INVENTARISASI GRK

PROVINSI JAWA BARAT

GAP ANALYSIS

La Ode Muhammad Abdul Wahid

Bandung, 04 November 2021
GAP ANALYSIS
POTRET IGRK JAWA BARAT
IGRK NASIONAL
IGRK JAWA BARAT

1%

1%

149%
 TANTANGAN

• PERLU MENCARI DATA AKTIVITAS YANG SESUAI KONDISI DI JAWA BARAT

• PERLU MELIBATKAN OPD LAIN, TIDAK CUKUP HANYA DITANGANI OLEH DLH

• PERLU TIM POKJA

• PERLU MEMBUAT JABAR 1 DATA

 Time Series
• Inventori tidak hanya estimasi pada satu tahun saja, tetapi melibatkan beberapa tahun
(estimasi time series/seri waktu)
– Informasi mengenai kecenderungan/trend emisi historis (emisi beberapa tahun
kebelakang)
– Melacak efek perencenaan-perencanaan untuk menurunkan emisi pada tingkat nasional
• Estimasi tahunan harus dapat dibandingkan
– Harus menggambarkan fluktuasi tahunan yang sebenarnya pada emisi dan serapan
• Oleh sebab itu, emisi dan serapan dengan time series harus diestimasi seara konsisten
– Menggunakan metode dan sumber data yang sama pada setiap tahun, jika
memungkinkan
• Meskipun begitu, hal ini tidak selalu memungkinkan untuk menggunakan metode dan
kumpulan data yang sama untuk seluruh time series disebabkan kurangnya data tersediia
 Splicing Techniques
• Splicing: mengkombinasikan atau menggabungkan lebih dari satu metode atau data series
untuk memmbentuk data time series yang lengkap
• Perubahan dan perbaikan metodologi
• Kesenjangan data
• IPCC Guidelines 2006 menyediakan beberapa teknik splicing
• Overlap
• Surrogate
• Interpolation
• Extrapolation
• Memilih Teknik memerlukan evaluasi terhadap kondisi spesifik yang ada dan menentukan opsi
terbaik dalam kasus tersebut
 Overlap (Tumpang tindih)

• Pada saat metode baru diperkenalkan tetapi data tidak tersedia pada beberapa tahun awal dalam
time series (contoh. Menerapkan metodologi dengan tier yang lebih tinggi)

• Mengembangkan time series berdasarkan hubungan (atau overlap) yang telah diobservasi antara
metode yang digunakan sebelumnya dan metode baru pada tahun-tahun dimana keduanya dapat
digunakan

• Bila tidak terdapat konsistensi overlap antara kedua metode tersebut maka bukan merupakan good
practice untuk menggunakan teknik ini
Overlap: Memiliki Hubungan yang Konsisten

y0: kalkulasi ulang emisi menggunakan metode overlap

x0 : estimasi menggunakan metode sebelumnya
m,n : tahun-tahun overlap
Overlap: Memiliki Hubungan yang Tidak Konsisten
 Surrogate Data (Data Pengganti)

• Metode surrogate/pengganti menghubungkan emisi atau serapan dengan aktivitas pokok

atau data indikatif lainnya

– Data (secara statistik) yang berhubungan dengan emisi (emisi bisa saja proposional
terhadap produksi, jarak tempuh kendaraan, populasi, dkk)
• Meski hubugan antara emisi/serapan dan penggantinya dapat dikembangkan
berdasarkan data pada suatu tahun penggunaan data pada beberapa tahun akan
memberikan estimasi yang lebih baik
 Surrogate Data

y 0  yt   s0 / st 
y : estimasi emisi/serapan pada tahun 0 dan t
s : parameter statistic pengganti pada tahun 0 dan t
 Interpolation (Interpolasi)
• Saat data statistik yang lebih detail terkumpul setiap beberapa tahun atau tidak dapat
menjalankan survey detail pada setiap tahunnya
• Estimasi pada pertengahan tahun dalam suatu time series dapat dibuat dengan melakukan
interpolasi antara estimasi-estimasi yang lebih detail saat:
– Trend / kecenderungan data stabil (tetap) secara keseluruhan
– Emisi aktual secara substantial tidak berbeda dari nilai estimasi dengan interpolasi
• Bila informasi terhadap trend secara umum atau parameter pokoktersedia, maka data
pengganti (surrogate) dapat dilakukan
– Dalam hal ini merupakan good practice untuk membandingkan emisi hasil interpolasi
dengan data pengganti (surrogate) sebagai pemeriksaan untuk QA/QC
Interpolation
 Extrapolation (Ekstrapolasi)
• Saat data untuk tahun dasar (base year) atau tahun paling terbaru tidak tersedia
• Data dapat diekstrapolasi dengan asumsi bahwa trend/kecenderungan pada
emisi/serapan tetap konstan pada periode extrapolasi
– Tidak dapat digunakan jika trend tidak konstan pada periode tersebut
• Analisis karakter trend – misalnya linear atau lebih kompleks
 Summary of Splicing Techniques
• Masing-masing teknik dapat sesuai pada kondisi-kondisi tertentu. Dengan hal ini merupakan good
practice untuk melakukan splicing menggunakan lebih dari satu Teknik sebelum membuat
keputusan final
Pendekatan Penerapan
Tumpang Data yang diperlukan untuk menerapkan
tindih metode yang digunakan sebelumnya dan
(Overlap) metode baru harus tersedia setidaknya
selama satu tahun, lebih banyak akan
lebih bagus.
Data Faktor emisi, data aktivitas atau
Pengganti parameter estimasi lainnya yang
(Surrogate digunakan dalam metode baru
data) berkorelasi kuat dengan data indikatif
lainnya yang lebih dikenal dan lebih
tersedia.
Interpolasi Data yang diperlukan untuk perhitungan
ulang menggunakan metode baru
tersedia untuk beberapa tahun berselang
selama seri waktu.
Ekstrapolasi Data untuk metode baru tidak
dikumpulkan setiap tahun dan tidak
tersedia di awal atau di akhir seri waktu.
Metode Alternatif standar tidak valid ketika
lainnya kondisi teknis berubah sepanjang
rentang waktu (misalnya, karena
pengenalan teknologi mitigasi)
Catatan
 Paling dapat diandalkan ketika
tumpang tindih antara dua atau lebih
set perkiraan tahunan dapat dinilai.
 Jika tren yang diamati menggunakan
metode yang digunakan sebelumnya
dan metode baru tidak konsisten,
pendekatan ini bukan pilihan yang
tepat.
 Beberapa set data indikatif (tunggal
atau dalam kombinasi) harus diuji
untuk menentukan yang paling kuat
berkorelasi.
 Sebaiknya tidak dilakukan dalam
waktu lama.
 Perkiraan dapat diinterpolasi secara
linier untuk periode ketika metode
baru tidak dapat diterapkan.
 Metode ini tidak berlaku dalam kasus
fluktuasi tahunan besar.
 Paling dapat diandalkan jika tren dari
waktu ke waktu adalah konstan.
 Tidak boleh digunakan jika tren
berubah (dalam hal ini, metode
pengganti mungkin lebih tepat).
 Sebaiknya tidak dilakukan dalam
waktu lama.
 Dokumentasikan pendekatan yang
disesuaikan secara menyeluruh.
 Bandingkan hasil dengan teknik
standar.
 Kualitas Time Series dan Dokumentasi

• Perbandingan hasil dari beberapa pendekatan dimana sangat mungkin untuk menggunakan
lebih dari satu metode
• Memplotkan dan membandingkan hasil Teknik splicing pada suatu grafik akan bermanfaat
• Bila alternative metode splicing menghasilkan hasil yang berbeda, perlu dipertimbangkan
hasil yang leih realistis
• Perbandingan estimasi perhitungan ulang dari esttimasi sebelumnya dapat bermanfaat untuk
pemeriksaan kualitas rekalkulasi
• Bagaimanapun, metode tier yang lebih tinggi akan menghasilkan trend yang berbeda
dibandikan tier yang lebih rendah karena estimasi tersebut akan lebih menggambarkan
secara akurat kondisi sebenarnya (aktual)
• Seluruh perhitungan ulang (rekalkulasi) dan pengukutan yang digunakan untuk meningkatkan
konsistensi time series perlu didokumentasikan dan dilaporkan
• Alasan perhitungan ulang
• Pengaruh rekalkulasi dalam time series
• Teknik Splicing yang digunakan
 Summary

• Kita memerlukan estimasi emisi/ serapan yang konsisten pada seluruh tahun

• Metode dan sumber data yang sama perlu digunakan pada setiap tahun, jika memungkinkan

• Ketika hal ini tidak memungkinkan, pengumpul data (inventory compilers) perlu mengikuti pedoman
konsistensi time series untuk menyediakan estimasi yang konsisten pada setiap tahun

• Overlap/ Surrogate / Interpolation / Extrapolation /dll.

• Kita perlu memastikan kualitas time series

• Pengendalian mutu/kualitas dilakukan pada setiap time series

• Seluruh keputusan, metode dan alas an harus selalu didokumentasikan

 Teknik gap filling
• Time series yang tidak lengkap untuk data aktivitas
Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Aktivitas A 99 100 102 101 103 101 - - - 105
Emisi 990 1000 1020 1010 1030 1010 - - - 1040

• Gunakan interpolasi sederhana: Hanya pada kondisi dimana tidak ada

perbedaan antara tahun 2006 dan 2010 (dalam menentukan data
aktivitas pada tahun-tahun yang hilang).
Hasil
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
 Interpolasi dalam keadaan khusus
• Keadaan khusus pada data yang hilang pada tahun tertentu:
Pertumbuhan atau krisis ekonomi
Peristiwa cuaca yang luar biasa / anomali
Tindakan mitigasi sementara

Perlu dipertimbangkan saaat mengisi kesenjangan data. Dasar asumsi dalam

mengembangkan DA dapat berupa penilaian ahli mengenai perkembangan ekonomi
dan / atau sektor yang mempengaruhi aktivitas.

Sebagai contoh: tahun 2007 krisis ekonomi mulai menjadi efektif dan efeknya
dikompensasi pada tahun 2010. Dalam hal ini data aktivitas dapat direkonstruksi seperti:
Tahun 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Kegiatan 99 100 102 101 103 101 95 90 98 104
Emisi 990 1000 1020 1010 1030 1010 950 900 980 1040
 gunakan proxy untuk data aktivitas (DA)

• Proxy 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
antara DA (yang hilang) dan proxy dan dapat ditetapkan

• Contoh: Apa yang dapat dijadikan sebagai proxy untuk memperkirakan jumlah taksi di
Bandung?
• Pertama pikirkan data apa yang memiliki korelasi dengan jumlah taksi di suatu kota. (ini adalah proxy
yang anda cari)
• Apakah data tersedia pada kota Bandung atau kota lainnya?
• Kalkulasikan rasio antara jumlah taksi dan proxy di kota lain
• nr taksi/ penduduk
• Jumlah taksi Bandung = Populasi Bandung x nr taksi/ penduduk

22 | Gap-Filling
contoh Proxy

• Populasi: emisi dari konsumen yang berhubungan dengan ukuran populasi

• Jumlah dan umur kendaraan: dapat digunakan sebagai proxy untuk penggunaan
bahan bakar
• Jumlah bangunan baru: emisi dari AC (air conditioners) yang berhubungan dengan
jumlah bangunan
• Penggunaan lahan: berkolerasi dengan emisi pertanian
• Pekerjaan penduduk pada industrI tertentu: jumlah pekerja dalam sektor industri
yang bisa dijadikan sebagai proxy untuk produksi industri
• Angka pertumbuhan ekonomi: sebagai proxy untuk limbah atau produksi industri
• Penjualan bahan bakar per jenis bahan bakar: sebagai proxy untuk penggunaan bahan
bakar
• Jumlah listrik publik terdistribusi: sebagai proxy untuk produksi energi
TERIMA
KASIH

 Hp: 08129073973
 Email: laodewahid@gmail.com