
● Kepala Pusat Perubahan Iklim - ITB

Bidang Penelitian
● Climate Change and Disaster Aspects in Planning
● Environmental Assessment, Carrying Capacity, and Resilience for Spatial Planning
 Climate Change Impacts and Sustainable Development

Unequal Access Inadequate human & Dampak perubahan iklim dapat

To Resources Economic institutional capacity mempengaruhi keberlanjutan
Dimension pembangunan dalam 3 dimensi yaitu
Climate ekonomi, sosial dan lingkungan.
Change
Proses adaptasi merupakan upaya-upaya
Sectoral and
dalam mengidentifikasi dampak perubahan
Disaster Ecosystem iklim pada sektor-sektor pembangunan dan
Risk Adaptation Impacts lingkungan, mengelola risiko kebencanaan
to yang mungkin timbul, serta meningkatkan
Climate kapasitas beradaptasi.
Change
Dalam menghadapi berbagai bahaya iklim
dan kejadian ekstrem, upaya adaptasi
Social Ecological dipengaruhi oleh berbagai faktor
Dimension Dimension kerentanan, misalnya ketimpangan akses
Adaptive pada sumberdaya, kurangnya kapasitas
Hazard/ Extreme Capacity Poverty manusia dan kelembagaan, dan
Event kemiskinan.

Source: Modified from IPCC 2007

 Pengaruh Dampak Perubahan Iklim terhadap Keberlanjutan
Pembangunan Daerah
Dampak Perubahan Iklim Terhadap Peningkatan
Dampak Perubahan Iklim Bahaya Sektoral dan Ekosistem
Terhadap Peningkatan Bahaya
Bencana
 Perubahan Iklim (Kajian Sains Basis)
Iklim (Definisi Operasional)
variansi/
Observasi standard

Peluang (kejadian)
Nilai parameter iklim
deviasi
Statistik

rerata (mean)
Waktu (30 tahun)
Perubahan Iklim Nilai parameter iklim

Modified from
Figure 2.32 in
the IPCC WGI
report (2001)
(Benson et al.,
2012)

Catatan: Data dari 2 periode iklim (2x30 tahun) 🡪 observasi (bottom up) ; model proyeksi (top down)

Variabilitas (Ketidakpastian) Iklim

• Untuk bulan yang sama, nilai parameter iklim tidak sama untuk tahun yang berbeda
dikarenakan oleh adanya variabilitas intra-musim (intra-seasonal), antar-tahunan
(inter-annual), antar-dasawarsa (interdecadal) Curah
• Informasi iklim yang pertama kali diperhitungkan dalam perencanaan adalah iklim
hujan
rata-rata yang bersifat deterministik
• Variabilitas iklim memunculkan Risiko Iklim dan Risiko Bencana
 Variabilitas Iklim dan Kejadian Iklim Ekstrem: Fenomena
MJO (30-60 harian/
Monsun (tahunan) intra-musiman)

ENSO (antar tahunan/

2-7 tahunan)
)

(antar-dasawarsa)
IOD (antar tahunan)
Secara umum, iklim di Indonesia dipengaruhi oleh monsoon yaitu pola hembusan angin yang berubah secara periodik dari daratan
benua Asia ke arah daratan benua Australia dan sebaliknya, serta dipengaruhi oleh keberadaannya di sekitar ekuator dan
pengaruh-pengaruh lokal lainnya.
Iklim mengalami variabilitas (ketidakpastian) yang dapat berupa fenomena intra-musim (intra-seasonal), antar-tahunan (inter-annual), Sumber: (Hadi, 2023)
antar-dasawarsa (interdecadal). Fenomena El-Nino dan La-Nina merupakan contoh variabilitas antar tahunan
 PERUBAHAN IKLIM GLOBAL

Perubahan Deret-Waktu Suhu

Permukaan Global melalui
Rekonstruksi Iklim Purba
(1–2000) dan Observasi
(1850–2020)
Sumber : IPCC, 2021

▪ Kenaikan suhu permukaan bumi (pemanasan global) meningkat lebih dari 1°C pada kurun waktu
2010–2019 relatif terhadap 1850–1900.
▪ Hasil simulasi menunjukan bahwa faktor aktivitas manusia semakin signifikan terhadap faktor
alam dalam peningkatan gas rumah kaca.
PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.
 PERUBAHAN IKLIM DI PESISIR DAN LAUT - GLOBAL

➢ Laju rata-rata kenaikan muka air laut terus

meningkat (IPCC, 2021):
- Tahun 1901 - 1971: 1.3 [0.6 ke 2.1] mm per tahun
- Tahun 1971 - 2006: 1.9 [0.8 ke 2.9] mm per tahun
- Tahun 2006 - 2018: 3.7 [3.2 ke 4.2] mm per tahun
➢ Perubahan relatif muka air laut merupakan
kombinasi antara fenomena global (dipicu
ekspansi termal air laut serta mencairnya glasier
dan es di kutub utara dan kutub selatan), dengan
fenomena di tingkat lokal atau regional, misalnya
penurunan muka tanah (IPCC, 2019).

PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.

 PERUBAHAN IKLIM DI PESISIR DAN LAUT - INDONESIA

Distribusi Spasial Laju Perubahan SSL (SSH), SST, dan SSS Time Series Data Muka Laut, SST, SSS, dan SSH bulanan tahun 1961-2040
Tahun 1991- 2015 (Sumber: KLHK, 2017) Sumber: KLHK, 2017

➢ Tren kenaikan SSH (sea surface height), pada tahun 2040 menjadi 50 cm lebih tinggi daripada tahun 2000
➢ Tren kenaikan SST (sea surface temperature), tahun 2040 nilainya lebih tinggi 1°C daripada tahun 2000 dan 2°C daripada 1961
➢ Tren penurunan SSS (sea surface salinity), dari 33.2 psu di tahun 2000 menjadi 32.1 psu di tahun 2040

PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.

 PERUBAHAN IKLIM DI PESISIR DAN LAUT - INDONESIA
Extreme SST

Sumber: ITB-YKAN, 2022

Berdasarkan Data dari Reefbase.org

Sumber: ICCSR, 2010

PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.

 PERUBAHAN IKLIM ATMOSFER DI INDONESIA

Perubahan (dalam %) temperatur dan curah hujan rata-rata tahunan

(dihitung dari ensemble 24 Model Iklim Global - CMIP5 GCMs untuk skenario iklim RCP 8.5 dengan 3 perioda waktu proyeksi secara terpisah).
Perubahan tersebut relative terhadap kondisi baseline observasi (periode 1981-2005) menggunakan dataset CHIRPS v2.0
(sumber: Third National Communication Indonesia under UNFCCC, 2017)

Untuk sekitar IKN proyeksi 2026-2050, terjadi kenaikan temperatur sekitar 1.4oC, dan kenaikan curah hujan rata-rata sekitar 4%
DAMPAK PERUBAHAN IKLIM TERHADAP
PEMBANGUNAN BERKELANJUTAN

STUDI KASUS: PULAU JAWA

 Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Baseline (1981-2010) - Curah Hujan Sumber: JICA-PPI-ATR, 2022
Gambar 5. Peta ZOM Jawa Barat
● Dipilih tiga ZOM yaitu kode 76,
Sumber: JICA-PPI-ATR, 2022 90, dan 72.
● Masing-masing ZoM mewakili
daerah dengan curah hujan
tahunan yang:
○ relatif tinggi (ZoM #72),
○ sedang (ZoM #90), dan
○ rendah (ZoM #76).

Wilayah dengan curah hujan tahunan relatif rendah dan sedang memiliki siklus
tahunan dengan perbedaan yang tegas antara musim hujan dan musim kering,
sedangkan wilayah yang mempunyai curah hujan akumulasi tahunan yang tinggi
mempunyai siklus tahunan dengan curah hujan bulanan yang hampir tidak pernah
berada di bawah ambang bulan kering.

Gambar 4. Peta pola spasial curah hujan tahunan di Provinsi Jawa Barat (mm/tahun)

Cukup bervariasi secara spasial dengan nilai antara 1500 - 4500 mm/tahun.
Wilayah Jawa Barat bagian selatan, yang berpegunungan, secara umum mendapat
curah hujan lebih tinggi dibandingkan bagian utara yang bertopografi landai
Gambar 6. Siklus tahunan curah hujan di ketiga ZOM (76, 90, 72).
Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Proyeksi (2031-2060) – Curah Hujan

Sumber: JICA-PPI-ATR, 2022 Sumber: JICA-PPI-ATR, 2022

Gambar 9. (kiri) pola spasial temperatur pada kondisi proyeksi dan (kanan) pola perubahan spasial temperatur pada kondisi proyeksi

Proyeksi perubahan curah hujan di Jawa Barat secara umum dicirikan dengan adanya penurunan curah hujan tahunan (dengan pengurangan
3% - 9%). Penurunan curah hujan tahunan tersebut terutama terjadi di wilayah tenggara Jawa Barat Selatan, yang bersesuaian dengan
wilayah dengan kenaikan temperatur permukaan tertinggi; dimana kondisi ini menunjukkan konsistensi hasil simulasi proyeksi temperatur dan
curah hujan.
Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Baseline (1981-2010) - Temperatur
Sumber: JICA-PPI-ATR, 2022
Gambar 8. Peta pola spasial rata-rata temperatur tahunan di Provinsi Jawa Barat (°C)
Pola sebaran temperatur secara spasial di Jawa Barat
bervariasi mengikuti elevasi (ketinggian) tempat dengan
kisaran 26 °C di dataran rendah hingga 15 °C di dataran
tinggi.
Perlu diperhatikan bahwa ini adalah nilai rata-rata dalam satu
periode iklim (30 tahun), sedangkan nilai aktual temperatur
bervariasi dalam skala harian bahkan dan dipengaruhi oleh
variasi diurnal.
Rata-rata di suatu tempat mempengaruhi banyak hal, antara
lain kenyamanan manusia sebagai salah satu aspek
wisata. Oleh karena itu obyek wisata alam di Jawa Barat
banyak berkembang di wilayah dengan temperatur rata-rata
yang relatif rendah (berkisar 20 °C).
Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Proyeksi (2031-2060) - Temperatur

Sumber: JICA-PPI-ATR, 2022 Sumber: JICA-PPI-ATR, 2022

Gambar 7. (kiri) pola spasial hujan pada kondisi proyeksi dan (kanan) pola perubahan spasial hujan dalam persentase pada kondisi proyeksi

● Distribusi spasial temperatur Jawa Barat pada periode proyeksi masih serupa dengan periode baseline.
● Namun hal yang perlu dicermati adalah terdapat variasi spasial kenaikan temperatur permukaan pada periode proyeksi dengan
kenaikan temperatur tertinggi ada di wilayah sekitar Garut yaitu sekitar 1,75°C dibandingkan daerah lainnya yang berkisar 1,5°C.
Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Baseline (1981-2010) - Ketidakpastian Iklim

Gambar 10. Ketidakpastian hujan di Jawa Barat ditunjukkan dalam siklus tahunan di ketiga ZOM. Sumber: JICA-PPI-ATR, 2022
Rentang nilai menunjukkan nilai ambang batas (persentil ke-5, 35, 65, dan 95)

Pada tiga sampel ZoM di Jawa Barat, daerah ZoM #72 memiliki variabilitas curah hujan yang lebih besar dibandingkan dengan
daerah ZoM yang lain. Sebaliknya variabilitas curah hujan di daerah ZoM #76 lebih kecil, seperti ditunjukkan pada Gambar 3-15 Secara
umum, bulan-bulan dengan nilai curah hujan tinggi akan mempunyai rentang ketidakpastian (variansi) yang tinggi pula.
Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Proyeksi (2031-2060) - Ketidakpastian Iklim
Gambar 11. Pola siklus curah hujan pada kondisi proyeksi serta rentang ketidakpastiannya berdasarkan nilai 1
standar deviasi (kurva merah). Ditampilkan juga pola siklus saat periode baseline (kurva hitam)

● Jika ditinjau pada tiga sampel ZOM, dapat dilihat bahwa pengurangan curah hujan pada
periode proyeksi sebagian besar terjadi pada bulan-bulan transisi dan bulan-bulan
kering, sedangkan pada bulan-bulan basah (Desember hingga Mei) justru terdapat
sedikit kenaikan.
● Pola seperti ini (bulan basah menjadi semakin basah dan bulan kering menjadi semakin
kering) dapat berkaitan dengan potensi peningkatan bencana hidrometeorologis, yaitu
masing-masing bahaya banjir dan bahaya kekeringan.

Sumber: JICA-PPI-ATR, 2022

Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Baseline (1981-2010) - Ketidakpastian Iklim

Gambar 12. Ketidakpastian temperatur di Jawa Barat ditunjukkan dalam

pola spasial nilai ambang batas (persentil ke-5, 35, 65, dan 95).

● Variabilitas temperatur juga lebih banyak dipengaruhi

faktor topografi.
● Nilai temperatur ekstrem di atas 30+8°C, misalnya,
mempunyai peluang kejadian di bawah 5% ; ditemui di
perkotaan dan biasanya berdurasi singkat.
● Demikian pula dengan temperatur ekstrem di bawah
10-8°C. Meskipun jarang terjadi, temperatur yang
mencapai nilai ekstrem terendah dapat menyebabkan
pembekuan embun yang merusak tanaman teh di dataran
tinggi.
● Di Jawa Barat, fenomena seperti itu disebut ibun bajra.
Fenomena serupa juga terjadi di dataran tinggi lain di
Pulau Jawa seperti di daerah Dieng.

Sumber: JICA-PPI-ATR, 2022

 Peta Bahaya Pesisir Provinsi Jawa Barat

Baseline

Skenario-1 Skenario-2 Skenario-3

Proyeksi

Sumber: ITB-JICA-ATR, 2022

 Perubahan Garis Pantai Historis Kabupaten Subang
Hasil plot perubahan garis pantai
Subang tahun 1972-2022
menunjukkan bahwa:

• Terjadi variasi perubahan garis

pantai dimulai dari akresi di
abrasi wilayah barat (Kec. Blanakan),
abrasi di Kec. Legonkulon, dan
kembali akresi di wilayah timur
akresi akresi
(Kec. Pusakanagara).
• Garis pantai dinamis tersebut
merupakan respon dari proses
alam dan antropogenik
(aktivitas manusia) di pesisir.

Sumber: ITB-JICA-ATR, 2022

 Peta Abrasi- Sedimentasi- Inundasi di Sekitar Muara
Sungai Cipunagara
Peta Bahaya Pesisir Kab.Subang
Baseline

Skenario-3

Proyeksi

Skenario-3
Sumber: ITB-JICA-ATR, 2022 Sumber: Solihuddin, T., 2021 Prof. Ir. Djoko Santoso Abi Suroso, Ph.D.
 Sasaran 1 Identifikasi bahaya abrasi dan kenaikan muka air laut

Analisis Perubahan Garis Pantai

Desa Mayangan Desa Legonwetan
2361,75 m
1992 - 2022 1992 - 2022
1704,92 m
Kemunduran Garis Pantai: Kemunduran Garis Pantai:
1704,92 m 2361,75 m
Laju perubahan: Laju perubahan:
- 56,78 m/thn - 78,65 m/thn

Desa Mayangan Desa Legonwetan

Tahun
Perubahan Laju Perubahan Laju

1992 - 2002 - 337,47 -33 -931,15 -91,05

2002 - 2013 -1353,34 -124,83 -1300,74 -119,98

2013 - 2022 -544,55 -60,78 -1653,02 -184,51

Penggenangan Pesisir di Pondok Bali, Kab. Subang, Jawa Barat
Prof. Ir. Djoko Santoso Abi Suroso, Ph.D.
Penggenangan Pesisir di Pondok Bali, Kab. Subang, Jawa Barat
www.themegallery.com
Prof. Ir. Djoko Santoso Abi Suroso, Ph.D.
 Peta Bahaya Potensi Pergeseran Fishing Ground Perairan Sukabumi

Perlunya sistem informasi

keruangan pada sektor
perikanan tangkap
(penggunaan peta fishing
ground atau prakiraan potensi
perikanan) di Pantai Selatan
Jawa dikarenakan perubahan
dan variabilitas iklim di pesisir
dan laut dapat berdampak
pada ketidakpastian waktu
dan lokasi terjadinya potensi
perikanan tangkap

Sumber: Suroso dkk, 2019

Peta Bahaya Potensi Pergeseran Fishing Ground Perairan Sukabumi

Pada Kondisi La Nina dan IOD (-)
Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Data Baseline (1983-2016) Curah Hujan
Gambar 22. Karakteristik curah hujan di Provinsi Jawa Barat
(a) klimatologis curah hujan bulanan
(b) curah hujan bulanan pada periode tahun hidrologis (Juni s.d Mei)

● Gambar 3.a menunjukkan kondisi klimatologis curah hujan di setiap

bulan pada tahun hidrologis (Juni sampai dengan Mei). Terlihat dari
Sumber: Gambar 3.a puncak curah hujan di Provinsi Jawa Barat terjadi
PPI-JICA-Bappenas-Bappeda Jabar, 2023 pada periode NDJFM.
● Gambar 3.b menunjukkan curah hujan bulanan di Provinsi Jawa
Barat yang terdistribusi dalam tahun hidrologis (Juni sampai dengan
Mei). Terlihat pada Gambar 3.b curah hujan maksimum terjadi
pada periode Juni 2007 s.d Mei 2008.
Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Data Baseline (1983-2016) Temperatur

Karakter temperatur
maksimum dan minimum di
Provinsi Jawa Barat sangat
dipengaruhi kondisi
penyinaran matahari dengan
puncak yang terjadi di bulan
Mei. Gambar 4 juga
menunjukkan bahwa
temperatur maksimum dan
minimum menunjukkan nilai
yang tinggi pada periode
Juni 1997 s.d Mei 1998.
Kemudian terlihat
temperatur minimum bahwa
pada periode Juni 2015 s.d
Mei 2016, menunjukkan nilai
yang paling tinggi di seluruh
Gambar 23. Karakteristik temperatur di Provinsi Jawa Barat periode pengamatan.
(a) klimatologis temperatur maksimum bulanan (b) temperatur maksimum bulanan pada periode tahun hidrologis (Juni s.d Mei)
Sumber:
(c) klimatologis temperatur minimum bulanan (d) temperatur minimum bulanan pada periode tahun hidrologis (Juni s.d Mei) PPI-JICA-Bappenas-Bappeda Jabar, 2023
 Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Data Baseline (1983-2016) Debit Sumber:
PPI-JICA-Bappenas-Bappeda Jabar, 2023

Gambar 26. Data debit hasil perhitungan model SWAT
di Kota Bandung, Provinsi Jawa Barat untuk
(a) klimatologis debit bulanan
(b) debit bulanan pada periode tahun hidrologis
(Juni sampai dengan Mei)
Gambar 27. Data baseflow hasil perhitungan model
SWAT di Kota Bandung, Provinsi Jawa Barat untuk
(a) klimatologis baseflow bulanan
(b) baseflow bulanan pada periode tahun hidrologis
(Juni sampai dengan Mei)
Gambar 28. Data direct runoff hasil perhitungan model
SWAT di Kota Bandung, Provinsi Jawa Barat untuk
(a) klimatologis dan
(b) direct runoff bulanan pada periode tahun hidrologis
(Juni sampai dengan Mei)
Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Proyeksi Hazard Sumber Daya Air
◀ Gambar 30. Proyeksi hazard debit minimum (a-c) dan rata-rata (d-f)
pada tahun 2025-2049 di Provinsi Jawa Barat berdasarkan data
keluaran model Proyeksi Iklim CMIP6 untuk model (a dan d) CanESM5,
(b dan e) INM-CM5-0 dan (c dan f) MRI-ESM2-0.
Sumber: PPI-JICA-Bappenas-Bappeda Jabar, 2023

▲Gambar 31. Proyeksi hazard debit minimum (a) dan rata-rata (b)
pada tahun 2034-2049 di Provinsi Jawa Barat berdasarkan data
keluaran model Proyeksi Iklim BMKG-JICA
a. CMIP6 CanESM5 → penurunan hazard debit 41,56% - 59,19%; rata-rata 49,36%.
● Hasil proyeksi persentase penurunan debit minimum
b. CMIP6 INM-CM5-0 → penurunan debit minimum 14,05% - 20,27%; rata-rata 16,57%.
menunjukkan persentase penurunan pada kisaran 2,88%-78,62%
c. CMIP6 MRI-ESM2-0 → penurunan debit minimum 22,53% - 54,56%; rata-rata 37,98%
dengan rata-rata persentase penurunan debit minimum sebesar
d. CMIP6 CanESM5 → penurunan hazard debit rata-rata 17,15% - 25,21%; rata-rata 20,80%
27,06% (Gambar 18.a).
e. CMIP6 INM-CM5-0 →persentase penurunan debit rata-rata 4,74% - 8,8%; rata-rata 6,98%
● hasil proyeksi persentase penurunan debit rata-rata pada kisaran
f. CMIP6 MRI-ESM2-0 → penurunan debit rata-rata 12,51% - 26,24%; rata-rata sebesar 17,9%
2,88% - 33,76% dengan rata-rata sebesar 13,11% (Gambar 18.b)
 Dampak Perubahan Iklim pada Sektor Air di Jawa Barat
Proyeksi Hazard Debit Rata-Rata pada Tahun 2034-2049 di Provinsi Jawa Barat Berdasarkan Data Keluaran
Model Proyeksi Iklim BMKG-JICA
Hasil proyeksi debit rata-rata untuk tahun
2034-2049 di Provinsi Jawa Barat menggunakan
keluaran data model BMKG-JICA menunjukkan
penurunan.

Dominasi penurunan terbesar berada pada

1. Wilayah Selatan Jawa Barat dimulai dari
Garut hingga Pangandaran,
2. Metropolitan Cirebon Raya
3. Sebagian kecil wilayah Purwakarta, Subang,
Karawang, Bogor, dan Sukabumi

Sumber: ITB-JICA-Bappenas, 2023

Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Delta Produktivitas Padi - Model Curah Hujan dan Suhu

Gambar 33. Diagram pencar

antara curah hujan dan
produktivitas padi lahan sawah
tadah hujan pada musim
kemarau. Garis merah
menunjukkan rata rata
produktivitas pada setiap bin
curah hujan (ukuran bin: 50 mm),
dan daerah yang diarsir warna
merah menunjukkan standar
deviasi untuk setiap bin (kiri).
Persamaan polinomial orde 2
digunakan untuk menghitung
perubahan produktivitas (kanan)

Proyeksi produktivitas padi dianalisis menggunakan model hubungan curah hujan dan produktivitas padi musim kemarau hasil keluaran
APSIM untuk periode baseline tahun 1986-2016. Untuk musim hujan, perubahan produktivitas padi mengacu pada hasil kajian Susanti et al.
(2021) di Pulau Jawa yang menggunakan CORDEX -SEA dengan skenario RCP 8.5. Proyeksi perubahan curah hujan pada produktivitas padi
dihitung menggunakan metode Delta dari baseline curah hujan kumulatif dengan menggunakan threshold 0,6
Sumber: PPI-JICA-Bappenas-Bappeda Jabar, 2023
 Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Delta Produktivitas Padi - Model Curah Hujan dan Suhu
Metode delta juga digunakan untuk menghitung Perubahan produktivitas akibat peningkatan suhu, yaitu dengan melihat hubungan antara perubahan
suhu terhadap baseline dengan perubahan produktivitas, seperti yang ditunjukkan melalui persamaan:

Berdasarkan penelitian yang dilakukan Yuliawan dan Handoko (2016), disimpulkan bahwa peningkatan suhu udara berpengaruh secara linear
terhadap persen penurunan produktivitas padi. Setiap peningkatan suhu 1℃ akan berdampak pada penurunan produktivitas sebesar 14.4%
untuk sawah tadah hujan.

Nilai perubahan suhu (delta T) merupakan selisih dari rata-rata proyeksi 10 tahun 2024, 2029, 2034, 2039 dan 2045 terhadap baseline
(2005-2015). Proyeksi suhu udara ditentukan menggunakan rata-rata dari 3 model CMIP6 (MRI-ESM2-0, INM-CM5-0, CanESM5.
Produksi padi (Prod) merupakan perkalian dari produktivitas padi (Yi) dengan luas panen (Har). Luas panen merupakan rata-rata periode baseline
2005-2015 dengan asumsi luas panen tetap.
Prod = Yi x Har
Sumber: PPI-JICA-Bappenas-Bappeda Jabar, 2023
Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Proyeksi Perubahan Produksi Padi Provinsi Jawa Barat
● Luas panen menggunakan rata rata tahun 2005-2015 dan diasumsikan sama selama periode proyeksi.
● Proyeksi padi level kecamatan di Provinsi Jawa Barat
○ 2024 → 8,850 ± 1,798 juta ton
○ 2029 → 8,903 ± 1,805 juta ton
○ 2034 → 8,825 ± 1,7858 juta ton
○ 2039 → 8,804 ± 1,804 juta ton
○ 2045 → 8,825 ± 1,785 juta ton
● Lima kabupaten dengan kontribusi tertinggi adalah Kabupaten Indramayu, Subang, Cianjur, Sukabumi, dan Karawang dengan luas panen
berkisar antara 112 - 175 ribu Ha.Proyeksi produksi padi di ke-lima kabupaten tersebut mempunyai pola yang sama.
● Dibanding dengan tahun 2024, terdapat peningkatan sebesar 635-7300 ton pada tahun 2029. Pada tahun 2034 dan 2045, diproyeksikan terjadi
penurunan produksi secara konsisten, dan produksi terendah diproyeksikan terjadi pada tahun 2045.
Prod. Baseline Kecamatan
Pada tahun 2024 penurunan produksi padi tertinggi terjadi di kabupaten sentra produksi padi Kabupaten
750.000 ton/thn Kab. Karawang, Subang, Indramayu dan
Sukabumi Karawang dan Indramayu berkisar 100,000 - 150,000 ton/tahun. Kabupaten Bekasi, Subang, Sukabumi,
500.000 - 750.000 Kab. Bogor, Cianjur, Garut, Tasikmalaya dan Garut, Tasikmalaya, dan Ciamis diproyeksikan mengalami penurunan produksi 50,000 - 100,000 ton/ha,
ton/thn Ciamis sedangkan 18 kabupaten lainnya kurang dari 50,000 ton/tahun. Proyeksi pada tahun 2029 hampir sama
250.000 - 500.000 Kab. Bekasi, Bandung, Sumedang, Majalengka, seperti tahun 2024, kecuali Kabupaten Ciamis yang penurunan produksinya menurun dari 50,000 - 100,000
ton/tahun Sumedang dan Cirebon
ton/tahun menjadi 50,000 ton/tahun. Proyeksi untuk tahun 2034 di Kabupaten Ciamis dan Karawang
100.000 - 250.000 Kabupaten Purwakarta, Bandung Barat dan
ton/tahun Pangandaran
mengalami penurunan dibanding tahun 2029 yaitu di Kabupaten Ciamis 50,000-100,000 ton/tahun dan di
<100.000 ton/tahun Kota Bekasi, Bogor, Depok, Sukabumi, Bandung, Kabupaten Karawang sekitar 100,000-150,000 ton/tahun.
Cirebon, Cimahi, Tasikmalaya, dan Banjar

Sumber: PPI-JICA-Bappenas-Bappeda Jabar, 2023

 Dampak Perubahan Iklim pada Sektor Kesehatan di Jawa Barat

2024-2033 2029-2038
• Kota Bandung memiliki tingkat
bahaya tertinggi pada kondisi
baseline, namun akan mengalami
penurunan pada periode proyeksi.
• Kota Bekasi, Kabupaten Bandung,
dan Kabupaten Bogor dengan
tingkat bahaya tinggi pada periode
baseline akan mengalami delta
2034-2043 2040-2049 positif atau peningkatan bahaya
pada keempat periode proyeksi,
• Laju peningkatan bahaya tertinggi
di Kabupaten Bogor dan Kabupaten
Bandung.

Peta Proyeksi Bahaya Kasus Dengue Akibat Perubahan Iklim di Provinsi Jawa Barat pada
Tahun 2024-2049
Sumber: ITB-JICA-Bappenas, 2023
 Perananan Tata Ruang dalam Adaptasi PI di Wilayah Pesisir & Laut
1. Pesisir Utara Pulau Jawa Rencana tata ruang justru mengarahkan konversi penggunaan lahan di sepanjang pantai utara Jawa

Sumber: Pembangunan wilayah pesisir Kota Kendal

Suroso & Firman, 2018 Tahun 2005-2021

Banjir Kota Pekalongan Banjir Rob di Demak akibat tanggul jebol, 2022
Sumber: Portal Demak, 2022
PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.
 Peranan Tata Ruang dalam Adaptasi PI di Wilayah Pesisir & Laut
2. Kota Semarang Rencana pembangunan tol tanggul laut pada RZWP3K mengancam ekosistem mangrove dan meningkatkan risiko perubahan iklim

Reklamasi dan Abrasi Pesisir Kota Semarang Rencana Pembangunan Tol Semarang

Land Subsidence Semarang-Demak Mangrove di Trimulyo, Genuk, Kota Semarang

Perubahan Garis pantai Kota Semarang tahun 1985-2018

Banjir Rob akibat tanggul penahan air laut jebol

Rencana Pembangunan Tol Semarang
PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.
 Peranan Tata Ruang dalam Adaptasi PI di Wilayah Pesisir & Laut
3. Kab. Subang Pembangunan Kota Baru Patimban yang dapat meningkatkan keterpaparan wilayah pesisir

Perubahan guna lahan yang ekstensif di pesisir

utara Kab Subang akan terjadi akibat
perkembangan Pelabuhan Patimban dan
Rencana Kota Baru Patimban

Aktivitas pembangunan
Pelabuhan terlihat semenjak
Juni 2019, dan pada Juli 2019
mulai terlihat adanya bentuk
pondasi awal bangunan
Pelabuhan (garis merah)

Banjir di sekitar Mega Proyek Pelabuhan Laut Internasional Patimban tahun 2021

PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.

BAHAYA BANJIR DARI BENGAWAN SOLO DI KABUPATEN BOJONEGORO
KONDISI DI KAWASAN BANJIR BENGAWAN SOLO KAB. BOJONEGORO

Kondisi Sungai Bengawan Solo

Kondisi tanggul & Bangunan di sekitar sungai Bengawan Solo

Normal/surut Air Tinggi

Bahaya Banjir di Kabupaten Indramayu Pada Sebaran Unit Bisnis Pertamina

Peta Overlay Indeks Bahaya

Banjir InaRisk BNPB di
Kabupaten Indramayu
dengan Sebaran Unit Bisnis
PT. Pertamina
 Grid / pixel
ukuran
100x100
meter
(INARISK -
BNPB)

→ resolusi
spasial
model
Peta Zoom-In Overlay Indeks Bahaya Banjir Kabupaten hazard
Peta Zoom-In Delineasi Unit Bisnis Integrated Indramayu dengan Unit Bisnis Integrated Terminal &
Terminal & Refinery Unit VI Balongan Refinery Unit VI Balongan
DAMPAK PERUBAHAN IKLIM TERHADAP
PEMBANGUNAN BERKELANJUTAN

STUDI KASUS: PULAU SUMATERA

Peta Risiko Banjir dan Rendaman Pesisir di Provinsi Sumatera Selatan Tahun 2030

Sumber: ITB - GIZ, 2007

 Dampak Perubahan Iklim pada Sektor Pertanian di Provinsi Sumatera Selatan

Peta Risiko Penurunan Produksi Padi Lahan Kering (kiri) dan Padi Lahan Basah (kanan) di Sumatera Selatan
Akibat Genangan Pesisir (Kenaikan Permukaan Laut) Sampai Tahun 2030
Berdasarkan analisis risiko penurunan produksi tanaman pangan utama terhadap perubahan iklim dan kenaikan muka air laut di
Sumatera Selatan pada tahun 2030 dapat disimpulkan bahwa:
1) Kabupaten Banyuasin, OKU Timur, dan OKI mempunyai risiko penurunan produksi padi sawah yang tinggi.
2) Kabupaten Muara Enim dan Bayuasin memiliki risiko penurunan produksi padi lahan kering yang tinggi.
Sumber: ITB - KLH, 2012
 Dampak Perubahan Iklim pada Sektor Kesehatan di Provinsi Sumatera Selatan

Berdasarkan analisis risiko Demam Berdarah akibat perubahan iklim di Sumatera Selatan menunjukkan bahwa Kab.
Lubuk Linggau, Kota Prabumulih, Kab. OKU Selatan dan Kab. OKU Timur menunjukkan peningkatan risiko yang
signifikan dari tingkat rendah pada 2008 menjadi tingkat menengah atau tinggi pada 2030.

Sumber: ITB - KLH, 2012

 Dampak Perubahan Iklim pada Sektor Air di Provinsi Sumatera Selatan

Peta Risiko Penurunan Ketersediaan Air pada Periode Baseline 1990-2020 (kiri), dan Proyeksi 2010-2030 (kanan)
Berdasarkan analisis risiko penurunan ketersediaan air terhadap perubahan iklim di Sumatera Selatan menunjukkan bahwa pada
kondisi proyeksi (2030) terjadi perubahan dari tingkat risiko tinggi atau menengah menjadi sangat tinggi di sebagian wilayah
Kabupaten Banyuasin, Kota Palembang, OKI, OKU Timur dan Lubuk Linggau.
Sumber: ITB - KLH, 2012
DAMPAK PERUBAHAN IKLIM TERHADAP
PEMBANGUNAN BERKELANJUTAN

STUDI KASUS: PULAU KALIMANTAN

 Analisis Data dari Hi-Resolution Regional Climate Model
BMKG
(Resolusi grid spasial 5 km; downscale dari GCM MRI Jepang
skenario RCP8.5)
 POLA HARIAN TEMPERATUR

Kenaikan Temperatur Baseline : 0o C/Tahun

Kenaikan Temperatur Future (Proyeksi) : 0.0730o C/Tahun

 POLA KLIMATOLOGI TEMPERATUR

Pada kondisi
baseline, pola
klimatologi (rata-rata
Temperatur (oC)

tahunan) temperatur
menunjukkan dua
puncak temperatur,
yaitu 26.5oC
(Oktober) dan
26.25oC (April).

Pada kondisi
proyeksi, dua puncak
temperatur tersebut
bergeser lebih maju
1-3 bulan dan lebih
tinggi 1.5oC

JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOV DES
 POLA KLIMATOLOGI CURAH HUJAN
Pada kondisi
baseline, pola
klimatologi (rata-rata
tahunan) curah hujan
menunjukkan satu
puncak curah hujan,
Curah hujan (mm/hari)

yaitu 3 mm/hari
(November),
sedangkan antara
Feb-Agt sekitar 1.5
mm/hari.

Pada kondisi
proyeksi, puncak
curah hujan tersebut
bergeser lebih maju 1
bulan (Oktober) dan
lebih tinggi (3.7
mm/hari), sedangkan
curah hujan
bulan-bulan lain tidak
begitu berubah
JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOV DES kecuali curah hujan
bulan April lebih tinggi
(2 mm/hari)
STATISTIK PERUBAHAN IKLIM

Probabilitas hujan ekstrem > 50 mm/hari

Baseline 0.21 %

Future 0.28 %
 KONDISI KLIMATOLOGI CURAH HUJAN
DI BEBERAPA TITIK
(ada “anomali pola” di titik 1 - perbukitan)

Sebaran curah hujan

Curah hujan (mm/hari)

menunjukkan pola yang
hampir merata secara
spasial, namun ada 1 lokasi
yang menunjukkan pola
curah hujan yang jauh lebih
tinggi dari daerah-daerah di -> (-1.0320, 116.5267)
sekitarnya.
Lokasi tersebut yaitu loc-1
di koordinat -1.0320LU,
116.5267BT, yang memiliki
puncak hujan rata-rata di
bulan Oktober sekitar 9 Jan Feb Mar Apr Mei Jun Jul Agt Sep Okt
mm/hari. Nov Des
Hal ini perlu diwaspadai
mengingat potensi
terjadinya curah hujan
ekstrem yang dapat
menimbulkan bahaya banjir
bandang atau tanah
longsor.
Namun potensi bahaya ini
memerlukan penyelidikan
lebih lanjut
 Dampak Perubahan Iklim: Bencana Karhutla di Kalimantan
• Pulau Kalimantan tercatat memiliki
trend karhutla setiap tahun, terekam
data dari sejak 2010 (sumber KLHK).
• Terlihat di 2015, Index Enso mencapai
1,458 mengakibatkan kebakaran hutan
mencapai 957.725Ha
• Karhutla tersebut berkorelasi positif
dengan kejadian El Nino Kuat– Sangat
Kuat

Tabel Data kejadian karhutla 2010-2020 dalam hektar (Ha) dibandingkan dengan ENSO dan IOD
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Kalimantan Tengah 15.113 82.215 183.264 29.620 366.841 583.833 6.148 1.744 47.433 317.749 7.681

Kalimantan Timur 19.975 16.903 32.069 18.904 7.082 69.352 43.136 676 27.893 68.524 5.221

Kalimantan Barat 23.732 29.609 98.651 21.232 196.147 93.516 9.174 7.467 68.422 151.919 7.646

Kalimantan Selatan 379 90.545 51.793 18.928 70.205 196.516 2.331 8.290 98.637 137.848 4.017

Kalimantan Utara 4.156 2.233 8.345 152 854 14.506 2.107 82 627 8.559 1.721

Total Luasan (Ha) 63.355 221.505 374.122 88.836 641.129 957.725 62.899 18.260 243.014 684.599 26.286

ENSO (El-Nino / La Nina) -0.475 -0.850 -0.150 -0.325 0.108 1.458 0.325 -0.208 0.008 0.475 -0.367
 Dampak Perubahan Iklim: Sebaran Hotspot di Kalimantan

• Berdasarkan data titik

hotspot dari KLHK, hotspot
tersebar hampir di seluruh
wilayah pulau Kalimantan
(diambil sampel 2015,
2017, dan 2019)

• Walaupun titik hotspot 2015

2007 2015 tidak lebih banyak
dibandingkan 2017, namun
pengaruh El-Nino Kuat–
Sangat Kuat
mengakibatkan luasan
kebakaran hutan menjadi
lebih besar.

Peta historis hotspot kalimantan

2017 2018
Dampak Perubahan Iklim: Sebaran Hotspot di Kalimantan
Badan Meteorologi, Klimatologi
dan Geofisika (BMKG) Stasiun
Kelas I Sultan Aji Muhammad
Sulaiman Sepinggan Balikpapan
mendeteksi 171 titik panas yang
tersebar di Kalimantan Timur.

"171 titik hotspot tersebut

terpantau berlangsung selama 24
jam," ungkap Koordinator Bidang
Data dan Informasi Stasiun
Meteorologi Kelas I Sultan Aji
Muhammad Sulaiman (SAMS)
Sepinggan BMKG Balikpapan
Diyan Novrida melalui pres
release, Rabu (11/10).

Sumber:
https://diskominfo.kaltimprov.go.id/
11 Oktober 2023
 MODEL PREDIKSI
(FORECAST) ENSO

ENSO Forecast
August 2023 Quick Look
Published: August 18, 2023
Columbia Climate School -
International Research Institute
for Climate and Society

• El Niño events tend to develop

during the period Apr-Jun

• El Niño events tend to reach

their maximum strength during
October 2023 – February 2024
(SST anomaly > 1oC in Nino 3.4)

SOURCE: IRI-Columbia University: https://iri.columbia.edu/our-expertise/climate/forecasts/enso/current/

 THE FUTURE ENSO
NATURE CLIMATE CHANGE | LETTER
Increasing frequency of extreme El Niño events due to greenhouse warming (Wenju Cai, at.al., 2014):

Here we present climate modelling evidence for a doubling in the occurrences in the future in response to greenhouse warming. We estimate the
change by aggregating results from climate models in the Coupled Model Intercomparison Project phases 3 and 5 multi-model databases, and a
perturbed physics ensemble. The increased frequency arises from a projected surface warming over the eastern equatorial Pacific that occurs
faster than in the surrounding ocean waters, facilitating more occurrences of atmospheric convection in the eastern equatorial region.

Schematic depicting the mechanism for

increased occurrences of extreme El Nino
under greenhouse warming

In both present-day climate

(a) and future climate
(b) convection zones in the western pacific
and ITCZ latitudes shift from their
normal positions (indicated by blue
clouds) to the eastern equatorial pacific
during the extreme event

http://www.nature.com/nclimate/journal/v4/n2/full/nclimate2100.html
Peta Risiko Pesisir 2030 & Hasil Overlay Dengan RTRW Kota Tarakan

UPDJ
PERTAMINA UPDJ
PERTAMINA

Sumber: ITB-KLH, 2012

 Kondisi Pesisir Pulau Tarakan Saat ini
dan Zonasi Adaptasi Perubahan Iklim

UPDJ
PERTAMINA

Sumber: ITB-KLH, 2012

Zonasi Adaptasi Risiko Kenaikan Muka Air Laut di Pesisir Pulau Tarakan

Akomodasi Restorasi Coastal

Forrest
Coastal pine trees

Restorasi ICZM:
Mangrove Managed
UPDJ
Realignment
PERTAMINA
Coastal setback
Protection
(hard and soft)
Akomodasi

Sumber: ITB-KLH, 2012

DAMPAK PERUBAHAN IKLIM TERHADAP
PEMBANGUNAN BERKELANJUTAN

STUDI KASUS: PULAU PAPUA

 Potensi Dampak Perubahan Iklim: Marine Heat Waves di Perairan
sekitar Sorong, Papua Barat
Potensi coral bleaching
pada terumbu karang
dimungkinkan terjadi akibat
fenomena variabilitas iklim berupa
gelombang air hangat di laut
(marine heatwaves; MHW) yaitu
kenaikan suhu permukaan laut
terhadap nilai rata-rata
klimatologinya di atas persentil 90
dengan durasi lebih dari 7 hari.

Gambar Identifikasi Marine Heatwaves di Perairan Maksegara dan Werur

(Sorong, Papua Barat) dari Januari sampai Desember 2000
Sumber: ITB-YKAN, 2022
 PERUBAHAN IKLIM DI PESISIR DAN LAUT - LOKAL
Kondisi Ekosistem Pesisir-Laut Saat Ini
KKPP Maksegara – MHA Malaumkarta, Kab. Sorong, Papua Barat

●Terumbu karang: Kondisi baik, dijumpai di sekitar Pulau Um, kondisi

sedang dekat permukiman Distrik Makbon
●Mangrove: Tutupan dan keragaman jenis tinggi, ketebalan
bervariasi, hanya dijumpai di bagian pesisir sebelah barat
Malaumkarta
●Lamun: Kondisi baik, hamparan cukup luas, tutupan tinggi, 4-5 jenis
●Rumput laut: Dijumpai dengan kondisi yang baik di perairan dekat
mainland dan berasosiasi dengan ekosistem pesisir lain di sekitar
Pulau Um, jenis Sargassum sp., Gelidium sp.

Padang Lamun Terumbu Karang

Ekosistem pesisir di Malaumkarta Kerusakan Terumbu Karang Akibat Kandasnya MV Caledonia Sky
Sumber: ITB-YKAN, 2022
PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.
 Potensi Dampak Marine Heat Waves di Area Bentang Laut Kepala Burung (BLKB)
Papua Barat
Keterangan:
BLKB: Kawasan Bentang Laut Kepala Burung (BLKB)
KKP: Kawasan Konservasi Perairan
MHA: Masyarakat Hukum Adat
WSDI: Warm Spell Days Index (durasi suatu kejadian suhu ekstrim di laut)
WSEI: Warm Spell Events Index (banyaknya kejadian suhu ekstrim tsb per dekade)

Overlay antara Kombinasi Pengaruh Empat Parameter Warm Spell dengan

Sebaran Kombinasi Pengaruh Sebaran Ekosistem Lamun dan Terumbu Karang di Wilayah KKP Maksegara –
Empat Parameter Warm Spell di Wilayah BLKB MHA Malaumkarta

KKP Maksegara - MHA Malaumkarta memiliki nilai WSDI dan WSEI, baik tren maupun rata-rata tertinggi dibandingkan dengan daerah KKP lainnya di Papua
Barat, yang berarti kondisi keterpaparan di daerah tersebut termasuk dalam kategori buruk, sehingga daerah KKP Maksegara - MHA Malaumkarta
menghadapi tekanan dari sisi perubahan iklim yang tinggi terhadap ekosistem sehingga perlu dilakukan adaptasi ekstra di daerah tersebut.
Sumber: ITB - YKAN, 2022
Potensi Dampak Perubahan Iklim: Kondisi Pelayaran Perikanan Tangkap
Bentang Laut Kepala Burung (BKLB)

Untuk ke depannya, jika terjadi kenaikan gelombang akibat perubahan iklim,

maka nelayan secara umum terdampak yaitu daerah tangkapan ikan lebih
jauh yang berakibat pada biaya operasional kapal yang tinggi, sementara
nelayan dengan kapal kecil akan sangat terdampak terutama pada intensitas
melautnya.
Sumber: ITB-YKAN, 2022
 Penutup
1. Adaptasi perubahan iklim yang diintegrasikan dengan pembangunan daerah dapat menjadi suatu pintu utama menuju
proses pembangunan yang berkelanjutan, yaitu dalam konteks menjaga harmonisasi dimensi-dimensi ekonomi, sosial
dan lingkungan.

2. Pada dasarnya adaptasi adalah upaya manusia untuk menghadapi bahaya iklim dan kejadian ekstrem yang
diakibatkan oleh pemanasan global.

3. Dalam konteks Indonesia sebagai negara kepulauan atau Benua Maritim, adaptasi perubahan iklim ini perlu
diposisikan sejajar atau bahkan lebih dari upaya mitigasi perubahan iklim

4. Dalam konteks pembangunan berkelanjutan, adaptasi perubahan iklim yang berupa upaya mengurangi faktor-faktor
kerentanan dan meningkatkan kapasitas adaptif itu dapat disinergikan dengan pembangunan daerah dalam hal
mengurangi problem kemiskinan dan ketimpangan akses pada sumberdaya serta Upaya meningkatkan kapasitas
sumberdaya manusia dan kelembagaan.
Terima Kasih

CREDITS: This presentation template was created by Slidesgo,

including icons by Flaticon, and infographics & images by Freepik