laporan kajian dampak perubahan iklim pada daerah aliran sungai (das) brantas… · peta daerah...
TRANSCRIPT
MEI 2018
Laporan ini dibuat untuk dikaji oleh Badan Pembangunan Internasional Amerika Serikat (USAID).
Dokumen ini disiapkan oleh DAI.
LAPORAN KAJIAN DAMPAK
PERUBAHAN IKLIM PADA
DAERAH ALIRAN SUNGAI
(DAS) BRANTAS, JAWA TIMUR USAID ADAPTASI PERUBAHAN IKLIM DAN KETANGGUHAN (APIK)
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
i
LAPORAN KAJIAN DAMPAK
PERUBAHAN IKLIM PADA
DAERAH ALIRAN SUNGAI
(DAS) BRANTAS PROVINSI
JAWA TIMUR
USAID ADAPTASI PERUBAHAN IKLIM DAN KETANGGUHAN
(APIK)
Program Title : USAID Adaptasi Perubahan Iklim dan Ketangguhan
Sponsoring USAID Office : USAID/Indonesia Office of Environment
Contract Number : AID-497-C-16-00003
Contractor : DAI
Date of Publication : MEI 2018
Penulis
Drs. Arif Wibowo, MSc, DR Ari Mochamad, Ir. Raphael Anindito. MSc., Dr. Perdinan, dan Hilda Ayu
Pratikasiwi
Foto cover:
Peta Daerah Aliran Sungai Brantas dari Ditjen PDAS Kementrian Lingkungan Hidup dan Kehutanan
2015.
Publikasi ini dibuat dengan dukungan Rakyat Amerika melalui Badan Pembangunan
Internasional Amerika Serikat (USAID). Isi dari publikasi ini merupakan sepenuhnya
tanggung jawab penulis dan tidak mencerminkan pandangan pemerintah Amerika Serikat
ataupun USAID.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
ii
DAFTAR ISI
DAFTAR ISI .................................................................................................................................................................. ii
DAFTAR GAMBAR ................................................................................................................................................... iv
DAFTAR TABEL ........................................................................................................................................................ vi
DAFTAR SINGKATAN .......................................................................................................................................... vii
RINGKASAN ............................................................................................................................................................ viii
SUMMARY ................................................................................................................................................................... x
BAB I. INFORMASI UMUM WILAYAH DAS BRANTAS ................................................................................. 1
1.1. KONDISI GEOGRAFIS DAS BRANTAS ............................................................................................ 1
1.2. KONDISI IKLIM DAS BRANTAS......................................................................................................... 2
1.3. SUMBER DAYA AIR DAS BRANTAS ................................................................................................. 2
1.4. KEADAAN SUMBER DAYA AIR DI DAS BRANTAS .................................................................... 4
1.5. WILAYAH KAJIAN DI DAS BRANTAS ............................................................................................. 4
BAB 2. DAMPAK IKLIM SEKTOR PERTANIAN DI DAS BRANTAS ........................................................... 6
2.1. DAMPAK IKLIM PADA SEKTOR PERTANIAN DI DAS BRANTAS ......................................... 6
2.2. PEMODELAN DAMPAK PERUBAHAN IKLIM SEKTOR PERTANIAN .................................... 7
2.3. PEMODELAN DAMPAK EKONOMI AKIBAT PERUBAHAN IKLIM ......................................... 8
BAB 3. PENGEMBANGAN METODE VALUASI DAMPAK IKLIM ............................................................. 10
3.1. DATA ........................................................................................................................................................ 10
3.2. PENDEKATAN UMUM ........................................................................................................................ 10
3.3. MODEL PRODUKTIVITAS ................................................................................................................. 11
3.4. KALIBRASI HASIL MODEL ................................................................................................................. 13
3.5. PERHITUNGAN NILAI GROSS MARGIN (GM) .............................................................................. 15
BAB 4. ANALISIS VALUASI DAMPAK PERUBAHAN IKLIM ....................................................................... 16
4.1. SKENARIO PERUBAHAN IKLIM ............................................................................................................ 16
4.2. HASIL ANALISIS VALUASI DAMPAK PERUBAHAN IKLIM ............................................................ 17
4.3. HASIL ANALISIS DAMPAK PERUBAHAN IKLIM PADA GROSS MARGIN (GM) ........................ 23
4.4. DISKUSI .......................................................................................................................................................... 26
BAB 5. DAMPAK IKLIM PADA SEKTOR SUMBER DAYA AIR DI DAS BRANTAS .............................. 29
5.1. SUMBER DAYA AIR DI DAS BRANTAS ............................................................................................... 29
5.2. PEMODELAN DAMPAK PERUBAHAN IKLIM SEKTOR SUMBER DAYA AIR .......................... 30
5.3. PEMODELAN DAMPAK EKONOMI PERUBAHAN IKLIM SEKTOR SUMBER DAYA AIR .... 32
5.4. PENGEMBANGAN METODE VALUASI DAMPAK IKLIM ............................................................... 33
5.4.1. Data .................................................................................................................................................... 33
5.4.2. Pendekatan Umum .......................................................................................................................... 34
5.4.3. Model Water Balance ....................................................................................................................... 35
5.4.4. Validasi Model .................................................................................................................................. 37
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
iii
BAB 6. ANALISIS DAMPAK PERUBAHAN IKLIM .......................................................................................... 41
6.1. SKENARIO PERUBAHAN IKLIM ............................................................................................................ 41
6.2. ANALISIS DAMPAK PERUBAHAN IKLIM PADA KETERSEDIAAN AIR WILAYAH ................ 42
6.3. HASIL ANALISIS DAMPAK PERUBAHAN IKLIM PADA PASOKAN-PERMINTAAN .............. 47
BAB 7. DISKUSI ........................................................................................................................................................ 59
DAFTAR PUSTAKA ................................................................................................................................................ 61
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
iv
DAFTAR GAMBAR Gambar 1: Peta Wilayah DAS Brantas ................................................................................................................. 1
Gambar 2: Peta Wilayah Kajian DAS Brantas ...................................................................................................... 5
Gambar 3: Rekapitulasi Dampak Kejadian Bencana terhadap Sektor Pertanian di DAS Brantas ........... 6
Gambar 4: Diagram Alir Proses Penyusunan Pemodelan Valuasi Dampak Perubahan Iklim
terhadap Produksi Tanaman Pangan Wilayah DAS Brantas ...................................................... 11
Gambar 5: Grafik Perbandingan Produktivitas Antara Aktual dan Estimasi Model ................................. 13
Gambar 6: Grafik Perbandingan Nilai Produksi Rataan Selama Tahun 2007-2016 Hasil Estimasi
Model dan Nilai Produksi Actual Berdasarkan Laporan BPS ..................................................... 15
Gambar 7: Nilai Gross Margin pada Data Model ............................................................................................... 15
Gambar 8: Proyeksi Perubahan Curah Hujan Periode Tahun 2021-2050 ................................................. 16
Gambar 9: Proyeksi Perubahan Suhu Udara Periode Tahun 2021-2050 ................................................... 17
Gambar 10: Perubahan Produksi Akibat Perubahan Iklim di Kota Malang ................................................. 18
Gambar 11: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Malang ..................................... 19
Gambar 12: Perubahan Produksi Akibat Perubahan Iklim di Kota Batu .................................................... 20
Gambar 13: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Blitar ........................................ 20
Gambar 14: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Mojokerto .............................. 21
Gambar 15: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Sidoarjo ................................... 22
Gambar 16: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Jombang .................................. 22
Gambar 17: Perubahan Gross Margin Akibat Perubahan Iklim di Kota Malang ......................................... 23
Gambar 18: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Malang ............................... 24
Gambar 19: Perubahan Gross Margin Akibat Perubahan Iklim di Kota Batu .............................................. 24
Gambar 20: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Blitar ................................. 25
Gambar 21: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Mojokerto ....................... 25
Gambar 22 Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Sidoarjo ............................. 26
Gambar 23: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Jombang ............................ 26
Gambar 24: Peta Kejadian Kekeringan 7 Kabupaten di DAS Brantas ......................................................... 29
Gambar 25: Diagram Alir Proses Penyusunan Pemodelan Valuasi Dampak Perubahan Iklim
terhadap Ketersediaan Air Wilayah DAS Brantas ....................................................................... 35
Gambar 26: Grafik Pasokan-Permintaan Bulanan pada 7 Kabupaten Tahun 2015................................... 38
Gambar 27: Grafik Pasokan-Permintaan Tahunan Setiap Kabupaten pada Bulan Kering (Juni-
Oktober) ................................................................................................................................................ 40
Gambar 28 Skenario Model Untuk Menduga Dampak Perubahan Iklim terhadap Ketersediaan
Air Domestik ........................................................................................................................................ 41
Gambar 29: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kota Malang ................ 42
Gambar 30: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten Malang ...... 43
Gambar 31: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kota Batu ..................... 44
Gambar 32: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten Blitar ........ 44
Gambar 33: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten
Mojokerto .............................................................................................................................................. 45
Gambar 34: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten
Sidoarjo .................................................................................................................................................. 46
Gambar 35: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten
Jombang .................................................................................................................................................. 46
Gambar 36: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kota Malang .......... 48
Gambar 37: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kota Malang ............. 48
Gambar 38: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kabupaten
Malang ..................................................................................................................................................... 49
Gambar 39: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kabupaten
Malang ..................................................................................................................................................... 50
Gambar 40: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kota Batu ............... 51
Gambar 41: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kota Batu.................. 51
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
v
Gambar 42: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kabupaten
Blitar ........................................................................................................................................................ 52
Gambar 43: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kabupaten Blitar ..... 53
Gambar 44: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kabupaten
Mojokerto .............................................................................................................................................. 54
Gambar 45: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kabupaten
Mojokerto .............................................................................................................................................. 54
Gambar 46: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kabupaten
Sidoarjo .................................................................................................................................................. 55
Gambar 47: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kabupaten
Sidoarjo .................................................................................................................................................. 56
Gambar 48: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kabupaten
Jombang .................................................................................................................................................. 57
Gambar 49: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kabupaten
Jombang .................................................................................................................................................. 58
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
vi
DAFTAR TABEL Tabel 1: Pemanfaatan Air di Wilayah Brantas ...................................................................................................... 2
Tabel 2: Keadaan Debit Sungai di DAS Brantas................................................................................................... 3
Tabel 3: Pemodelan Dampak Perubahan Iklim pada Sektor Pertanian ......................................................... 8
Tabel 4: Hasil Regresi Model GDD-HDD Menggunakan Fixed Effect ........................................................... 13
Tabel 5: Skenario Perubahan Iklim untuk DAS Brantas ................................................................................. 17
Tabel 6: Persen Perubahan Produksi dan Gross Margin (GM) Akibat Perubahan Iklim ........................... 27
Tabel 7: Pemodelan Dampak Perubahan Iklim pada Sektor Sumber Daya Air ......................................... 30
Tabel 8: Matriks Kejadian Kekeringan di DAS Brantas................................................................................... 37
Tabel 9: Skenario Perubahan Iklim untuk DAS Brantas ................................................................................. 41
Tabel 10: Persen Perubahan Pasokan-Permintaan Akibat Perubahan Iklim ............................................... 59
Tabel 11: Persen Perubahan Terdampak Akibat Perubahan Iklim ............................................................... 60
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
vii
DAFTAR SINGKATAN ADB Asian Development Bank
BAPPEDA Badan Perencanaan Daerah
BMKG Badan Meteorologi Klimatologi dan Geofisika
BNPB Badan Nasional Penanggulangan Bencana
BPBD Badan Penanggulangan Bencana Daerah
BPS Badan Pusat Statistik
BPTP Balai Pengkajian Teknologi Pertanian
DAS Daerah Aliran Sungai
DEM Digital Elevation Model
DPRD Dewan Perwakilan Rakyat Daerah
DSSAT The Decision Support System for Agrotechnology Transfer
ENSO El-Nino Southern Oscilation
ETP Evapotranspirasi
FAO The Food and Agriculture Organization
GDD Growing Degree Days
GCM Global Climate Model
GKG Gabah Kering Giling
GM Gross Margin
HDD High Degree Days
HEC-HMS Hidrologic Engineering Center – The Hydrologic Modeling
System
HIPPAM Himpunan Penduduk Pemakai Air Minum
IPCC Intergovemental Panel on Climate Change
NASA The National Aeronautics and Space Administration
PDAM Perusahaan Daerah Air Minum
PDB Produk Domestik Bruto
UNDP United Nations Development Programme
USGCRP The US Global Change Research Program
WEAP Water Evaluatioan And Planning
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
viii
RINGKASAN Daerah aliran sungai (DAS) Brantas merupakan salah satu wilayah sungai strategis nasional yang meliputi
beberapa Kabupaten di Provinsi Jawa Timur. Pada masa mendatang, perubahan iklim global diperkirakan
menjadi salah satu faktor yang berdampak terhadap produksi tanaman pangan dan dan pemenuhan
kebutuhan air domestik. Perkiraan dampak tersebut dikarenakan perubahan iklim global berdampak
terhadap perubahan pola dan besaran curah hujan diberbagai wilayah di dunia. Studi ini diarahkan untuk
menganalisis dampak perubahan iklim terhadap produksi tanaman pangan, yaitu: produksi padi dan
pemenuhan kebutuhan air domestik. Wilayah studi meliputi tujuh (7) Kabupaten dan Kota disekitar
DAS Brantas, yaitu: Kabupaten Malang, Kabupaten Blitar, Kabupaten Sidoarjo, Kabupaten Jombang,
Kabupaten Mojokerto, Kota Batu dan Kota Malang.
Analisis dampak perubahan iklim terhadap produksi padi dilakukan menggunakan model empiris yang
dikalibrasi untuk wilayah studi dengan variabel bebas produktivitas tanaman padi dan variabel tidak
bebas nilai GDD (Growing Degree Days) dan HDD (High Degree Days), dan curah hujan. Model tersusun
digunakan untuk melakukan valuasi dampak perubahan iklim terhadap perubahan tingkat produksi padi
dan perubahan nilai Gross Margin (GM). Nilai produksi dihitung dengan mengalikan produktivitas dengan
luas panen. Sementara, nilai GM dihitung berdasarkan selisih antara pendapatan (i.e., produksi dikalikan
harga jual) dan biaya produksi. Kecuali nilai produktivitas padi yang berubah mengikuti perubahan suhu
(GDD dan HDD) dan curah hujan, variabel lain yang dipergunakan dalam analisis diasumsikan tetap
untuk mengisolasi dampak perubahan iklim terhadap produksi padi dan nilai GM. Proyeksi perubahan
iklim masa depan diperoleh berdasarkan luaran model iklim dibawah skenario RCP4.5 yang
menunjukkan adanya perbedaan nilai proyeksi khususnya curah hujan. Hasil simulasi menunjukkan
produksi tanaman padi pada wilayah dataran rendah yang saat ini sudah cukup panas, yaitu: Kabupaten
Jombang, Kabupaten Sidoarjo dan Mojokerto, memiliki kecenderungan untuk berkurang dimasa depan
sebesar 7-8% dari nilai produksi rataan (Sidoarjo: 205,000 Ton/tahun, Mojokerto: 302,000 Ton/tahun,
Jombang: 412,000 Ton/tahun). Kondisi tersebut berdampak terhadap penurunan nilai GM pada ketiga
lokasi tersebut sebesar sampai 11-14%, dengan nilai GM rataan: Sidoarjo: Rp 633 Miliar, Mojokerto:
Rp 885 Miliar, dan Jombang: Rp 1.16 Triliun. Sementara, untuk wilayah studi lainnya, dampaknya
menunjukkan kecenderungan bervariasi tergantung skenario perubahan curah hujan. Kondisi tersebut
mendorong perlunya perhatian terhadap kegiatan adaptasi sehingga potensi kerugian dapat dihindari
atau paling tidak dikurangi
Penilaian dampak perubahan iklim di masa depan terhadap pemenuhan kebutuhan air domestik
dilakukan menggunakan model yang disusun berdasarkan perbedaan antara ketersediaan dan
permintaan air. Ketersediaan air dihitung menggunakan konsep neraca air dengan masukan curah hujan,
sementara permintaan air domestik dihitung berdasarkan jumlah populasi dikalikan dengan standar
kebutuhan air harian. Penilaian dampak difokuskan selama musim kering dengan asumsi penduduk
wilayah studi memperoleh air domestik dari sumur-sumur air tanah. Secara umum, penurunan curah
hujan di suatu wilayah berakibat pada penurunan ketersediaan air, sementara pertumbuhan penduduk
berakibat pada peningkatan atas kebutuhan air domestik. Dengan menggunakan skenario perubahan
curah hujan dan pertumbuhan penduduk, hasil simulasi model menunjukkan rata-rata kenaikan
persediaan air di tujuh (7) Kabupaten wilayah studi > 20%, kecuali Kota Batu ~18% dengan skenario
kenaikan curah hujan dan penduduk tetap. Sementara, penurunan ketersediaan air berada di kisaran -
9% hingga -14% apabila perubahan iklim dimasa depan berdampak terhadap penurunan curah hujan
selama musim kering. Dibandingkan kondisi saat ini, Kota Malang, Kabupaten Sidoarjo dan Kabupaten
Jombang diproyeksikan mengalami defisit pemenuhan kebutuhan air domestik. Hal tersebut berakibat
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
ix
terhadap populasi terdampak yang kebutuhan air domestiknya dapat tidak terpenuhi. Kabupaten lain,
yaitu: Kabupaten Malang, Blitar, Mojokerto dan Kota Batu, diproyeksikan masih dapat memenuhi
kebutuhan air domestik menggunakan air tersedia yang berasal dari curah hujan, walaupun ketersediaan
airnya diproyeksikan akan mengalami penurunan. Hal tersebut menunjukkan manajemen sumberdaya
air diperlukan agar pemenuhan kebutuhan air domestik dapat terjaga dan berkesinambungan.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
x
SUMMARY Brantas river basin (daerah aliran sungai - DAS) is one of the national strategic river areas covering
several districts in East Java Province. In the future, global climate change is expected to affecting the
production of food crops and the fulfillment of domestic water needs. This estimate is considering
global climate change alters rainfall pattern and magnitude over various regions in the world. This
study is directed to analyze the impacts of climate change on food crop production, namely: rice
production, and the fulfillment of domestic water needs. The study area covers seven (7) regencies
and cities around Brantas watershed, namely: Malang Regency, Blitar Regency, Sidoarjo Regency,
Jombang Regency, Mojokerto Regency, Batu City and Malang City.
Analysis of climate change impacts on rice production was done using calibrated empirical model for
study area with independent variables of rice productivity and dependent variables of GDD (Growing
Degree Days) and HDD (High Degree Days), and rainfall. The calibrated model is then employed to
assess the impacts of climate change on rice production levels and the value of Gross Margin (GM).
The value of production is calculated by multiplying the productivity by the harvested area. Meanwhile,
the value of GM is calculated based on the difference between income (i.e., production multiplied by
selling price) and production cost. With the exception of the value of paddy productivity as a function
of temperature (GDD and HDD) and rainfall, other variables used in the analysis are assumed to
remain constant, isolating the impacts of climate change on rice production and the value of GM.
Future climate change projection is obtained based on the climate model outputs simulated under
RCP4.5 scenario, which shows the variance in projection values especially for rainfall. Based on the
simulation results, rice production in lowland areas, whose climate condition is relatively hot, namely:
Jombang, Sidoarjo and Mojokerto regencies, exhibit a tendency to decrease in the future by 7-8% as
compared to the average of production value (i.e., Sidoarjo: 205,000 Ton/year, Mojokerto: 302,000
Ton/year, Jombang: 412,000 Ton/year). These tendencies will decline in the value of GM in the three
locations, amounted to about 11-14%, with the average GM value of Sidoarjo: Rp 633 billion, of
Mojokerto: Rp 885 billion, and of Jombang: Rp 1.16 trillion. Meanwhile, for the other study areas, the
impact assessments show a tendency to vary depending on the rainfall change scenarios. These
conditions encourage the needs for implementing adaptation activities so that the potential losses can
be avoided or at least reduced.
Assessment of the future impacts of climate change on the fulfillment of domestic water needs is
completed using a model based on the difference between water supply and demand. The availability
of water is calculated using the concept of water balance with rainfall as input, while domestic water
demand is calculated based on the number of population multiplied by the standard daily water
requirements. The impact assessment was focused during the dry season and assumed domestic water
was obtained from groundwater wells. In general, lower rainfall will decrease water availability, while
population growth will increase the demand for domestic water. On the basis of rainfall change and
population growth scenario, the model simulation shows that water availability will increase of about
> 20% for most districts of the study area, with the exception of Batu City ~ 18%, under the scenario
of higher rainfall and no population growth. Meanwhile, the decrease of water availability will be in the
range of -9% to -14% under the scenario of lower rainfall during the dry season. Compared to the
current condition, Malang City, Sidoarjo Regency and Jombang Regency are projected to suffer from
the impacts of climate change on fulfilling domestic water needs (i.e., deficit status). Further analysis
shows the numbers of affected population whose domestic water needs maynot be fulfilled. Meanwhile,
decreasing rainfall projected for the other districts, namely: Malang, Blitar, Mojokerto and Batu
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
xi
districts, may not directly impact the fulfillment of the domestic water demand, indicating the water
supply for these districts may still be sufficient. This situation encourages that management of water
resources should be devised and implemented so that the fulfillment of domestic water demand can
be sustained and maintained
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
1
BAB I. INFORMASI UMUM WILAYAH DAS
BRANTAS
1.1. KONDISI GEOGRAFIS DAS BRANTAS
Daerah aliran sungai (DAS) Brantas merupakan wilayah sungai strategis nasional berdasarkan Permen
PU No. 11A Tahun 2006. DAS Brantas merupakan DAS terbesar kedua di Pulau Jawa, terletak di
Provinsi Jawa Timur pada 110°30’ BT sampai 112°55’ BT dan 7°01’ LS sampai 8°15’ LS. Panjang Sungai
Brantas mencapai 320 km dengan luas DAS sebesar 14.103 km2 yang mencakup 25% luas Provinsi Jawa
Timur atau 9% luas Pulau Jawa.
Wilayah sungai Brantas terdiri dari DAS Brantas seluas 11,988 km2 dan lebih dari 100 DAS kecil yang
mengalir ke pantai selatan Pulau Jawa, antara lain DAS Kali Tengah, DAS Ringin Bandulan, DAS Kondang
Merak dan DAS kecil lainnya dengan total luas sekitar 2,115 km2. Batas administrasi Wilayah DAS
Brantas meliputi 9 Kabupaten (Malang, Blitar, Tulungagung, Trenggalek, Kediri, Nganjuk, Jombang,
Mojokerto dan Sidoarjo) dan 6 Kota (Batu, Malang, Blitar, Kediri, Mojokerto dan Surabaya) yang
merupakan 26.5% dari wilayah Provinsi Jawa Timur (Sisdat BBWS Brantas 2011). Penduduk di das
Brantas mencapai 15,90 juta orang (2005) atau 42,89% dari penduduk Jawa Timur dan mempunyai
kepadatan rata-rata 1.272 orang/km².
Gambar 1: Peta Wilayah DAS Brantas
Sumber: PSDA WS Brantas 2010
Kondisi permukaan DAS Brantas juga dipengaruhi oleh kondisi relief, topografi, dan kemiringan lahan.
Secara umum kemiringan lahan DAS Brantas sangat kompleks dan terbagi dalam lima (5) kelas. (1)
Kemiringan lereng 0 – 8 % (datar) yang terdapat di dataran aluvial gunungapi. (2) Kemiringan lereng 8
– 15 % (landai) yang membentuk lereng kaki dan lereng bawah gunungapi. (3) Kemiringan Lereng 15 –
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
2
25 % (agak curam) yang dijumpai pada lereng tengah gunungapi. (4) Kemiringan lereng 25 – 40 %
(curam) dan (5) kemiringan lereng > 40 % yang membentuk lereng atas gunungapi. Daerah dengan
kemiringan hingga (>40%) terutama di sub DAS Borek Glidik, sedangkan daerah dengan kemiringan
rendah/datar (<8%) banyak terdapat di sub DAS Widas dan Lahar.
DAS Brantas dibagi menjadi dua kawasan yakni kawasan lindung dan kawasan budidaya. Kawasan
budidaya mencakup wilayah pedesaan yang difungsikan sebagai daerah pertanian dan daerah
pemukiman, sedangkan kawasan lindung diperuntukan sebagai wilayah yang keberadaannya untuk
menjaga keberlanjutan sistem ekosistem DAS. Tutupan lahan DAS Brantas didominasi oleh Sawah
(32.20% atau 387,584.62 ha), Pemukiman (16.41% atau 199,436.92 ha), Perkebunan (20.37% atau
247,492.60 ha), Hutan (7.05% atau 85,569.84 ha). Secara fisiografi terbagi menjadi lima unit, yakni: lajur
daratan alluvial, lajur perbukitan kendeng, lajur daratan tengah, lajur gunung api kuarter dan lajur
pegunungan selatan. Kondisi topografi bervariasi wilayah dataran, bukit dan gunung dengan ketinggian
mencapai 0 meter sampai dengan 3,675 meter. Kondisi jenis tanah terdiri dari tanah alluvial, andosol,
altosol, latosol, mediteran, grumusol dan regosol.
1.2. KONDISI IKLIM DAS BRANTAS
Wilayah DAS Brantas berada pada wilayah curah hujan berkarakteristik monsoonal dengan puncak
hujan terjadi di awal atau akhir tahun. Bulan basah terjadi pada awal November sampai dengan April
sedangkan bulan kering terjadi pada bulan Mei sampai dengan Oktober. Curah hujan rata-rata bulanan
maksimum terjadi pada bulan Januari yakni sebesar 398 mm sedangkan minimum terjadi pada bulan
Agustus sebesar 10 mm. Curah hujan rata-rata tahunan mencapai 2.000 mm sekitar 85% jatuh pada
musim hujan (Sisdat BBWS Brantas 2011). Suhu udara rata-rata mencapai 240C. Kelembaban udara
relatif tahunan rata-rata mencapai 85.33%.
1.3. SUMBER DAYA AIR DAS BRANTAS
Potensi air permukaan per tahun rata-rata 13 milyar m3, termanfaatkan sebesar 5-6 milyar m3/tahun.
Keadaan debit sungai pada wilayah DAS Brantas terbesar terdapat pada sungai Ngrowo (mencapai
1,771 m3/detik sedangkan terkecil ada diwilayah sungai lahor mencapai 0.43 m3/detik. Sumber
tangkapan air untuk DAS Brantas secara berturut-turut antara lain Sub-DAS Konto (10% luasan DAS
Brantas), Sub DAS Brantas-Bango-Amprong (35% luasan DAS Brantas), dan Sub DAS Lesti-Genteng
(17% luasan DAS Brantas). Wilayah tersebut menjadi fokus untuk Forum pengelolaan DAS dan
digunakan masyarakat sebagai sumber air untuk keperluan domestik oleh Himpunan Penduduk Pemakai
Air Minum (HIPPAM) dan Perusahaan Daerah Air Minum (PDAM) (Hakim dan Wienarto 2010).
Pemanfaatan air di wilayah Brantas meliputi irigasi, domestik/non-domestik, PDAM dan industri tahun
2005 dan proyeksi tahun 2020 dan 2030 ditunjukkan Tabel 1.
Tabel 1: Pemanfaatan Air di Wilayah Brantas
Pemanfaatan Tahun
2005 2020 2030
Irigasi (juta m³/tahun) 3,610 3,765 3,718
Domestik/Non-Domestik (m³/detik) 65.04 81.34 90,51
PDAM (m³/detik) 20.732 25.239
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
3
Industri (m³/detik) 4.74 6.38 7.48
Tambak (m³/detik) 19.6 19.6 19.6
Sumber: BBWS 2011
Tabel 2: Keadaan Debit Sungai di DAS Brantas
No DAS/ Sub DAS Sungai Utama Debit Sungai (m3/detik)
Maksimum Minimum Rata-Rata
I. Brantas Hulu
1 Ambang Brantas (Stasiun Gadang) 1582 20 60
2 Lesti Lesti 1485 19 43.1
3 Melamon Metro 14.04 5.03 9.79
Lahor 4.74 0.48 2.07
II. Brantas Tengah
1 Ngrowo Ngasinan Ngrowo 1771 63 60
Ngasinan 1667 16 42
2 Lahar Lekso 357.73 3.39 18.56
Jimbe 528 23 25.5
Bladak 46.41 0.71 2.56
3 Widas Widas 218 2 5.39
4 Konto Konto 46.75 0.59 3.38
III. Brantas Hilir
1 Bluwek Beng 32.66 2.5 7.58
2 Brangkal Brangkal 640 3 32.47
3 Maspo Sadar pm pm pm
Mas pm pm pm
Porong 1487 12 366.1
DAS Brantas Brantas (Stasiun Perning) 86 112 254
Sumber: Perum Jasa Tirta I dan Dinas Pengairan 2006
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
4
1.4. KEADAAN SUMBER DAYA AIR DI DAS BRANTAS
DAS Brantas merupakan wilayah yang sangat berpotensi dan memiliki peran cukup besar pada wilayah
Jawa Timur. Sebagai salah satu lumbung pangan nasional, hampir 60% persawahan di Jawa Timur dialiri
oleh sungai-sungai DAS-Brantas. Beberapa potensi lain dari DAS Brantas adalah:
- Memenuhi kebutuhan air pada musim kemarau
- Menunjang ketahanan air dan ketahanan pangan
- Pembangkit listrik tenaga mini dan pembangkit listrik tenaga air
- Pengembangan potensi sektor unggulan seperti pertanian, perkebunan dan pariwisata
Selanjutnya perkembangan dan pertumbuhan jumlah penduduk menjadi tantangan kedepan dalam
menjangkau kebutuhan masyarakat. Perkembangan penduduk dan pemukiman mendorong perlunya
strategi dalam penyusunan pola penggunaan lahan. Adapun dampak yang mungkin muncul adalah
turunnya kualitas DAS akibat perubahan alih fungsi lahan. Beberapa pemicu tersebut adalah:
- Peningkatan jumlah penduduk, pembangunan dan pengembangan industri, pengembangan
pemukiman, sampah dan limbah industri
- Minimnya kapasitas dalam pencegahan dan upaya rehabilitasi kerusakan sumberdaya alam
- Kegagalan pasar
- Kebijakan belum berpihak pada pelestarian maupun konservasi ketahanan sumberdaya alam
- Minimnya koordinasi para pihak dan masyarakat dalam partisipasi dalam konteks pemanfaatan
dan pelestarian sumberdaya alam
Pada tahun (2012), Litbang Pertanian mengemukakan lahan tanaman pangan, upaya konservasi tanah
dan air menjadi perhatian utama. Pada wilayah hulu isu-isu difokuskan kepada (1) pendekatan melalui
upaya partisipatif (2) masih lemahnya kebijakan pemerintah dan lembaga yang didasarkan kepada
pendekatan kuantitaif dan dokumentasi pengetahuan (metode pengelolaan lahan berkelanjutan) (3)
lemahnya koordinasi dan keterpaduan diantara para pihak, pendekatan sectoral dalam pengelolaan
lahan masih dominan (4) pertimbangan dampak pada fungsi DAS kurang diperhatikan dalam pelaksanaan
proyek pada tingkat masyarakat (5) lemahnya penegakan hukum (6) kemiskinan yang terjadi semakit
meningkat pasca krisis ekonomi tahun 1997 (7) kesadaran masyarakat lokal mengenai degradasi lahan
masih rendah dan (8) kurangnya desiminasi informasi secara partisipatif.
1.5. WILAYAH KAJIAN DI DAS BRANTAS
Wilayah kajian pada laporan ini terdiri dari 7 Kabupaten dan Kota di sepanjang DAS Brantas. Kabupaten
dan Kota tersebut terdiri dari Kabupaten Malang, Kabupaten Blitar, Kabupaten Sidoarjo, Kabupaten
Jombang, Kabupaten Mojokerto, Kota Batu dan Kota Malang. Wilayah kajian tersebut berada di bagian
DAS Brantas sebelah Timur dari hulu hingga hilir DAS Brantas.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
5
Gambar 2: Peta Wilayah Kajian DAS Brantas
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
6
BAB 2. DAMPAK IKLIM SEKTOR PERTANIAN DI DAS
BRANTAS
2.1. DAMPAK IKLIM PADA SEKTOR PERTANIAN DI DAS BRANTAS
Menurut laporan ilmiah yang diterbitkan oleh World Bank (2013), kemungkinan meningkatnya suhu
bumi dua dekade mendatang akan memperberat tantangan pembangunan di kawasan Asia Tenggara
dan berpotensi merusak perbaikan pembangunan yang telah tercapai. Laporan ADB (2009)
menyebutkan bahwa negara-negara di kawasan Asia Tenggara telah menderita kerugian parah akibat
perubahan iklim dengan biaya rata-rata perubahan iklim yang setara dengan 6,7 persen dari Produk
Domestik Bruto (PDB) setiap tahunnya terutama di Negara Filipina, Indonesia, Thailand dan Vietnam,
jika dilakukan skenario penanganan biasa. Indonesia sebagai Negara dengan perekonomian terbesar di
Asia Tenggara akan paling menderita akibat perubahan iklim terutama kekeringan dan banjir, karena
fenomena ini akan menurunkan produksi pangan dan kapasitas produksi. PDB Indonesia, 15%
merupakan sumbangan dari sektor pertanian dimana 41% dari angkatan kerja tergantung dari sektor
tersebut. Hasil kajian FAO (2005) menunjukkan variabilitas dan perubahan iklim mempengaruhi 11%
lahan pertanian di negara-negara berkembang yang dapat mengurangi produksi bahan pangan dan
menurunkan Produk Domesik Bruto (PDB) sampai 16%.
DAS Brantas sebagai salah satu DAS terbesar di Jawa Timur, digunakan untuk keperluan sektor
pertanian sekitar 2,77 miliar meter-kubik pertahun atau sekitar 40% dari kapasitas air permukaannya.
Kerugian akibat berkurangnya debit aliran sungai DAS Brantas tentu menyebabkan wilayah pertanian
kekeringan dan gagal panen. Kejadian tahun 2012 ketika Jawa Timur harus dilanda kekeringan
berkepanjangan menyebabkan puluhan ribu hektar sawah pertanian gagal panen. Salah satunya adalah
Bendungan Karangkates yang memasok air di Daerah Aliran Sungai (DAS) sekitar Kali Brantas,
kapasitasnya semakin menurun sampai 50%. Padahal daerah terdampak kekeringan tersebut merupakan
wilayah pertanian produktif yang selama ini menjadi lumbung pangan Nasional. Hal tersebut
menyebabkan pemerintah daerah melalui dana cadangan harus menggelontorkan sekitar 10 Miliar
Rupiah untuk menanggulangi gagal panen dan krisis pangan (DPRD Jatim 2012). Gambar 3 menunjukkan
sebagian besar daerah DAS Brantas mengalami kekeringan maupun banjir yang berdampak pada
penurunan produksi tanaman khususnya tanaman padi, kerusakan lahan pertanian, dan gagal panen.
Gambar 3: Rekapitulasi Dampak Kejadian Bencana terhadap Sektor Pertanian di DAS
Brantas
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
7
Sampai saat ini belum ada penelitian terkait dengan dampak perubahan iklim di sektor ekonomi
khususnya terkait pertanian di DAS Brantas. Padahal perhitungan biaya ekonomi akibat dampak
perubahan iklim dapat digunakan sebagai acuan dalam pengalokasian dana untuk penanggulangan
maupun pemulihan akibat bencana perubahan iklim. Saat ini, acuan pemerintah dalam menghitung
jumlah kerugian materil dari suatu bencana masih mempertimbangkan metode yang digunakan oleh
BNPB dan Bappenas yaitu Damage and Loss Assessment (DALA).
2.2. PEMODELAN DAMPAK PERUBAHAN IKLIM SEKTOR PERTANIAN
Sektor pertanian merupakan salah satu sektor yang sangat bergantung terhadap iklim. Kejadian bencana
seperti, banjir dan kekeringan merupakan indikasi fenomena perubahan iklim yang saat ini sedang terjadi
yang dapat mempengaruhi kegiatan pertanian dan terutama berdampak terhadap produksi pertanian
(Ruminta and Handoko 2012). Menurut laporan IPCC (2008) negara berkembang lebih cenderung
terkena dampak perubahan iklim yang jauh lebih besar dibandingkan negara maju akibat kurangnya
langkah-langkah adaptasi terhadap perubahan iklim. Langkah-langkah adaptasi terhadap perubahan iklim
dapat dilakukan dengan cara mengidentifikasi dampak perubahan iklim dan melakukan pendugaan
kondisi iklim masa depan serta dampaknya terhadap sektor pertanian di masa depan. Hal tersebut
dapat dilakukan dengan melakukan pemodelan dampak perubahan iklim terhadap sektor pertanian.
Pemodelan dampak perubahan iklim dilakukan mengacu pada studi literatur yang sudah ada. Kompilasi
studi literatur disajikan pada Tabel 3. Kajian yang dilakukan oleh Challinor et al. (2014) dengan
melakukan meta-analisis untuk mengetahui dampak perubahan iklim dengan dan tanpa diterapkannya
adaptasi terhadap tanaman jagung, padi, dan gandum di wilayah tropis dan lintang tinggi. Metode yang
digunakan adalah bootstrap dengan perubahan suhu, produktivitas padi, dan jagung sebagai variabel
kajian. Hasil kajian Challinor et al. (2014) menunjukkan bahwa produktivitas padi dan jagung di wilayah
tropis mengalami penurunan seiring meningkatnya suhu tanpa diterapkannya adaptasi. Penurunan
produktivitas tanaman jagung dan padi tanpa diterapkannya adaptasi mencapai 20% dan 10% secara
berturut-turut dengan skema peningkatan suhu tertinggi (5⁰C). Penerapan adaptasi pada kedua
tanaman mengurangi dampak penurunan produktivtas yang lebih kecil dibandingkan tanpa
diterapkannya adaptasi.
Model mekanis digunakan untuk mengetahui dampak perubahan iklim terhadap sektor pertanian,
seperti yang telah dilakukan Han et al. (2013). Pemodelan mekanistik Han et. al (2013) menggunakan
DSSAT 4.0-CERES-rice dengan model GCM (GFDL_CM2.0, GFDL_CM2.1, CCSM3, dan
UKMO_HadGEM1) dengan skenario A1B. Hasil studi menunjukkan produktivitas padi memiliki
hubungan logaritmik dengan CO₂ sedangkan suhu memiliki hubungan linier dan berbanding terbalik,
yang menunjukkan bahwa peningkatan suhu akan menurunkan produktivitas padi. AquaCrop
merupakan salah satu model mekanistik yang digunakan dalam memproyeksikan dampak perubahan
iklim terhadap produktivitas tanaman, seperti yang telah dilakukan oleh Bird et al. (2014), untuk
memproyeksikan produktivitas gandum dan tomat akibat dampak perubahan iklim. Hasil model
AquaCrop mampu merepresentasikan hasil observasi lapang dengan ketentuan parameterisasi yang
dilakukan telah sesuai (mewakili) dengan kondisi wilayah kajian. Hasil proyeksi dampak perubahan iklim
terhadap produktivitas gandum dan tomat menunjukkan produktivitas kedua tanaman tersebut sangat
membutuhkan air irigasi yang cukup banyak di masa depan.
Model empirik dalam pendugaan produksi jagung menggunakan GDD (Growing Degree Days) dan HDD
(Heat Degree Days) dilakukan oleh Roberts et al. (2017). Penelitian tersebut menggunakan parameter
suhu dan curah hujan dalam satu musim tanam jagung dalam memodelkan produksi tanaman jagung.
Hasil model tersebut menghasilkan R² sebesar 0.6 yang menunjukkan model mampu mempersentasikan
produksi jagung sebesar 60% sedangkan sisanya dipengaruhi faktor lain. Variabel suhu (GDD dan HDD)
mempunyai pengaruh yang lebih besar dibandingkan dengan variable curah hujan (Roberts et al. 2017).
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
8
Tabel 3: Pemodelan Dampak Perubahan Iklim pada Sektor Pertanian Jenis
model
Fokus Lokasi Variabel Reference Metode Hasil
Empiris Produktivitas
padi
Tropis Perubahan produktivitas padi,
perubahan suhu
Challinor et
al. 2014
Bootstrap Peningkatan suhu
menyebabkan
penurunan produktivitas
padi
Empiris Produktivitas
jagung
Tropis Perubahan produktivitas
jagung, perubahan suhu
Challinor et
al. 2014
Bootstrap Peningkatan suhu
menyebabkan
penurunan produktivitas
jagung
Empiris Produktivitas
jagung
Amerika
Serikat
Suhu maksimum dan minimum
harian, curah hujan satu musim
tanam
Roberts et al.
2017
Model
Logaritmik
Model suhu dan curah
hujan untuk produksi
jagung mempunyai R² =
0.6
Mekanis Produktivitas
padi
Gwanggu,
Korea
Produksi padi, suhu, radiasi
matahari, dan CO2, serta
penghitungan water use
efficiency dan radiation use
efficiency
Han et. Al
2013
DSSAT4.0-
CERES-rice CO₂ memiliki hubangan
logaritmik terhadap
produktivitas padi.
Suhu memiliki hubungan
linier terbalik dengan
produktivitas padi
Mekanis Produktivitas
gandum
Sardinia Produktivitas gandum,
Kerapatan tanaman, waktu
tanam, jumlah hari tanaman
siap panen, indeks panen,
kandungan air tanah, dan jenis
tanah
Bird et al.
2014
AquaCrop Produktivitas gandum
dapat diduga dan di
masa depan
membutuhkan air irigasi
dalam jumlah yang lebih
banyak
Mekanis Produktivitas
tomat
Tunisia Produktivitas tomat,
Kerapatan tanaman, waktu
tanam, jumlah hari tanaman
siap panen, indeks panen,
Bird et al.
2014
AquaCrop Produktivitas tomat
dapat diduga dan di
masa depan
membutuhkan air irigasi
dalam jumlah yang lebih
banyak
Mekanis Produktivitas
gandum
Cina Produktivitas gandum, suhu
minimum, suhu maksimum,
suhu rata-rata, curah hujan,
kecepatan angin, lama
penyinaran matahari,
parameter tanah (fraksi pasir,
liat pada kedalaman (0-100
cm)
Sulin et al.
2016
WOFOST r = 0.73
RMSE = 642 Kg/ha
RE = 4.4%
Mekanis Produksi,
harga,
konsumsi
Indonesia Model Iklim Hutabarat
2012
ICASEPS Dampak perubahan
iklim terhadap produksi,
harga, konsumsi.
Mekanis Kesesuaian
iklim
tanaman
sorgum
Afrika Curah hujan, maksimum,
minimum, dan rata-rata suhu
udara, GCM, sebaran
pertanaman
Villegas et al.
2013
EcoCrop Kesesuaian iklim
tanaman sorgum
mengalami perubahan
pada beberapa wilayah
2.3. PEMODELAN DAMPAK EKONOMI AKIBAT PERUBAHAN IKLIM
Menurut Ackerman dan Stanton (2008), kenaikan suhu mencapai 6 derajat Fahrenheit, berakibat pada
hasil panen di seluruh dunia akan turun. Penurunan hasil panen akan lebih drastis untuk negara tropis
dibanding dengan pertanian di daerah beriklim sedang. Penelitian tersebut mengungkapkan hubungan
nilai pasar lahan pertanian Amerika Serikat dan iklimnya. Untuk wilayah penelitian dengan sistem
pertanian tadah hujan sangat bergantung dengan suhu dan curah hujan. Nilai tanah maksimal
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
9
(produktivitas pertanian ideal) terjadi saat suhu selama musim tanam yaitu April sampai September
sama dengan saat ini dan curah hujan selama musim tanam mencapai 31 inchi (78 cm) per tahun, jauh
di atas rata-rata historis 23 inchi (58 cm). Jika di masa depan terjadi peningkatan suhu maka nilai tanah
akan turun. Untuk tahun 2070 sampai 2099, studi tersebut memproyeksikan bahwa nilai rata-rata lahan
pertanian akan turun 62% di bawah skenario A2 IPCC. Variabel iklim yang paling kuat terkait dengan
penurunan nilai tanah tersebut adalah jumlah hari >93⁰ Fahrenheit (33.8⁰C), suhu yang buruk untuk
hampir semua tanaman pangan.
Laporan Proseding dari National Academy of Sciences (2013) mengungkapkan beberapa analisis terkait
perkiraan tahun 2050 dengan dan tanpa perubahan iklim:
1). Rata-rata efek perubahan iklim langsung terhadap hasil panen adalah penurunan 17 persen, namun
dengan perbedaan yang signifikan dengan model panen, wilayah, dan panen-iklim.
2). Rata-rata dampaknya adalah penurunan 11 persen karena petani merespons dengan mengubah
penggunaan input dan praktik pengelolaan pada area pertanian yang ada, memperluas produksi ke
daerah baru (peningkatan sekitar 8 persen) dan mengurangi konsumsi (penurunan sekitar 3 persen).
3). Rata-rata efek pada harga tanaman adalah kenaikan 20 persen, namun untuk beberapa tanaman
pangan di beberapa daerah harga tidak berubah sama sekali, sementara di negara lain kenaikannya lebih
dari 60 persen.
4) Perbedaan hasil model timbul dari asumsi yang berbeda yang dibuat oleh kelompok pemodelan di
tiga wilayah: Seberapa mudah mengonversi lahan non-pertanian menjadi sawah, seberapa besar petani
bisa merespons harga yang lebih tinggi dengan hasil yang lebih tinggi. Dan seberapa besar arus
perdagangan internasional dapat merespons dampak iklim regional yang berbeda.
Perhitungan produksi sereal, harga sereal dan risiko kelaparan yang terjadi secara global dilakukan oleh
Parry et al (2004) menggunakan metode Basic Linked System (BLS). Pendekatan umum BLS yaitu
merekontruksi semua aktivitas ekonomi yang dipresentasikan oleh model. Penelitian dimulai dengan
mensimulasi produksi hasil panen global. Hasil panen diproyeksikan oleh variable iklim, efek CO₂, dan
sistem pertanian yang berkontribusi terhadap produksi tanaman global. Pendekatan perubahan iklim
dilakukan melalui skenario SRES. Respon hasil panen terhadap variabel iklim didekati dengan analisis
statistik yang menghasilkan tingkat korelasi hingga 70%. Selanjutnya penilaiaan model ekonomi nasional
dilakukan melalui fungsi perdagangan, harga pasar dunia, dan aliran keuangan setiap komoditi. Nilai
tersebut menentukan harga komoditi tertentu secara global.
Furuya et al. (2015) melakukan penelitian terkait dampak perubahan iklim pada sektor ekonomi yang
mempengaruhi kelebihan konsumsi pada komoditi pertanian. Penelitian tersebut menggunakan DCGE
model yang mencangkup fungsi total produksi padi yang terintegrasi dengan pertumbuhan tanaman dan
model kuantitas tanaman. Variabel pendapatan petani, PDB (GDP) dan kelebihan konsumen di ukur
dengan nilai variasi yang sama. Nilai tersebut berdasarkan perubahan variabel iklim menggunakan GCM:
Miroc. Hasil penelitian menunjukkan kelebihan konsumsi akan meningkat karena harga padi menurun,
sesuai dengan produksi padi yang meningkat mengikuti perubahan iklim. PDB akan meningkat karena
perubahan iklim meningkatkan produksi di sektor manufaktur. Sementara pendapatan petani (lahan
pertanian) akan menurun karena harga padi dan tanah menurun dibawah level rata-rata.
UNDP (2011) melakukan penelitian terkait model perhitungan dampak ekonomi dari perubahan iklim
pada berbagai sektor salah satunya pertanian. Dalam laporan tersebut disebutkan dua (2) pendekatan
yang dilakukan untuk menilai dampak perubahan iklim di sektor pertanian yaitu Agronomi dan Agro-
ekonomi. Pendekatan Agronomi bergantung pada respon panen yang diamati terhadap tanah, iklim,
dan pengelolaan yang berbeda untuk mensimulasikan perubahan hasil panen tahunan rata-rata. Proyeksi
harga satuan tanaman dan areal panen digunakan untuk mengubah hasil ini menjadi nilai ekonomi.
Pendekatan Agro-ekonomi menggabungkan pendekatan agronomi untuk menentukan dampak
perubahan iklim terhadap hasil panen dengan model pasar pertanian untuk menentukan produksi
tanaman pangan, harga dan keuntungan ekonomi serta kerugian akibat perubahan iklim.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
10
BAB 3. PENGEMBANGAN METODE
VALUASI DAMPAK IKLIM 3.1. DATA
Data untuk tujuh (7) kabupaten wilayah studi tersedia yang dipergunakan pada kajian ini meliputi data
iklim, data produksi dan data ekonomi pada skala administrasi maupun spasial selama 10 tahun (2007-
2016). Data tersebut adalah data sekunder yang berasal dari Badan Pusat Statistik dalam bentuk data
produksi, produktivitas dan luas panen tanaman pangan tingkat Kabupaten dari tahun 2007 hingga 2016.
Komoditas yang dipilih untuk mewakili tanaman pangan adalah padi sawah. Data lainnya adalah data
biaya produksi per luasan tanam (Ha) didapatkan dari data BPS Nasional.
Data iklim yang digunakan terdiri dari data data curah hujan tahunan, data suhu udara tahunan, suhu
udara harian, dan data suhu udara harian maksimum. Data suhu udara harian dan data suhu udara harian
maksimum didapatkan dari NASA Power (https://power.larc.nasa.gov/) dari tahun 2007-2016. Data
curah hujan tahunan dan suhu udara tahunan didapat dari data Kabupaten Dalam Angka (BPS).
Untuk mendapatkan informasi iklim spasial wilayah, kajian ini menggunakan data Worldclim. Data ini
dikembangkan dengan interpolasi iklim permukaan untuk lahan global dengan resolusi spasial 30 busur
yang setara dengan 1 km resolusi spasial. Data curah hujan Baseline WordClim merupakan rataan dari
tahun 1971-2000. Luaran WordClim untuk model iklim CSIRO, GFDL, CCCMA, dan MIROC tahun
2021-2050 dengan RCP 4.5 digunakan sebagai informasi proyeksi masa depan. Informasi batas
administrasi wilayah diperoleh dengan mengolah data vektor luaran Badan Informasi Geospasial (BIG)
dan Badan Pusat Statistik (BPS), sementara data ketinggian berasal dari data DEM SRTM.
3.2. PENDEKATAN UMUM
Pengembangan penyusunan model valuasi dampak perubahan iklim terhadap produksi padi bertujuan
untuk mengetahui nilai kenaikan dan penurunan tingkat produksi dan valuasi dampak pada komoditas
terpilih. Dengan melihat perubahan produksi dan gross margin melalui pemanfaatan informasi perubahan
iklim diharapkan dapat digunakan dalam perencanaan dan penyusunan kebijakan pembangunan nasional
maupun daerah dengan pertimbangan kondisi iklim.
Pengembangan model valuasi dampak dilakukan melalui pendekatan model empiris dengan
menggunakan informasi iklim yang mempengaruhi produksi tanaman. Berdasarkan review literature
faktor iklim yang banyak dipergunakan dalam sektor pertanian adalah curah hujan dan suhu udara.
Model disusun dengan mensimulasikan faktor-faktor iklim dengan faktor produksi tanaman untuk
memperoleh nilai Gross Margin/perbedaan antara nilai produksi dan biaya produksi (Gambar 4).
Penggunaan model empiris mengasumsikan interaksi antara variasi iklim dan proses-proses agronomi
seperti lahan, bibit, pupuk dan perlakuan yang mempengaruhi produktivitas tanaman direpresentasikan
dalam bentuk agregasi dampak faktor iklim terhadap produktivitas tanaman.
Secara sederhana, metode analisis dilakukan dengan menggunakan faktor iklim sebagai variable utama
yang mempengaruhi produktivitas. Estimasi nilai produktivitas selanjutnya dikalikan dengan informasi
luas panen sehingga didapatkan nilai produksi total. Nilai total penjualan (Revenue) diperoleh
berdasarkan hasil perkalian antara produksi dengan harga komoditas padi. Selanjutnya, untuk
memperoleh nilai Gross Margin, nilai revenue akan dikurangi biaya produksi pertanian padi. Nilai Gross
Margin dipergunakan sebagai indikator analisis valuasi dampak perubahan iklim pada sektor pertanian.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
11
Gambar 4: Diagram Alir Proses Penyusunan Pemodelan Valuasi Dampak Perubahan
Iklim terhadap Produksi Tanaman Pangan Wilayah DAS Brantas
Valuasi analisis dampak perubahan iklim terhadap produktivitas padi dihitung menggunakan model
produktivitas dengan masukan utama perubahan nilai variabel iklim, yaitu: perubahan suhu dan curah
hujan, di masa mendatang berdasarkan proyeksinya di masa depan. Adapun beberapa asumsi yang
dipergunakan, yaitu:
1. Luas panen di masa depan diasumsikan tetap
2. Harga penjulan padi Gabah Kering Giling (GKG) diasumsikan tidak berubah. Harga padi sama
untuk semua wilayah yaitu sebesar Rp 5,000/kg
3. Biaya produksi untuk tanaman padi diasumsikan sebesar Rp 12.7 juta/ha
3.3. MODEL PRODUKTIVITAS
Model produktivitas berbasis variabel Growing Degree Days (GDD) dan High Degree Days (HDD)
merupakan model empiris yang dipergunakan sebagai pendekatan untuk mensimulasikan proses
pertumbuhan tanaman berdasarkan ketersediaan air dan suhu udara. Model ini mengasumsikan tidak
adanya kerusakan akibat hama dan organisme serta tidak adanya penurunan nutrisi pada lahan pertanian
maupun faktor lain diluar iklim. Parameter iklim yang digunakan pada model ini adalah curah hujan dan
suhu udara. Perhitungan dilakukan dengan asumsi bahwa penurunan dan kenaikan produksi tanaman
pangan mempunyai hubungan yang kuat dengan perubahan suhu udara dan curah hujan. Hubungan suhu
dengan pertumbuhan tanaman dapat di dekati dengan nilai GDD dan HDD. Model ini menggunakan
data suhu harian selama satu kali musim tanam padi (umur tanaman) yaitu 120 hari (padi IR 64) untuk
menghitung nilai HDD. Model ini mengasumsikan bahwa nilai GDD-HDD satu musim tanam sama
untuk setiap musim tanam dengan pertimbangan informasi produksi atau produktivitas yang
dikeluarkan BPS dilaporkan untuk satu tahun.
Growing Degree Days (GDD): GDD merupakan akumulasi panas yang dihasilkan tanaman selama
proses perkembangan tanaman tersebut. Tanaman perlu mengumpulkan sejumlah GDD tertentu untuk
mencapai tahap pertumbuhan yang berbeda mulai dari penanaman sampai kematangan. GDD dapat
digunakan dalam penentuan umur tanaman hingga dapat mencapai panen. GDD melihat hubungan
antara laju pertumbuhan dan perkembangan tanaman dengan akumulasi suhu rata-rata harian diatas
suhu baku (dasar) berdasarkan jenis tanaman. Rumus matematika GDD:
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
12
Dimana T merupakan suhu harian yang akan dihitung jika lebih dari 10 ⁰C (T >10) selama satu musim
tanam. Perhitungan T menggunakan suhu rataan harian, (suhu maksimum-suhu minimum)/2), dan
mengabaikan sebaran frekuensi suhu tiap jam nya. Suhu baku adalah titik suhu yang menunjukkan tidak
terjadinya proses fisiologis tanaman. Suhu baku bervariasi pada setiap tanaman dan pada setiap proses
perkembangan. Untuk tanaman padi menggunakan suhu dasar (Tb) sebesar 10 ⁰C (Ghadekar 2001).
Nilai GDD digunakan sebagai representatif nilai suhu yang mempengaruhi tanaman. Pada beberapa
daerah kenaikan suhu akan menaikkan nilai GDD dan mempercepat proses pemasakan. Percepatan
proses pemasakan akan memberi kesempatan untuk melakukan penanaman padi yang lebih sering dan
meningkatkan produksi tahunannya.
High Degree Days (HDD): HDD dapat dikatakan mirip dengan GDD hanya saja suhu dasar yang di
gunakan sebesar 29 ⁰C (suhu ketika tanaman padi mulai terganggu). HDD merupakan akumulasi panas
diatas suhu perkembangan ideal tanaman padi (29 ⁰C) selama musim tanam tersebut. Penggunaan HDD
dimaksudkan untuk mengestimasi total suhu diatas suhu tanaman masih berkembang dengan baik.
Produksi umumnya akan menurun ketika terjadi heat stress akibat suhu yang terlalu tinggi. Apabila suhu
di atas ideal pertumbuhan tanaman terjadi maka diasumsikan produksi tanaman akan menurun.
Rumus matematika HDD:
Dimana nilai T merupakan rata-rata suhu maksimum harian di wilayah kajian. Penggunaan data suhu
maksimum digunakan sebagai analisis karena hampir sebagaian besar wilayah kajian memiliki suhu rata-
rata harian yang kurang dari suhu dasar (29 ⁰C).
Curah hujan (P) yang digunakan adalah curah hujan tahunan dengan asumsi kesetaraan waktu dengan
data produksi tahunan yaitu penjumlahan semua hasil produksi dalam setahun.
Dari beberapa kali percobaan didapatkan model yang paling sesuai untuk wilayah DAS Brantas yaitu
persamaan regresi kuadratik. Model GDD HDD yang digunakan memasukkan model fixed effect dalam
persamaan regresi. Fixed effect adalah model dengan intercept berbeda-beda untuk setiap subjek/cross
section (dalam hal ini kabupaten), tetapi slope setiap subjek tetap.
Persamaan regresi umum dari model Fixed Effect adalah sebagai berikut:
untuk i = 1,2, …, N dan t = 1,2, …, T, dimana N adalah jumlah unit/individu cross section dan T adalah
jumlah periode waktunya.
Setelah penentuan model regresi maka memasukkan ketiga variabel iklim (P, GDD, HDD) serta fungsi
kuadratik dari P (P²) dengan data aktual produktivitas (Y).
Hasil regresi model GDD-HDD menggunakan Fixed Effect:
Hasil regresi untuk seluruh data Wilayah DAS Brantas ditampilkan dalam Tabel 4. Hasil model dengan
fixed effect ini digunakan untuk mhengestimasi produktivitas seluruh Kabupaten dengan memasukkan
persamaan regresi hasil model pada masing-masing Kabupaten.
Yit = i + 1 X1it +2 X2it + eit
Y (Aktual)= α+ β₁P + β₂P² + β₃GDD + β₄HDD + Ɛ
= ሺ𝑇 − 10ሻ, {𝑇|𝑇 > 10}
+120
𝑛=𝑀𝑒𝑖
GDD
= ሺ𝑇 − 29ሻ, {𝑇|𝑇 > 29}
+120
𝑛=𝑀𝑒𝑖
HDD
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
13
Tabel 4: Hasil Regresi Model GDD-HDD Menggunakan Fixed Effect
Koefisien Variabel
Coef P P²
1000
GDD HDD R² R² adj
Model GDD HDD -2.072267 0.000688 -0.00017 0.003842 -0.00703 0.11 0.05
Note: jumlah data relatif sedikit untuk setiap kabupaten (2007-2015) hanya 9 data.
3.4. KALIBRASI HASIL MODEL
Kalibrasi model dilakukan dengan membandingkan rata-rata produktivitas antara data sesungguhnya
dengan data model. Gambar 5 memperlihatkan hasil perbandingan model GDD-HDD dengan hasil
produktivitas aktual pada tujuh Kabupaten wilayah DAS Brantas. Meskipun pada sebaran data setiap
tahun di setiap Kabupaten terdapat sedikit perbedaan dengan data aktual, namun secara keseluruhan,
model mampu mempu mempresentasikan tingkat produktivitas dengan baik. Hasil kalibrasi
menunjukkan model mampu digunakan dalam pendugaan proyeksi iklim masa depan. Berikut hasil
kalibrasi untuk setiap Kabupaten.
Kota Malang memiliki nilai produktivitas rata-rata sebesar 5.98 Ton/Ha. Model menduga nilai
produktivitas sebesar 6.02 Ton/Ha. Kabupaten Malang memiliki tingkat produktivitas rata-rata sebesar
6.97 Ton/Ha, sedangkan model memiliki rata-rata sebesar 7.01 Ton/Ha. Kota Batu bahkan memiliki
perbedaan sebesar 0.02 dari produktivitas aktualnya yaitu sebesar 5.72 Ton/Ha. Kabupaten Blitar
memiliki nilai rata-rata produktivitas aktual sebesar 5.75 Ton/Ha, sedangkan produktivitas model
mencapai 5.84 Ton/Ha. Kabupaten lain seperti Mojokerto memiliki rata-rata nilai produktivitas model
yang hampir sama dengan keadaan aktualnya sebesar 6.12 Ton/Ha untuk model dan 6.10 Ton/Ha untuk
nilai aktual. Kabupaten Sidoarjo memiliki data produksi tahun 2015 yang sedikit lebih tinggi dari
aktualnya namun rata-rata produktivitas modelnya mencapai 6.58 Ton/Ha sedangkan data aktualnya
sebesar 6.55 Ton/Ha. Kabupaten Jombang memiliki perbedaan produktivitas tahunan yang lebih
beragam, namun memiliki rata-rata model dan aktual yang sama yaitu sebesar 5.82 Ton/Ha. Informasi
grafis kalibrasi disajikan pada Gambar 5.
Gambar 5: Grafik Perbandingan Produktivitas Antara Aktual dan Estimasi Model
0
2
4
6
8
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
Pro
du
ktiv
itas
(To
n/H
a)
Kota Malang
Aktual Estimasi
0
2
4
6
8
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
Pro
du
ktiv
itas
(To
n/H
a)
Kabupaten Malang
Aktual Estimasi
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
14
Selanjutnya, perhitungan nilai produksi didekati dengan perkalian antara produktivitas dan luas panen
setiap tahun. Gambar 6 menunjukkan nilai rataan produksi selama tahun 2007-2016 antara data aktual
dan estimasi model. Secara keseluruhan, produksi estimasi model semua Kabupaten memiliki nilai yang
hampir sama dengan nilai yang produksi aktualnya. Kota Malang memiliki rata-rata produksi sebesar
12,100 Ton/tahun dengan nilai model sebesar 12,300 Ton. Kabupaten Malang berada di kisaran
produksi 418,000 Ton, sedangkan nilai model mampu mendekati hingga 413,000 Ton. Kota Batu berada
pada kisaran produksi sebesar 5,300 Ton/tahun dan nilai model sebesar 5,400 Ton, sedangkan
Kabupaten Mojokerto berada dikisaran antara 302,000 Ton/tahun. Kabupaten lain seperti Blitar yang
memiliki rataan produksi sebesar 300,000 Ton dan mampu di dekati dengan model sekitar 304,000
Ton/tahun. Begitupun dengan Kabupaten Sidoarjo yang memiliki nilai produksi sebesar 205,000
Ton/tahun. Kabupaten Jombang memiliki tingkat akurasi yang lebih baik dari kabupaten lainnya dengan
nilai produksi baik model maupun aktual senilai 412,000 Ton/Ha.
0
2
4
6
82
00
7
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
Pro
du
ktiv
itas
(To
n/H
a)Kota Batu
Aktual Estimasi
0
2
4
6
8
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
Pro
du
ktiv
itas
(To
n/H
a)
Kabupaten Blitar
Aktual Estimasi
0
2
4
6
8
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
Pro
du
ktiv
itas
(To
n/H
a)
Kabupaten Mojokerto
Aktual Estimasi
0
2
4
6
8
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
Pro
du
ktiv
itas
(To
n/H
a)
Kabupaten Sidoarjo
Aktual Estimasi
0
2
4
6
8
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
Pro
du
ktiv
itas
(To
n/H
a)
Kabupaten Jombang
Aktual Estimasi
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
15
Gambar 6: Grafik Perbandingan Nilai Produksi Rataan Selama Tahun 2007-2016 Hasil
Estimasi Model dan Nilai Produksi Actual Berdasarkan Laporan BPS
3.5. PERHITUNGAN NILAI GROSS MARGIN (GM)
Perhitungan nilai Gross Margin didapatkan dari nilai total produksi dikalikan harga komoditas (Revenue)
dikurangi biaya atau ongkos produksi. Biaya produksi dihitung dari perkalian antara luas panen dan
biaya produksi sebesar 12,7 juta/Ha (BPS). Nilai Gross Margin disajikan pada Gambar 7. Nilai GM
tertinggi berada di Kabupaten Malang sebesar Rp 1.3 Triliun dan terendah berada di Kota Batu sebesar
Rp 15 Miliar. Selain Kota Batu, Kota Malang juga hanya memiliki nilai GM dikisaran Rp 35.5 Miliar. Hal
ini disebabkan luas lahan pertanian di kedua wilayah tersebut tidak seluas daerah lain. Kabupaten
Mojokerto memiliki nilai GM dikisaran Rp 885 Miliar. Nilai ini hampir setara dengan Gross Margin
Kabupaten Blitar sebesar Rp 859 Miliar. Kabupaten Sidoarjo memiliki nilai Gross Margin sebesar Rp 633
Miliar. Sedangkan Kabupaten Jombang memiliki Gross Margin dengan nilai hampir sama dengan
Kabupaten Malang yaitu sebesar Rp 1.16 Triliun.
Gambar 7: Nilai Gross Margin pada Data Model
0
50.000
100.000
150.000
200.000
250.000
300.000
350.000
400.000
450.000
KotaMalang
Kab.Malang
Kota Batu Kab.Blitar
Kab.Mojokert
o
Kab.Sidoarjo
Kab.Jombang
Aktual 12.163 418.468 5.355 300.142 301.446 205.023 412.551
Model GDD-HDD 12.300 413.228 5.406 304.008 302.504 206.318 412.441
Pro
du
ksi (
Ton
)
35.560
1.316.963
15.080
859.808 884.853633.547
1.163.099
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
16
BAB 4. ANALISIS VALUASI DAMPAK
PERUBAHAN IKLIM 4.1. SKENARIO PERUBAHAN IKLIM
Proyeksi kondisi iklim dilakukan pada variabel curah hujan dan suhu udara dengan menggunakan luaran
data dari 4 model Wordclim dengan skenario RCP4.5. Periode tahun proyeksi yakni tahun 2021-2050.
Analisis perubahan curah hujan tahunan dilakukan pada keempat model. Olahan model iklim diperoleh
atas bantuan dari piarea.co.id.
Hasil analisis menunjukkan rentang perubahan curah hujan terjadi berkisar antara -15 sampai 27% untuk
seluruh DAS Brantas (Gambar 8). Seluruh model menunjukkan kenaikan curah hujan hampir di seluruh
wilayah DAS Brantas. Pada model CCCMA, GFDL dan MIROC memiliki pola distribusi spasial
peningkatan curah hujan yang sama. Namun tidak dengan model CSIRO yang menunjukkan hasil
sebaliknya. Kabupaten Jombang, Mojokerto dan Sidoarjo pada model CCCMA terjadi kenaikan curah
hujan hingga 8%, namun sebaliknya pada model CSIRO justru terjadi penurunan hingga 13%. Penurunan
curah hujan hanya terjadi pada model CCCMA dan CSIRO, sedangkan GFDL dan MIROC mengalami
peningkatan disemua wilayah. Peningkatan curah hujan tertinggi terjadi pada model GFDL. Kabupaten
Jombang, Sidoarjo dan Mojokerto mengalami kenaikan yang cukup tinggi hingga diatas 8%. Sedangkan
Kabupaten di area dataran tinggi seperti Kota Batu, Kota Malang dan Kabupaten Malang rata-rata
mengalami peningkatan yang tidak terlalu signifikan.
Semua model menunjukkan kenaikan suhu udara di seluruh wilayah DAS Brantas. Kenaikan tersebut
berkisar antara 0.8 hingga 1.4 ⁰C. Kenaikan tertinggi terjadi pada model CCCMA yaitu sebesar 1.4 ⁰C
yang menyebar di seluruh wilayah DAS Brantas. Sedangkan pada model lainnya kenaikan suhu hanya
berkisar antara 0.8 hingga 1 ⁰C.
Gambar 8: Proyeksi Perubahan Curah Hujan Periode Tahun 2021-2050
CCCMA CSIRO
GFDL MIROC
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
17
Gambar 9: Proyeksi Perubahan Suhu Udara Periode Tahun 2021-2050
Skenario yang digunakan dalam proyeksi perubahan iklim untuk DAS Brantas diambil dari nilai tertinggi
dan terendah dari keseluruhan model yang digunakan. Skenario untuk masing-masing Kabupaten
disajikan dalam Tabel 5.
Tabel 5: Skenario Perubahan Iklim untuk DAS Brantas
Kabupaten Suhu
Baseline
Perubahan
Suhu (⁰C)
CH
Baseline
Perubahan CH
(%)
Min Max Min Max
Kota Malang 23.78 0.8 1.4 1903 -9 20
Kab. Malang 24.3 0.8 1.4 1892 -15 27
Kota Batu 23.01 0.8 1.4 2000 -10 18
Kab. Blitar 27.11 0.8 1.4 2130 -10 24
Kab. Mojokerto 26.89 0.9 1.4 1910 -10 23
Kab. Sidoarjo 27.87 0.9 1.4 1668 -13 26
Kab. Jombang 27.67 0.9 1.4 1727 -9 22
4.2. HASIL ANALISIS VALUASI DAMPAK PERUBAHAN IKLIM
Dampak perubahan iklim tidak selalu identik dengan kerugian. Peningkatan maupun penurunan nilai
variabel iklim dapat menurunkan maupun menaikkan nilai produksi yang dihubungkan dengan faktor
lain seperti biofisik wilayah (ketinggian, jenis tanah, dan ekosistem) maupun tipe iklim seperti daerah
kering, basah maupun semi arid. Diluar proses agronomi, variabel iklim dinilai sebagai faktor penentu
dalam pertumbuhan dan perkembangan tanaman.
Perubahan iklim umumnya tidak hanya di akibatkan oleh perubahan satu variabel iklim, namun
perubahan hampir disemua komponennya meskipun terjadi perubahan yang tidak besar dan merata di
seluruh dunia. Perubahan iklim yang disebabkan oleh kenaikan maupun penurunan curah hujan dan
suhu udara dapat memicu peningkatan maupun penurunan produksi tanaman.
CCCMA CSIRO
GFDL MIROC
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
18
Suhu merupakan salah satu variabel iklim yang di proyeksikan terus meningkat di masa depan. Dampak
dari kenaikan suhu ini tentu akan berpengaruh terhadap tanaman khususnya tanaman pangan seperti
padi. Kenaikan sedikit dari suhu akan menyebabkan kenaikan maupun penurunan nilai produksi.
Menurut Hundal (2004) kenaikan suhu sebesar 2⁰C akan menurunkan nilai hasil panen padi sebesar
15% - 17% dari sebelumnya. Dalam kondisi suhu yang sangat tinggi, pertumbuhan bisa terhambat bahkan
berhenti tanpa menghiraukan persediaan air dan kemungkinan terjadi peranggasan daun atau biji
sebelum waktunya.
Namun tidak semua wilayah akan mendapatkan dampak yang sama, khususnya untuk daerah yang
memiliki suhu rendah untuk pertanaman padi. Selain suhu, curah hujan juga akan mempengaruhi hasil
panen tanaman. Umumnya kenaikan curah hujan sampai batas tertentu akan meningkatkan produksi
tanaman padi karena air tersedia dengan cukup selama masa pertumbuhan tanaman. Kekurangan air
dapat menyebabkan tanaman mati akibat kekeringan.
Perubahan produksi akibat perubahan variabel iklim akan dinyatakan dalam persen (%) perubahan.
Perubahan positif produksi menyatakan bahwa di masa mendatang akan terjadi peningkatan produksi
dari rata-rata produksi saat ini. Sebaliknya apabila perubahan produksi bernilai negatif maka terjadi
penurunan produksi pada wilayah tersebut. Hasil analisis untuk setiap kabupaten disajikan sebagai
berikut.
Kota Malang
Sebagai salah satu daerah dengan luas lahan pertanian padi yang relatif sempit, kota Malang mampu
mencapai produksi padi sebesar 12,000 Ton/tahun. Produksi padi di Kota Malang setelah dilakukan
proyeksi perubahan iklim akan mengalami peningkatan di masa depan mencapai lebih dari 4%.
Peningkatan ini disebabkan oleh kenaikan suhu udara mencapai 0.8⁰C yang memicu kenaikan nilai GDD
sebagai salah satu faktor yang menyebabkan pemasakan tanaman menjadi lebih cepat terjadi. Suhu rata-
rata tahunan yang cukup rendah (23.78⁰C) menyebabkan kenaikan suhu akan meningkatkan produksi
padi. Kenaikan curah hujan juga menjadi salah satu pemicu peningkatan produksi. Pada model GDD-
HDD kenaikan curah hujan berkorelasi positif dengan kenaikan produksi. Kenaikan curah hujan di masa
depan pada Kota Malang mencapai 20%.
Penurunan curah hujan sebesar -9% dan peningkatan suhu yang mencapai 1.4⁰C dapat menyebabkan
penurunan produksi hingga -4%. Kenaikan suhu yang terlalu tinggi dapat memicu peningkatan nilai HDD
(akumulasi suhu diatas suhu optimum tanaman padi untuk tumbuh) yang memiliki korelasi negatif
dengan produksi padi.
Gambar 10: Perubahan Produksi Akibat Perubahan Iklim di Kota Malang
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
19
Kabupaten Malang
Kabupaten Malang mempunyai rata-rata produksi tahunan sebesar 418,000 Ton. Akibat adanya
kenaikan suhu dan kenaikan curah hujan hingga 27%, produksi padi Kabupaten Malang mengalami
kenaikan hingga 4% dari sebelumnya. Kenaikan curah hujan yang cukup tinggi ini akan mempermudah
proses pertumbuhan tanaman padi karena air tersedia mencukupi untuk melakukan fotosintesis
tanaman. Hal ini sangat menguntungkan terutama untuk daerah dengan jenis lahan sawah tadah hujan.
Pada periode yang sama, terdapat potensi penurunan produksi Kabupaten Malang hingga -3%.
Penurunan ini dapat diakibatkan karena curah hujan turun sebesar -15% dari sebelumnya. Penurunan
curah hujan cukup tinggi disertai dengan peningkatan suhu hingga 1.4⁰C menyebabkan produksi padi di
wilayah Malang yang mempunyai suhu rata-rata sebesar 24.3⁰C menjadi turun.
Gambar 11: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Malang
Kota Batu
Kota Batu merupakan daerah dengan rata-rata suhu udara terendah dari wilayah kajian yang lain. Rata-
rata produksi padi tahunannya mencapai 5,350 Ton. Setelah dilakukan skenario perubahan iklim maka
didapatkan bahwa Kota Batu akan mengalami penurunan produksi sebsar -4% dan kenaikan produksi
sebesar 4%. Kenaikan produksi ini disebabkan oleh kenaikan suhu udara yang menaikkan nilai GDD
tanaman serta kenaikan curah hujan yang cukup.
Kota batu memiliki rata-rata suhu udara baseline yang rendah yaitu sekitar 23⁰C. Tanaman yang tumbuh
pada kondisi suhu dibawah batas optimum akan menghasilkan pertumbuhan yang kurang baik dan
produksinya akan lebih rendah. Hal ini disebabkan pada suhu yang rendah besarnya fotosintesis yang
dihasilkan dan protein yang dibentuk dalam keadaan minimum berakibat pertumbuhan dan
perkembangan menjadi lambat dan produksinya rendah.
Hal ini menjadi alasan ketika terjadi kenaikan suhu, maka Kota Batu akan diuntungkan. Suhu yang lebih
panas berdampak bagi tanaman untuk mempercepat proses fisiologis dan pemasakan selama masa
pertumbuhan. Produksi meningkat selama suhu meningkat dan ketersedian air yang cukup.
Penurunan produksi di Kota Batu dapat diakibatkan oleh penurunan curah hujan sehingga tidak ada air
tersedia yang cukup ideal untuk mengimbangi kenaikan suhu. Hal ini akan menyebabkan terjadinya
penurunan produksi.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
20
Gambar 12: Perubahan Produksi Akibat Perubahan Iklim di Kota Batu
Kabupaten Blitar
Berdasasarkan model GDD-HDD yang gunakan untuk menentukan nilai produksi, didapatkan hasil
bahwa Kabupaten Blitar akan mengalami penurunan hingga -4%. Rata-rata produksi Kabupaten Blitar
dalam kurun waktu 10 tahun terakhir sebesar 300,000 Ton/tahun. Kenaikan suhu dimasa depan untuk
Kabupaten Blitar berada dikisaran 0.8⁰C hingga 1.4⁰C. Sedangkan curah hujan diproyeksikan terjadi
penurunan sebesar -9% dan peningkatan sebesar 20%. Penurunan produksi ini disebabkan terjadinya
kenaikan suhu udara yang meningkatkan nilai HDD tanaman sedangkan variabel curah hujan turun. Hal
ini karena tanaman sangat sensitif terhadap suhu tinggi selama tahap kritis seperti pembungaan dan
perkembangan benih.
Meskipun terjadi penurunan produksi namun Kabupaten Blitar juga mengalami kenaikan suhu yang
diimbangi oleh curah hujan yang cukup untuk pertumbuhan tanaman. Hasil produksi tertinggi terjadi
ketika curah hujan meningkat maksimum hingga 20% dan suhu udara naik pada kondisi ideal.
Peningkatan produksi ini mencapai 4% dari produksi saat ini.
Gambar 13: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Blitar
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
21
Kabupaten Mojokerto
Proyeksi perubahan iklim untuk Kabupaten Mojokerto menghasilkan keluaran potensi terjadinya
penurunan produksi mencapai -7% dari produksi tahunnya sebesar 301,000 Ton. Penurunan ini identik
dengan adanya kenaikan suhu antara 0.9⁰C hingga 1.4⁰C. Penurunan ini akibat adanya kenaikan suhu
yang menyebabkan meningkatnya HDD yang diindikasikan adanya suhu melebihi batas optimum
pertumbuhan sehingga menyebabkan tanaman mengalami kekeringan.
Tanaman yang tumbuh pada kondisi suhu diatas optimum akhirnya pertumbuhan tanaman tersebut
biasanya menghasilkan produksi yang rendah. Hal ini disebabkan kurang adanya keseimbangan antara
besarnya fotosintesis yang dihasilkan dan berkurangnya karbohidrat karena adanya respirasi.
Bertambahnya suhu akan mempercepatkan kedua proses ini, tetapi di atmosfer, proses respirasi akan
berlangsung lebih besar dari pada fotosintesis, sehingga bertambah tinggi suhu tersebut akan
mengakibatkan berkurangnya produksi.
Kenaikan curah hujan sebesar 23% akan membantu meningkatkan produksi hingga 1% apabila kenaikan
suhu pada kondisi tidak terlalu tinggi. Kenaikan minimum suhu yang terjadi di Kabupaten Mojokerto
sebesar 0.9⁰C.
Gambar 14: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Mojokerto
Kabupaten Sidoarjo
Kabupaten Sidoarjo memiliki produksi padi tahunan sekitar 205,000 Ton. Produksi ini di masa depan
akan mengalami penurunan hingga -7%. Penurunan ini juga disebabkan oleh kenaikan suhu udara yang
menyebabkan suhu hariannya meningkat melebihi batas suhu optimum tanaman padi. Kasus pada
Kabupaten Sidoarjo identik dengan yang terjadi di Kabupaten Mojokerto.
Sebagai daerah terpanas di antara wilayah kajian lainnya, dengan suhu rata-rata sebesar 27.87⁰C akan
menyebabkan sedikit saja perubahan suhu dapat menurunkan produksi dengan cepat. Penurunan ini
juga dipicu oleh penurunan curah hujan sebesar -13%. Namun demikian, Kabuapaten Sidoarjo masih
memiliki harapan untuk meningkatkan produksi dengan syarat curah hujan naik hingga 26% dan suhu
meningkat disekitar 0.9⁰C. Hal ini akan menjadi kondisi ideal tanaman dapat meningkatkan produksinya.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
22
Gambar 15: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Sidoarjo
Kabupaten Jombang
Produksi rata-rata tahunan Kabupaten Jombang berada di kisaran 412,000 Ton. Nilai produksi padi ini
sebagian besar akan mengalami penurunan di masa akan datang hingga mencapai -8%. Penurunan ini
diakibatkan oleh kenaikan suhu yang mencapai 1.4⁰C dan pengurangan curah hujan sebesar -13%.
Kabupaten Jombang merupakan salah satu daerah yang memiliki rata-rata suhu udara yang tinggi
berkisar antara 27.6 ⁰C.
Kenaikan sedikit suhu udara akan mengakibatkan tanaman berada pada kondisi heat stress akibat
melebihi suhu optimum pertumbuhan padi. Sedangkan kenaikan curah hujan sebesar 22% pada
Kabupaten Jombang dan kenaikan suhu udara proyeksi minimum sebesar 0.9⁰C hanya menaikkan
produksi sangat kecil (kurang dari 1%). Hal ini menunjukkan produktivitas jauh lebih sensitif terhadap
perubahan suhu di bandingkan curah hujan.
Gambar 16: Perubahan Produksi Akibat Perubahan Iklim di Kabupaten Jombang
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
23
4.3. HASIL ANALISIS DAMPAK PERUBAHAN IKLIM PADA GROSS MARGIN
(GM)
Perubahan Produksi pada tanaman padi akan mempengaruhi nilai Gross Margin. Perubahan Gross Margin
akibat perubahan variabel iklim dinyatakan dalam persen (%) perubahan. Pada kajian ini, perubahan
positif GM menyatakan bahwa dimasa mendatang daerah tersebut akan mendapatkan keuntungan dari
sisi valuasi nilai rupiah akibat dari perubahan iklim. Sebaliknya apabila nilai Gross Margin negatif maka di
masa akan datang terjadi kerugian akibat adanya perubahan iklim. Ketika terjadi perubahan iklim seperti
curah hujan dan suhu udara di masa mendatang maka diproyeksikan terjadi perubahan Gross Margin
(dengan asumsi faktor lain tidak berubah).
Perubahan suhu akibat perubahan iklim akan membawa dampak khususnya pada produksi padi yang
dalam proses fisiologisnya sangat bergantung terhadap kondisi lingkungan seperti suhu. Kenaikan suhu
udara di masa mendatang dapat berdampak pada sektor ekonomi pertanian khususnya untuk wilayah-
wilayah kering yang sangat sensitif terhadap kenaikan suhu. Demikian juga dengan kenaikan maupun
penurunan curah hujan. Kenaikan curah hujan akan memberi peluang untuk mendapatkan kenaikan
produksi padi sehingga meningkatkan nilai ekonomi yang diterima petani. Hal ini sangat berpengaruh
terutama untuk pertanian tadah hujan. Hasil analisis GM untuk setiap kabupaten disajikan berikut ini.
Kota Malang
Sebagai hasil dari perubahan nilai produksi, maka nilai Gross Margin untuk tanaman padi di Kota Malang
juga mengalami kenaikan dan penurunan. Berdasarkan nilai estimasi model, Kota Malang saat ini
memperoleh Gross Margin kurang lebih sekitar Rp 35.5 Miliar/tahun dari produksi padi. Dimasa
mendatang, akibat dari perubahan iklim, Kota Malang akan mengalami peningkatan keuntungan hingga
8% dari Gross Margin saat ini. Peningkatan ini dapat terjadi jika curah hujan naik hingga 20% dan suhu
naik secara ideal. Sedangkan penurunan Gross Margin terjadi sebesar -7% ketika curah hujan turun
hingga -9% dan suhu naik sebesar 1.4⁰C.
Gambar 17: Perubahan Gross Margin Akibat Perubahan Iklim di Kota Malang
Kabupaten Malang
Kabupaten Malang memiliki nilai Gross Margin rata-rata tahunan sekitar Rp 1,3 Triliun dan merupakan
tertinggi di antara wilayah lainnya. Pada masa akan datang, nilai Gross Margin ini akan mengalami kenaikan
hingga 7% jika terjadi kenaikan curah hujan sebesar 27%. Kenaikan curah hujan yang tinggi ini mampu
memicu produksi tanaman untuk meningkat sehingga nilai Gross Margin juga ikut meningkat. Sedangkan
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
24
penurunan Gross Margin dipicu oleh penurunan produksi sebesar -3%. Penurunan Gross Margin
mencapai -5% dari Gross Margin saat ini.
Gambar 18: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Malang
Kota Batu
Kota Batu menjadi wilayah yang memiliki persen perubahan Gross Margin tertinggi sebesar 9% dari nilai
Gross Margin sebelumnya yaitu Rp 15 Miliar. Hal ini dikarenakan wilayah Kota Batu yang bersuhu rendah
justru mendapatkan keuntungan dengan adanya perubahan iklim. Kenaikan suhu udara sampai batas
optimum akan meningkatkan produksi di Kota Batu selama curah hujan juga ikut meningkat.
Peningkatan produksi nantinya akan meningkatkan Gross Margin untuk wilayah Kota Batu. Sedangkan
penurunan Gross Margin terjadi karena penurunan produksi sebesar -3%. Hal ini terjadi ketika suhu
meningkat namun curah hujan justru menurun.
Gambar 19: Perubahan Gross Margin Akibat Perubahan Iklim di Kota Batu
Kabupaten Blitar
Kabupaten Blitar akan mengalami kenaikan Gross Margin sebesar 8% setelah dilakukan proyeksi
perubahan iklim. Gross Margin Kabupaten Blitar sebelumnya sebesar Rp 859 Miliar. Kenaikan ini
diakibatkan oleh kenaikan produksi sebesar 4% dari rata-rata produksi saat ini. Sedangkan penurunan
Gross Margin disebabkan oleh penurunan produksi sebesar -4% menyebabkan nilai Gross Margin turun
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
25
menjadi -8%. Kenaikan suhu secara ideal dan peningkatan curah hujan cukup tinggi membawa
keuntungan bagi Kabupaten Blitar khususnya untuk petani padi.
Gambar 20: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Blitar
Kabupaten Mojokerto
Berdasarkan proyeksi perubahan iklim, Kabupaten Mojokerto akan mengalami penurunan produksi
sebesar -7% dari produksi sebelumnya. Hal ini berdampak pada nilai Gross Margin Kabupaten Mojokerto
dengan penurunan berada di kisaran -13%. Nilai Gross Margin Kabupaten Mojokerto saat ini sebesar Rp
885 Miliar. Penurunan ini diakibatkan kenaikan suhu yang mencapai 1.4⁰C sehingga kenaikan suhu ini
membawa dampak kerugian pada produksi padi. Meskipun terjadi penurunan, namun masih ada
kesempatan bagi Kabupaten Mojokerto untuk meningkatkan Gross Margin sebesar 1% dengan syarat
terjadi kenaikan curah hujan yang tinggi. Ketika terjadi perubahan iklim, kenaikan curah hujan akan
memberi banyak keuntungan untuk wilayah dengan suhu cukup tinggi seperti Mojokerto.
Gambar 21: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Mojokerto
Kabupaten Sidoarjo
Penurunan produksi di Kabupaten Sidoarjo mencapai -7% dari produksi sebelumnya. Penurunan ini
mengakibatkan penurunan sampai -11% pada nilai Gross Margin. Gross Margin pada Kabupaten Sidoarjo
saat ini mencapai Rp 633 Miliar. Kenaikan Gross Margin sebesar 1% dapat terjadi apabila terjadi
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
26
peningkatan produksi sebesar 1%. Peningkatan ini merupakan salah satu dampak dari proyeksi curah
hujan yang tinggi serta kenaikan suhu minimum proyeksi. Sebagai daerah dengan suhu tinggi, kenaikan
curah hujan membawa keuntungan khususnya sektor ekonomi tanaman padi.
Gambar 22 Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Sidoarjo
Kabupaten Jombang
Kabupaten Jombang merupakan daerah dengan penurunan produksi tertinggi yaitu -8% dari nilai
sebelumnya. Hal ini juga berdampak pada penurunan Gross Margin yang mencapai -14%. Gross Margin
Kabupaten Jombang cukup tinggi yaitu mencapai Rp 1.1 Triliun, namun akibat perubahan iklim, jumlah
ini akan turun di masa depan. Meskipun terjadi penurunan yang lebih besar, namun Kabupaten Jombang
masih dapat meningkatkan Gross Margin mereka hingga 1%. Kenaikan ini tentu akan terjadi apabila
terjadi peningkatan curah hujan cukup tinggi di masa mendatang.
Gambar 23: Perubahan Gross Margin Akibat Perubahan Iklim di Kabupaten Jombang
4.4. DISKUSI
Dampak perubahan iklim pada produksi padi Kabupaten di DAS Brantas ditunjukkan pada Tabel 6.
Hasil menunjukkan bahwa seluruh wilayah kajian di DAS Brantas memiliki kecenderungan untuk terjadi
kenaikan dan penurunan produksi antara 1% hingga 8% tanpa dilakukannya adaptasi. Peningkatan
produksi tertinggi terjadi pada Kota Batu sebesar 5%. Hal ini disebabkan karena Kota Batu merupakan
daerah dataran tinggi dengan suhu rendah dan curah hujan yang tinggi. Peningkatan suhu justru akan
menguntungkan bagi tanaman padi di wilayah ini. Peningkatan produksi juga dapat disebabkan oleh
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
27
peningkatan suhu udara selama masih dibawah batas ideal tanaman padi dan diimbangi oleh kenaikan
curah hujan yang cukup sehingga proses pertumbuhan dan perkembangan tanaman menjadi lebih baik.
Kota Malang, Kabupaten Malang dan Kabupaten Blitar mengalami kenaikan produksi mencapai 4%.
Sedangkan daerah yang lebih panas seperti Kabupaten Sidoarjo, Jombang dan Mojokerto hanya akan
mengalami peningkatan produksi sebesar 1% karena adanya peningkatan curah hujan.
Walaupun demikian, penurunan produksi dapat terjadi. Penurunan produksi terendah terjadi di
Kabupaten Malang sebesar -3%. Hal ini disebabkan peningkatan curah hujan di Kabupaten Malang paling
tinggi dibandingkan daerah lainnya. Kota Malang, Kota Batu dan Kabupaten Blitar mengalami penurunan
produksi sebesar -4%. Penurunan terbesar terjadi di Kabupaten Jombang sebesar 8%, sedangkan
Kabupaten Sidoarjo dan Mojokerto memiliki tingkat penurunan sebesar 7%. Hal ini disebabkan
peningkatan suhu pada daerah ini di masa mendatang melebihi nilai suhu optimum pertumbuhan padi,
sehingga dapat memicu penurunan produksi.
Analisis valuasi dampak menunjukkan seluruh Kabupaten wilayah kajian mengalami perubahan Gross
Margin akibat adanya perubahan produksi. Kenaikan tertinggi terjadi di Kota Batu sebesar 9%, diikuti
Kota Malang dan Kabupaten Blitar dengan masing-masing sebesar 8%. Kenaikan Gross Margin hanya 1%
terjadi pada Kabupaten Jombang, Mojokerto, dan Sidoarjo. Penurunan pada Gross Margin juga mengikuti
perubahan produksi. Penurunan tertinggi terjadi di Kabupaten Jombang sebesar -14% dan penurunan
terendah di Kabupaten Malang sebesar -5%.
Tabel 6: Persen Perubahan Produksi dan Gross Margin (GM) Akibat Perubahan Iklim Kabupaten Persen positif
produksi (%
peluang
positif)
Persen negatif
produksi (%
peluang negatif)
Persen positif
GM (% peluang
positif)
Persen negatif
GM (% peluang
negatif)
Kota Malang 4 -4 8 -7
Kab. Malang 4 -3 7 -5
Kota Batu 5 -4 9 -7
Kab. Blitar 4 -4 8 -8
Kab. Mojokerto 1 -7 1 -13
Kab. Sidoarjo 1 -7 1 -11
Kab. Jombang 1 -8 1 -14
Penggunaan model GDD-HDD sebaiknya digunakan untuk analisis per musim tanam sehingga tingkat
akurasinya lebih baik. Tidak adanya data produksi dalam satu musim tanam selama tahun 2007-2016
membuat produksi yang digunakan pada kajian ini adalah produksi tahunan pada wilayah Kabupaten
tersebut. Ketersediaan data yang didapatkan dari web BPS hanya dapat terhimpun kurang lebih 10
tahun terakhir. Penambahan panjang periode data diperlukan agar estimasi model dapat lebih baik.
Model juga akan semakin baik apabila digunakan data wilayah yang lebih detail seperti daerah
administrasi Kecamatan maupun daerah berdasarkan pengelompokkan (cluster) hujan wilayah. Hal ini
perlu dilakukan mengingat bahwa dalam satu Kabupaten terdapat daerah yang memiliki topografi dan
karakteristik hujan yang berbeda.
Model yang digunakan saat ini masih cukup banyak asumsi. Sebagai contoh dalam pendugaan nilai
Revenue untuk menghitung Gross Margin masih menggunakan harga yang sama untuk setiap wilayah
dan secara temporal. Pada kenyataannya harga pada saat ini dan 10 tahun yang lalu cukup berbeda.
Selain itu informasi perubahan luas panen akibat luas tanam juga diasumsikan tetap, sedangkan di masa
mendatang, perubahan lahan kemungkinan akan terjadi. Informasi ini yang belum sepenuhnya di
masukkan dalam analisis model.
Pemerintah harus semakin tanggap dengan adanya perubahan iklim melihat bahwa sebagian besar
wilayah akan mengalami penurunan produksi. Langkah-langkah adaptasi perlu segera dilakukan
mengingat daerah-daerah tersebut merupakan wilayah penting di DAS Brantas khususnya dalam
pertanian tanaman pangan. Persiapan air irigasi yang cukup, pemilihan bibit unggul dan penentuan
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
28
tanggal tanam yang tepat dapat dilakukan sebagai langkah awal dalam mempertahankan produksi dari
adanya perubahan iklim.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
29
BAB 5. DAMPAK IKLIM PADA SEKTOR
SUMBER DAYA AIR DI DAS BRANTAS 5.1. SUMBER DAYA AIR DI DAS BRANTAS
Dampak perubahan iklim pada berbagai sektor ekonomi khususnya terkait sektor sumber daya air juga
merupakan tantangan serius. Sumber daya air sangat penting untuk mendukung banyak kegiatan
ekonomi, secara langsung dipengaruhi oleh dampak perubahan iklim yang dapat menyebabkan curah
hujan yang tidak menentu. Perubahan pola dan intensitas curah hujan ini berpotensi menyebabkan
terjadinya banjir dan kekeringan seperti yang terjadi di Sumatera dan Jawa.
Menurut Koordinator Yayasan Pengembangan Pedesaan (Aji 2009), Sumber Daerah Aliran Sungai
(DAS) Brantas dinilai paling kritis di antara 29 DAS lainnya di Jawa Timur. Adanya alih guna lahan dari
hutan menjadi lahan pertanian sayur-sayuran sehingga berdampak pada terjadinya degradasi lahan dan
menurunnya kualitas serta kuantitas air sungai. Adanya penurunan kuantitas dan kualitas air DAS
Sumber Brantas diindikasikan seringnya terjadi kekeringan di wilayah Kota Batu maupun bagian hulu
termasuk mengecilnya debit air karena 2/3 jumlah mata air mengering selama satu dekade terakhir.
Beberapa kejadian bencana kekeringan di Kabupaten di DAS Brantas di tunjukkan pada Gambar 24.
Kerugian ekonomi pasca bencana beberapa Kabupaten yang dilalui DAS Brantas diperkirakan mencapai
puluhan miliar pertahun. Tahun 2015 pasca terjadinya bencana banjir yang merendam 5 kecamatan di
Kota Malang, BPBD Kota Malang mengajukan biaya 13 miliar untuk perbaikan infrastruktur wilayah
diluar dana bantuan dan perbaikan rumah warga (Arifin 2015). Tingginya biaya yang harus dialokasikan
pasca bencana menjadi fokus tersendiri untuk pemerintah dalam pemberian bantuan yang lebih efektif.
Penelitian yang dilakukan Ginoga 2012 di Sub DAS Brantas Hulu ini menunjukkan bahwa menurunnya
luas tutupan hutan mengakibatkan meningkatnya aliran permukaan dan menurunkan aliran dasar (base
flow). Hal ini berimplikasi terhadap kemampuan Sub DAS dalam menyimpan dan menyerap serta
mendistribusikan air hujan yang jatuh sehingga menyebabkan terjadinya banjir di musim hujan dan
kekeringan di musim kemarau.
Gambar 24: Peta Kejadian Kekeringan 7 Kabupaten di DAS Brantas
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
30
5.2. PEMODELAN DAMPAK PERUBAHAN IKLIM SEKTOR SUMBER DAYA
AIR
Sumber daya air merupakan salah satu sektor penting di kehidupan bumi, namun menurut IPCC (2001)
dampak perubahan iklim memiliki pengaruh yang signifikan terhadap siklus hidrologi. Pengaruh dampak
perubahan iklim pada sektor sumberdaya air juga memiliki dampak secara langsung terhadap sektor
kehidupan manusia dan pertanian. Dampak utama perubahan iklim yang terjadi pada kehidupan manusia
sangat berkaitan terhadap pemenuhan kebutuhan air terutama dalam hal air bersih. Dampak perubahan
iklim pada sektor pertanian berkaitan erat dengan irigasi dan pemenuhan kebutuhan air tanaman.
Mengingat dampak perubahan iklim pada sumberdaya air sangatlah penting, pemerintah perlu
melakukan langkah adaptasi untuk diimplementasikan dalam pembuatan kebijakan. Pembuatan kebijakan
dalam rangka melakukan langkah adaptasi dapat dilakukan dengan melakukan proyeksi unsur hidrologi
seperti run-off dan debit aliran sungai dengan melakukan simulasi untuk masa depan dengan pendekatan
beberapa model hidrologi.
Pemodelan dampak perubahan iklim terhadap sumberdaya air dilakukan secara mekanistik oleh Tingju
dan Ringler (2012) dengan menggunakan model Global Hydrological Model (GHM) yang bertujuan
untuk mensimulasikan run-off pada skala 0.5⁰ X 0.5⁰. Variabel yang digunakan pada pemodelan adalah
Curah hujan, ETP, Runoff, Cadangan air bumi. Model GHM menunjukkan performa yang baik dalam
menduga run-off bulanan, hal ini ditunjukkan berdasarkan nilai Nash-Sutcliffe model efficiency
coefficient (NSE) yang secara keseluruhan mencapai 0.9.
Salah satu pemodelan sumberdaya air yang pernah dilakukan adalah menggunakan Water Evaluation
and Planning (WEAP). WEAP dikembangkan oleh Institut Lingkungan Stockholm, yang
mengintegrasikan antara faktor iklim dan manjamen sumberdaya air (Yates et al. 2005). Penggunaan
WEAP dilakukan oleh Bhave et al. (2013) dan Anugrah et al. (2014). Keduanya melakukan kajian
pemilihan adaptasi terhadap perubahan iklim disekitar DAS masing-masing wilayah kajian. Berdasarkan
kajian Anugrah et al. (2014), dampak perubahan iklim berpotensi menurunkan produksi listrik PLTA di
DAS Bayang, Sumatera Utara. Secara umum, WEAP mampu mensimulasikan run-off (limpasan
perumakan) yang hampir sesuai dengan observasi. Model lain yang digunakan adalah RIBASIM (RIver
BAsin SIMulation) dikembangkan oleh Deltares, yang digunakan untuk memodelkan distribusi air yang
digunakan oleh Booij et al. (2011) umtuk menghitung discharge pada DAS wilayah kajian. Riverware
merupakan suatu pemodelan yang mengintegrasikan neraca air dan kondisi fisik DAS yang
dikembangkan oleh Biro Reklamasi Amerika. Riverware digunakan oleh Dawadi dan Ahmad 2012 dalam
penelitiannya untuk mensimulasi debit aliran sungai masa depan yang terkena dampak perubahan iklim.
Tabel 7: Pemodelan Dampak Perubahan Iklim pada Sektor Sumber Daya Air
Jenis
model
Fokus Lokasi Variabel Reference Metode Hasil
Mekani
s
Mensimulasika
n
keseimbangan
kelembaban,
run-off, dan
evapotranspira
si
DAS
Limpopo,
Afrika
Curah hujan,
ETP, Runoff,
Cadangan air
bumi
Tingju dan
Ringler
2012
Global
Hydrological
Model
(GHM)
Nilai Nash-
Sutcliffe model
efficiency
coefficient (NSE)
kalibrasi dan
validasi berturut-
turut 0.913 dan
0.906 (
Botswana), 0.976
dan 0.947
(Mozambique),
0.980 dan 0.985
(South Africa),
dan 0.964 dan
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
31
0.962
(Zimbabwe)
Dinami
k
Penentuan
fokus adaptasi
perubahan
iklim
DAS
Kangsabat
i
Curah hujan,
discharge
Bhave et al.
2013
WEAP
Dinami
k
Evaluasi
dampak
perubahan
iklim terhadap
pembangkit
listrik tenaga
air
DAS
Bayang
Curah hujan,
RH, suhu,
radiasi
matahari, dan
kecepatan
angin
Anugrah et
al. 2014
WEAP Produksi PLTA
menurun
Dinami
k
Dampak
perubahan
iklim terhadap
debit sungai nil
Sungai Nil Curah hujan
dan
evapotranspira
si
Booij et al.
2011
RIBASIM
Dinami
k
Manajemen
sumberdaya air
Sungai
Colorado
Evapotranspira
si potensial,
data alokasi air,
data debit
aliran sungai
Dawadi dan
Ahmad
2012
RiverWare
Empiris Neraca Air Mojokert
o
Curah hujan
harian
Pujiraharjo
et al 2017
Mononobe Identifikasi
potensi curah
hujan, naraca air
tanah masa
depan, nilai delta
curah hujan dan
suhu udara masa
depan, debit
andalan
Empiris Indeks
Kekeringan
DAS
Brantas
Hulu
Curah hujan
harian, suhu
udara
Sholikhati
et al 2012
Thornthwait
e
Indeks
kekeringan,
kebutuhan air
meteorologis
Mekani
s
Limpasan
Permukaan
Pasuruan Curah Hujan,
Debit, Peta
Rupa Bumi
Jenis Tanah,
Citra Satelit
SWAT (Soil
and Water
Assessment
Tool) dan
SCS (Soil
Consevation
Service)
limpasan
Mekani
s
Tutupan
Lahan,
Hidrologi,
DAS
Brantas
Peta Rupa
Bumi, Data
Citra, Data
Iklim, Data
Tinggi Muka
Air
Hakim
2004
GISHYDRO Debit Aliran
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
32
Mekani
s
Total runoff,
direct runoff
Berbagai
DAS di
Pulau
Jawa
Model Iklim Rejekiningr
um 2014
Water
Balance
Analisis bahaya
banjir dan
kekeringan
Dinami
k
Keberlanjutan
penggunaan air
DAS
Citarum
Suhu, Curah
hujan, model
Santikayasa
et al. 2014
WEAP Berkurangnya
keberlanjutan
penggunaan air
Dinami
k
Frekuensi
Banjir
Kafue
River
basin
Data iklim,
DEM,
kemiringan,
arah aliran,
debit kumulatif,
wetness index
Ngongondo
et al. 2013
WASMOD-
D model
Kejadan banjir
diproyeksikan
menigkat pada
tahun 2071-2100
5.3. PEMODELAN DAMPAK EKONOMI PERUBAHAN IKLIM SEKTOR
SUMBER DAYA AIR
Sebuah studi yang dilakukan oleh Program Riset Perubahan Global AS (USGCRP) pada tahun 1999-
2000, memperkirakan biaya perubahan persediaan air di masa depan untuk 48 negara, dengan dan tanpa
perubahan iklim. USGCRP memperkirakan biaya untuk skenario “pengelolaan lingkungan”, dengan
asumsi masing-masing dari 18 wilayah di negara Amerika Serikat harus memasok lebih rendah dari
jumlah air yang diinginkan, atau jumlah yang seharusnya tersedia jika tidak ada perubahan iklim. Biaya
dari skenario tersebut mencapai $ 612 miliar per tahun pada tahun 2095. Sebagian besar biaya nasional
untuk persediaan air di alokasikan untuk wilayah tenggara, termasuk peningkatan penggunaan air limbah
daur ulang dan desalinasi. Skenario iklim yang digunakan untuk analisis tersebut memproyeksikan
kenaikan suhu rata-rata nasional sebesar 8,5 derajat Fahrenheit pada tahun 2100, atau sekitar dua
pertiga kenaikan di bawah skenario biasa. Dengan asumsi biaya yang dikeluarkan untuk persediaan air
sebanding dengan kenaikan suhu, metodologi USGCRP akan menyiratkan biaya sebesar $ 950 miliar
per tahun pada akhir abad ini sebagai hasil skenario perubahan iklim, dibandingkan dengan biaya yang
akan terjadi tanpa skenario perubahan iklim (Ackerman, F. and E. A. Stanton 2008).
Dalam laporan tersebut juga mereview metode PAGE dari Stern Project yang mempresentasikan
analisis alternatif yang lebih akurat terkait biaya sesungguhnya perubahan iklim. Salah satu dari penilaian
tersebut terkait “dampak langsung” seperti bencana yang terjadi. Sebagai contoh fungsi
damage/kerusakan dinilai dari perkalian antara konstanta, kenaikan temperatur dan nilai eksponen dari
berapa cepat jika bumi bertambah panas. PAGE mengasumsikan bahwa batas skenario re harus dicapai
sebelum kejadian bencana terjadi.
Penelitian lain tentang dampak perubahan iklim di bidang ekonomi sumberdaya air rumah tangga
dilakukan oleh Klaiber, H. A., et al. (2010). Penelitian tersebut memodelkan bagaimana penggunaan air
rumah tangga merespons perubahan harga di bawah kondisi tertentu (musim panas dan dingin) pada
tahun normal dan kering. Permintaan harga air rumah tangga pada bulan dan tahun tertentu dihitung
dari penjumlahan nilai harga marginal blok pemakaian, fungsi dari efek atribut observasi rumah tangga,
dan pengaruh skenario cuaca (suhu dan curah hujan). Penelitian tersebut mengestimasi respon harga
menggunakan ambang batas persentil konsumsi air untuk 10, 25, 50, 75, and 90 persen perbulan.
Pendekatan skenario digunakan untuk menentukan kesesuaian model. Hasil menunjukkan bahwa
penurunan presipitasi menyebabkan peningkatan penggunaan air dan pengurangan jumlah hari hujan
mengurangi penggunaan air untuk kedua musim. Penurunan curah hujan pada musim dingin
meningkatkan penggunaan air, sementara di musim panas efeknya bergantung pada perubahan jumlah
dan hari hujan. Untuk tahun normal-kering bahwa responsivitas harga berkurang cukup signifikan pada
musim panas ketika situasi keseluruhan kering secara tidak normal. Untuk tahun normal-normal, ada
respons yang lebih besar terhadap harga di antara semua pengguna pada musim panas daripada tahun
kering. Secara keseluruhan, rumah tangga tampak hemat pada bulan-bulan musim dingin dan lebih
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
33
skenario terhadap harga dibandingkan dengan musim panas terutama saat kondisi kering yang memang
mengurangi tingkat harga.
Gunatilake et all (2011) melakukan penelitian terkait respon permintaan air rumah tangga terhadap
faktor-faktor yang mempengaruhinya. Fungsi permintaan air didefinisikan dari perkalian antara biaya
marginal, perbedaan harga, pendapatan rumah tangga, dan jumlah rumah tangga. Biaya marginal dan
perbedaan harga didasarkan informasi tarif yang harus dibayar konsumen. Hasil penelitian tersebut
menyatakan bahwa meskipun terjadi peningkatan biaya marginal (produksi hingga distribusi), namun
jumlah permintaan air tidak berpengaruh secara signifikan. Hal ini berarti jumlah permintaan akan tetap
atau meningkat tidak akan bergantung tarif yang harus dibayar.
Darusman (1993) memodelkan permintaan air dari hubungan antara jumlah penggunaan dengan peubah
yang mempengaruhinya menggunakan 4 jenis regresi yaitu linier-linier, linier-logaritma, logaritma-linier
dan logaritma-logaritma. Peubah yang digunakan adalah antara lain: biaya pengadaan air, pendapatan
rumah tangga, jumlah anggota keluarga. Penelitian dilakukan di wilayah Gunung Gede Pangrango
menghasilkan skenario yang berpengaruh nyata hanya biaya pengadaan, pendapatan dan jumlah anggota
keluarga. Nilai ekonomi air dapat dilihat dari nilai manfaat air pertahun dikali Rp. 1 Miliar. Nilai manfaat
dapat didekati dengan “willingnesss to pay”.
Saputra (2017) memodelkan permintaan air rumah tangga dengan lebih sederhana yaitu dari fungsi
pendapatan rumah tangga, anggota rumah tangga dan tarif air. Faktor yang paling mempengaruhi
permintaan air adalah jumlah anggota rumah tangga. Semakin banyak anggota rumah tangga, maka
permintaan akan air akan semakin besar. Pengaruh tingkat skenario independen pada model ini
mencapai 65,5%.
Untuk mengurangi jumlah penggunaan air masyarakat, beberapa penelitian terkait pasokan (pasokan)
air rumah tangga dapat dilakukan dengan pemanenan air hujan. Sunardi (1992) melakukan penelitian di
Kecamatan Pracimantoro yang bertujuan untuk mengevaluasi skenario pemanenan air hujan agar
mampu memenuhi kebutuhan air rumah tangga penduduk, yang meliputi luas tangkapan hujan, jumlah
bak penampung yang sudah ada, kekurangan air dan koefisien pengaliran atap genting. Metode yang
digunakan adalah persamaan V=C x A x P.
Pemanenan air dengan cara sederhana juga dilakukan oleh Harsoyo (2010) dengan membuat bak
penampungan air hujan untuk mengatasi kekurangan air di DKI Jakarta. Dengan menghitung curah hujan
tahunan DKI Jakarta dengan asumsi hanya 80% dari total hujan yang dapat dipanen serta kemampuan
bak penampung dalam memanen hujan maka tingkat penghematan jumlah konsumsi penduduk terhadap
PDAM dapat dikurangi. Iswandari (2012) memfokuskan pada estimasi kapasitas bak penampungan air
hujan yang didasarkan pada karakteristik hujan wilayah dan kebutuhan air skenario penduduk di Desa
Purwodadi Kecamatan Tepus. Metode yang digunakan adalah metode Ripple dengan melakukan
plotting kurva permintaan ke kurva massa curah hujan sehingga diketahui indeks kekurangan air
maksimum tahunannya. Data-data tersebut dapat digunakan untuk mengestimasi tingkat kerugian dalam
ekonomi maupun jumlah alokasi dana untuk menanggulangi kekurangan pasokan air.
Johannsen (2016) mengungkapkan bahwa dalam skenario terakhir Water Evaluation and Planning
System (WEAP) telah banyak digunakan untuk memeriksa skenario air yang kompleks di sektor
perencanaan sumber daya air di seluruh dunia. Pada penelitian tersebut penggunaan WEAP untuk
menghitung jumlah alokasi prioritas bagi irigasi, rumah tangga dan perkotaan berdasarkan input
tertentu. Untuk kebutuhan air rumah tangga hanya diasumsikan berasal dari air tanah. Air tanah diisi
dari waduk diwilayah tersebut dan kelebihan air irigasi dari perhitungan nilai curah hujan dan
evapotranspirasi (water balance).
5.4. PENGEMBANGAN METODE VALUASI DAMPAK IKLIM
5.4.1. Data
Data untuk tujuh (7) kabupaten wilayah studi tersedia yang dipergunakan pada kajian ini meliputi data
iklim, jumlah penduduk, dan luas wilayah selama 10 tahun (2007-2016). Data tersebut adalah data
sekunder yang berasal dari Badan Pusat Statistik dalam rentang 2007 hingga 2016.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
34
Data iklim yang digunakan terdiri dari data curah hujan bulanan pada periode musim kemarau (Juni-
Oktober) dari tahun 2007-2016. Sedangkan data jumlah penduduk terdiri dari tahun 2007-2016 yang
berasal dari Badan Pusat Statistik, data luas wilayah terdiri tahun 2007-2016 juga dari data Badan Pusat
Statistik.
5.4.2. Pendekatan Umum
Pengembangan penyusunan model valuasi dampak perubahan iklim terhadap ketersediaan air wilayah
bertujuan untuk mengetahui seberapa banyak jumlah masyarakat yang terkena dampak akibat
penurunan ketersediaan air wilayah di tengah naiknya permintaan kebutuhan air domestik seiring
semakin meningkatnya jumlah penduduk. Dengan melihat perubahan neraca air dan populasi terdampak
melalui pemanfaatan informasi perubahan iklim diharapkan dapat digunakan dalam perencanaan dan
penyusunan kebijakan pembangunan nasional maupun daerah dengan mempertimbangkan kondisi iklim
dalam bidang pemanfaatan sumber daya air.
Pengembangan model valuasi dampak dilakukan melalui pendekatan model empiris dengan
menggunakan informasi iklim yang mempengaruhi ketersediaan air wilayah. Berdasarkan beberapa
kajian studi faktor iklim yang banyak digunakan dalam sektor pemanfaatan sumber daya air adalah curah
hujan dan suhu udara yang dapat dijadikan acuan perbedaan musim kering dan basah. Sedangkan untuk
mengetahui seberapa besar penggunaan air di suatu sektor membutuhkan data perkembangan jumlah
penduduk di setiap tahunnya. Penggunaan model empiris mengasumsikan interaksi antara variasi iklim
dengan proses-proses yang berpengaruh terhadap neraca air tanah seperti faktor limpasan,
evapotranspirasi dan kapasitas air lapang dalam luasan wilayah yang mempengaruhi ketersediaan air
direpresentasikan dalam bentuk agregasi dampak faktor iklim terhadap ketersediaan air wilayah.
Secara sederhana, metode analisis dilakukan dengan menggunakan faktor iklim sebagai variable utama
yang mempengaruhi ketersediaan air (Gambar 25). Estimasi ketersediaan air selanjutnya dikalikan
dengan informasi luas wilayah dan koefisien daya simpan air dalam tanah sehingga didapatkan nilai
ketersediaan air wilayah. Nilai kebutuhan air sektor domestik diperoleh berdasarkan hasil perkalian
antara kebutuhan air dasar domestik dengan jumlah penduduk tiap tahun serta jumlah hari dalam bulan
kering. Selanjutnya, untuk memperoleh nilai neraca air, nilai ketersediaan air dikurangi dengan
kebutuhan air yang akan menghasilkan tiga kondisi. Apabila nilai ketersediaan air lebih besar maka
daerah tersebut menandakan terjadi surplus air domestik, apabila kebutuhan air sama dengan
ketersediaan air maka kebutuhan penduduk terpenuhi, dan apabila nilai kebutuhan air lebih besar maka
terjadi defisit. Nilai populasi terdampak diperoleh dari neraca air defisit dibagi dengan kebutuhan air
dasar domestik dan jumlah hari kering menghasilkan populasi terdampak kekurangan air domestik saat
bulan kering (Encalada dkk 2017).
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
35
Gambar 25: Diagram Alir Proses Penyusunan Pemodelan Valuasi Dampak Perubahan
Iklim terhadap Ketersediaan Air Wilayah DAS Brantas
Valuasi analisis dampak perubahan iklim terhadap ketersediaan air dihitung menggunakan model water
balance dengan masukan utama perubahan nilai variabel iklim, yaitu: curah hujan, serta proyeksinya di
masa depan. Adapun beberapa asumsi yang dipergunakan, yaitu:
1. Luas wilayah di masa mendatang diasumsikan tetap tetap.
2. Faktor koefisien limpasan diasumsikan tetap untuk dataran rendah 0,7 dan dataran tinggi 0,6
(Fetter 2000). Asumsi ini menjelaskan bahwa apabila koefisien limpasan sebesar 0,7, maka
ketersediaan air wilayah sebesar 30% dan 70% melimpas namun apabila koefisien limpasan 0,6
maka ketersediaan air wilayah sebesar 40%. Dan 60% melimpas.
3. Kebutuhan air dasar domestik diasumsikan tetap yaitu 0,15 m3/jiwa/hari. Standard ini
merupakan standard SNI untuk wilayah yang jenis kotanya besar hingga metropolitan. Jenis
kota ini merupakan kota yang memiliki penduduk 500.000-2.000.000 jiwa.
4. Jumlah hari pada bulan kering diasumsikan tetap yaitu 153 hari dengan 6 bulan. Data ini
diperoleh dari BPTP Pertanian yang mengatakan bahwa rata-rata bulan kering di Indonesia
sekitar 5-6 bulan.
Air efektif yang dapat digunakan untuk kegiatan domestik diasumsikan tetap sebesar 53% dari
ketersediaan air wilayah (Suryadmaja dkk 2015)
5.4.3. Model Water Balance
Terjadinya perubahan cuaca dan iklim akan mengakibatkan perubahan ketersediaan air di suatu wilayah.
Hal ini dapat dikaitkan dengan kejadian bencana hidrometeorologi berupa kekeringan. Berdasarkan
prinsip water balance, penurunan curah hujan di suatu wilayah akan mengakibatkan turunnya
ketersediaan air tanah di suatu wilayah. Sehingga secara umum ketersediaan air wilayah akan selalu
turun saat bulan-bulan kering. Bulan kering di wilayah DAS Brantas terjadi secara umum selama kurang
lebih 5 bulan, diawali bulan Juni dan diakhiri bulan Oktober. Sehingga masyarakat patut waspada pada
bulan-bulan kering akan terjadi penurunan kapasitas lapang wilayah yang dapat berdampak pada
ketersediaan air.
Upaya dalam pemanenan air hujan menjadi hal yang penting di dunia internasional, hal ini tercatat dalam
agenda penting dari global environmental water resources management dalam rangka penanggulangan
ketimpangan musim hujan dan kering (lack of water), kekurangan pasokan air bersih penduduk dunia,
Variasi iklim Curah Hujan
Akumulasi CH
Ketersediaan Air
Bahaya Terkait
iklim
Iklim ekstrem
Populasi
Kebutuhan Air dasar
Pertumbuhan Jumlah
Penduduk
Kebutuhan Air
Domestik
Neraca Air
Kebutuhan Air
Bulan Kering
Bulan Basah
Rc dan Luas
Populasi
terdampak
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
36
serta penanggulangan kekeringan. Teknik pemanenan air hujan atau rain water harvesting merupakan
suatu cara pengumpulan atau penampungan air hujan atau aliran permukaan pada saat curah hujan tinggi
untuk digunakan pada waktu air hujan rendah. Teknik pemanenan air yang biasa digunakan adalah teknik
pemanenan air hujan dengan atap bangunan (suatu wilayah dengan luasan tertentu) dan teknik
pemanenan air menggunakan bangunan reservoir (Maryono dan Santoso 2006).
Perbedaan kedua teknik ini, terletak pada ruang lingkup implementasinya. Teknik yang pertama ruang
lingkupnya adalah skala individu bangunan rumah atau luasan tertentu pada suatu wilayah tertentu yang
rata-rata mengandalkan tanah sebagai media penyimpanan yang tujuannya untuk memenuhi kebutuhan,
sementara untuk teknik yang kedua biasanya digunakan untuk aplikasi di bidang pertanian sehingga
membutuhkan bangunan atau penampungan untuk memanen air. Kategori yang digunakan untuk
memanen air pada metode ini adalah metode yang pertama karena sangat berhubungan dengan
kebutuhan pemenuhan air domestik (Harsoyo 2010).
Pemanenan air hujan dengan metode water balance merupakan salah satu alternatif untuk memenuhi
kebutuhan air domestik. Perhitungan untuk water balance ini dapat dirumuskan secara sederhana
melalui perhitungan sebagai berikut:
GW= P x Rc x L
Heryani (2009) mengemukakan bahwa air yang dipanen (GW) didapatkan melalui presipitasi (P) yang
jatuh pada suatu luasan tertentu (L). Tidak semua air yang jatuh dapat digunakan, hanya beberapa
persen yang dapat digunakan untuk berbagai kepentingan (tersimpan dalam luasan tertentu) (Rc).
Ketersediaan Air Domestik: Perhitungan ketersediaan air domestik dapat dijelaskan melalui
penurunan rumus water balance berikut:
P x L = (ET+RO+GW+KAT) x L
GW=(P-(ET+RO+KAT)) x L
GW= (P- ΒP) x L
GW= P x (1- Β) x L
Nilai P merupakan nilai akumulasi curah hujan bulanan yang terjadi pada bulan-bulan kering. Dengan
metode penyederhanaan ketersediaan air wilayah nilai ET (evapotranspirasi), RO (air yang melimpas),
dan KAT (Kapasitas Air Lapang) dapat dinyatakan melalui koefisien (Β). Diasumsikan bahwa nilai
koefisien untuk jumlah ketiga variabel tersebut (ET, RO, KAT) bernilai 0.7 (dataran rendah) dan 0.6
(dataran tinggi) (Fetter 2000). Koefisien tersebut berarti sebanyak 70% curah hujan di wilayah
dataran rendah akan melimpas dan menguap, 30% sisanya adalah air yang dapat digunakan untuk
keperluan berbagai sektor di suatu wilayah, untuk koefisien 0,6 berarti 60% curah hujan di wilayah
dataran rendah akan melimpas dan menguap, 40% sisanya adalah air yang dapat digunakan untuk
keperluan berbagai sektor di suatu wilayah.
Nilai ketersediaan air tanah (GW) total dihitung dari fungsi:
GW= P x Rc x L
P merupakan curah hujan pada suatu titik tertentu, Rc merupakan nilai koefisien air yang dipanen (0.4
untuk dataran tinggi dan 0.3 untuk dataran rendah) sedangkan L merupakan luas wilayah.
Ketersediaan air domestik dihitung sebesar 53% dari ketersediaan air total wilayah (Suryadmaja et al.
2015). Perhitungan ketersediaan air wilayah hanya di lakukan pada bulan-bulan kering karena pada
dasarnya ketersediaan air lapang pada bulan kering lebih kritis dibandingkan bulan basah. Hal ini
disebabkan pada bulan kering, jumlah curah hujan yang turun tidak sebanyak pada bulan basah sehingga
sehingga lebih rentan terjadi kekurangan pasokan air untuk memenuhi kebutuhan masyarakat.
Kebutuhan Air Domestik : Kebutuhan air domestik adalah jumlah air yang dibutuhkan untuk
melakukan kegiatan rumah tangga masyarakat dalam suatu wilayah. Kebutuhan air di suatu wilayah
besarnya sebanding dengan pola konsumsi masyarakat per kapita, sehingga laju pertumbuhan jumlah
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
37
penduduk akan mempengaruhi kebutuhan air masyarakat. Kebutuhan air domestik meliputi kegiatan-
kegiatan yang berhubungan dengan kegiatan rumah tangga (Liu et al. 2012).
D merupakan kebutuhan air masyarakat suatu wilayah (m³/tahun). Jumlah penduduk (Po) tiap tahunnya
mengalami perubahan, sedangkan kebutuhan dasar air untuk kegiatan domestik (Da) diasumsikan tetap
sebesar 0,15 m3/jiwa/hari dengan SNI kota besar-metropolitan yang memiliki jumlah penduduk 500.000
- 2.000.000 jiwa , dan H merupakan jumlah hari kering dalam satu tahun yang telah ditentukan oleh
BPTP Pertanian sebesar 5-6 bulan atau 153 hari.
Pasokan-Permintaan : Suatu kondisi yang menggambarkan pemenuhan air di suatu wilayah, apabila
nilai pasokan-Permintaan positif maka wilayah tersebut masih memiliki surplus sebagai cadangan air
untuk masa depan, nilai negatif menandakan defisit sehingga wilayah kekurangan air untuk melakukan
suatu kegiatan, sedangkan apabila nilai 0 maka kebutuhan air terpenuhi tanpa ada kekurangan maupun
kelebihan pasokan-Permintaan air.
Nilai Pasokan-Permintaan (SD) juga digunakan sebagai pendekatan populasi terdampak (PT). Populasi
terdampak dapat dihitung dengan membagi nilai Pasokan-Permintaan dengan jumlah hari kering dalam
satu tahun dan kebutuhan dasar air domestik. Populasi terdampak dapat dinyatakan dalam jumlah jiwa
(penduduk) dalam suatu wilayah yang terpengaruh adanya defisit maupun surplus pasokan permintaan
air.
PT = SD /(Da x H)
5.4.4. Validasi Model
Validasi model dilakukan dengan membandingkan hasil keluaran model dengan kondisi di lapang yang
diperoleh berdasarkan laporan dari surat kabar atau media (Tabel 8) untuk ke-7 kabupaten/kota
wilayah studi di DAS Brantas.
Tabel 8: Matriks Kejadian Kekeringan di DAS Brantas
Tahun Kabupaten
Malang
Kabupaten
Blitar
Kabupaten
Mojokerto
Kabupaten
Sidoarjo
Kabupaten
Jombang
Kota
Malang
Kota
Batu
2007 -
- - - - - -
2008 - - - - Juni- Juli
- -
2009 - - November - - Mei Mei
2010 - - - - Agustus-
Oktober
Desember -
D = Po x Da x H
SD = (0.53 x GW) - D
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
38
2011 -
- Oktober - Oktober September -
2012 September - - September Agustus-
September
September -
2013 - - - Oktober September September-
Oktober
-
2014 -
September Oktober Juni September September -
2015 Oktober Oktober Juli Oktober Juni Juli Juli
2016 - - - - - - -
Sumber : Antara, Detik, BNPB, Pemerintah Daerah, dan sumber berita lainnya
Langkah untuk memvalidasi adalah dengan mencari berita kekeringan di wilayah tersebut melalui media
dan disesuaikan dengan hasil perhitungan perubahan kapasitas air lapang. Saat musim kering kapasitas
air lapang menunjukkan tanda negatif yang artinya ketersediaan air tanah berkurang. Kapasitas air lapang
yang digunakan diasumsikan 200 mm di setiap wilayah yang teksturnya sedang sesuai dengan aturan
http://www.bctfpg.ca. Hasil model menunjukkan bahwa seluruh wilayah mengalami kekurangan air pada
bulan kering tahun 2015 dan pada kenyataannya terjadi sesuai dengan perhitungan model (Gambar 26).
Apabila nilai ketersediaan air lapang semakin menurun maka akan semakin banyak populasi terdampak.
Pada bulan-bulan Juli hingga Oktober 2015 sebagian besar wilayah di DAS Brantas mengalami defisit
neraca air. Hal ini dibenarkan oleh adanya pemberitaan bahwa pada bulan-bulan tersebut di semua
wilayah terjadi kekeringan (Tabel 4). Sebagai contoh Tahun 2015, kurang lebih 47% masyarakat
Kabupaten Malang tidak mendapatkan pasokan air domestik (Detik.com).
Gambar 26: Grafik Pasokan-Permintaan Bulanan pada 7 Kabupaten Tahun 2015
Validasi selanjutnya dilihat dari sebaran pasokan permintaan pada bulan-bulan kering dari tahun 2007
hingga 2015 (Gambar 27). Beberapa daerah seperti Kota Malang, Kabupaten Sidoarjo dan Jombang
memiliki rata-rata tahun yang memiliki defisit nilai Pasokan-Permintaan yang artinya terjadi kekurangan
air domestik yang berasal dari air hujan (air tanah/penyimpanan) untuk memenuhi kebutuhan
-80
-30
20
70
120
170
1 2 3 4 5 6 7 8 9 10 11 12
DSW
BULAN
dSW Kab Blitar 2015 dSW Kab Malang 2015 dSW Kab Sidoarjo 2015
dSW Kab Mojokerto 2015 dSW Kab Jombang 2014 dSW Kota Batu 2015
dSW Kota Malang 2015
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
39
masyarakat sehingga terjadi kekeringan. Kota Malang antara tahun 2011 hingga 2015 terjadi defisit
pasokan-permintaan sedangkan berdasarkan berita yang didapatkan, bahwa Kota Malang sepanjang
tahun tersebut juga terjadi kekeringan di bulan Mei hingga September. Demikian juga dengan Kabupaten
Jombang yang sebagian besar terjadi defisit pasokan-permintaan diseluruh tahun mulai 2007 hingga
2015. Berdasarkan data kekeringan yang terhimpun, Kabupaten Jombang hampir sepanjang tahun
mengalami kekeringan. Beberapa data kekeringan cukup susah di dapat sehingga tidak semua tahun
memiliki data kekeringan di wilayah tersebut. Sedangkan Kabupaten lainnya sebagian besar hanya
mengalami kekeringan di tahun tertentu seperti tahun 2015 yang diindikasikan merupakan tahun El
Nino kuat.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
40
Gambar 27: Grafik Pasokan-Permintaan Tahunan Setiap Kabupaten pada Bulan Kering
(Juni-Oktober)
-20
-10
0
10
20
2007 2009 2011 2013 2015
Q (
x 1
0^6
m3
)
Tahun
Neraca Air Kota Malang
-500
0
500
1000
2007 2009 2011 2013 2015Q (
x 1
0^6
m3
)
Tahun
Neraca Air Kabupaten Malang
-10
0
10
20
30
40
50
2007 2009 2011 2013 2015
Q (
x 1
0^6
m3
)
Tahun
Neraca Air Kota Batu
-50
0
50
100
150
200
250
2007 2009 2011 2013 2015
Q (
x 1
0^6
m3
)
Tahun
Neraca Air Kabupaten Blitar
-50
0
50
100
2007 2009 2011 2013 2015Q (
x 1
0^6
m3
)
Tahun
Neraca Air Kabupaten Sidoarjo
-50
0
50
100
2007 2009 2011 2013 2015Q (
x 1
0^6
m3
)
Tahun
Neraca Air Kabupaten Mojokerto
-30
-25
-20
-15
-10
-5
0
2007 2009 2011 2013 2015
Q (
x 1
0^6
m3
)
Tahun
Neraca Air Kabupaten Jombang
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
41
BAB 6. ANALISIS DAMPAK PERUBAHAN
IKLIM 6.1. SKENARIO PERUBAHAN IKLIM
Proyeksi kondisi iklim dilakukan pada variabel curah hujan dan suhu udara dengan menggunakan luaran
data dari model Wordclim dengan skenario RCP4.5. Periode tahun proyeksi yakni tahun 2021-2050.
Analisis perubahan curah hujan tahunan dilakukan pada keempat model yaitu CSIRO, CCCMA, GFDL
dan MIROC. Skenario curah hujan yang digunakan dalam proyeksi perubahan iklim untuk DAS Brantas
diambil dari nilai tertinggi dan terendah dari keseluruhan model yang digunakan. Sedangkan laju
pertumbuhan penduduk masing-masing Kabupaten didapatkan dari Kabupaten Dalam Angka.
Perhitungan jumlah penduduk di masa depan (Tahun 2035) dihitung dari penduduk tahun 2016 dan laju
pertumbuhan penduduk per tahunnya. Proyeksi untuk masing-masing Kabupaten disajikan dalam Tabel
9. Pemodelan water balance ini dilakukan menggunakan 4 skenario perubahan curah hujan dan jumlah
penduduk. Adapun skenario tersebut adalah:
Gambar 28 Skenario Model Untuk Menduga Dampak Perubahan Iklim terhadap
Ketersediaan Air Domestik
Tabel 9: Skenario Perubahan Iklim untuk DAS Brantas
Kabupaten Curah
hujan
Baseline
(mm)
Perubahan CH
(%)
Jumlah
penduduk
tahun 2016
Laju pertumbuhan
penduduk
(%/tahun) Min Max
Kota Malang 180 -9 20 887,443 0.72
Kab. Malang 362 -15 27 2,560,675 0.86
Kota Batu 295 -10 18 202,319 0.91
Kab. Blitar 311 -10 24 1,149,710 1.1
Kab.
Mojokerto
245 -10 23 1,118,358 1.98
Kab. Sidoarjo 319 -13 26 2,199,171 2.21
Kab. Jombang 279 -9 22 1,247,303 0.51
Skenario 1:
- Kenaikan curah hujan
- Penduduk tidak berubah
Skenario 4:
- Penurunan curah hujan
- Penduduk bertambah
Skenario 3:
- Penurunan curah hujan
- Penduduk tidak berubah
Skenario 2:
- Kenaikan curah hujan
- Penduduk bertambah
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
42
6.2. ANALISIS DAMPAK PERUBAHAN IKLIM PADA KETERSEDIAAN AIR
WILAYAH
Air merupakan salah satu faktor penting dalam kehidupan manusia. Laporan Penilaian Keempat (AR4)
IPCC menyatakan dua faktor yang mempengaruhi sektor air di masa yang akan datang, yaitu iklim dan
non-iklim. Faktor iklim yang mempengaruhi ketersediaan air didominasi presipitasi/curah hujan, suhu,
dan penguapan. Faktor non-iklim terdiri dari perubahan penggunaan lahan, penggunaan air seiring
dengan perubahan populasi penduduk, gaya hidup, dan teknologi, serta kebutuhan airnya.
Ketersediaan air dapat dianalisis melalui aspek meteorologis. Ketersediaan air meteorologis adalah
ketersediaan air yang pada dasarnya berasal dari air hujan. Hujan yang jatuh akan menguap kembali
sesuai dengan proses daur ulangnya, sebagian akan mengalir melalui permukaan dan bawah permukaan,
sungai atau danau dan sebagian lain akan meresap ke tanah sebagai pengisian kembali ke tanah (Suripin
2002). Ketersediaan air meteorologis dapat ditunjukkan dalam grafik neraca air. Neraca air merupakan
neraca masukan dan keluaran air di suatu tempat pada periode tertentu, sehingga dapat untuk
mengetahui jumlah air tersebut berlebih ataupun sebaliknya.
Akibat adanya perubahan iklim dimasa depan akan menyebabkan terjadinya kenaikan maupun
penurunan curah hujan. Pasokan air sangat dipengaruhi oleh perubahan curah hujan tersebut. Pasokan
air ini dapat dinyatakan dalam grafik ketersediaan air. Dengan mensimulasi perubahan curah hujan di
masa depan akan diketahui persen perubahan pasokan air domestik suatu wilayah.
Kota Malang
Kota Malang memiliki curah hujan terendah diantara Kabupaten lainnya. Rata-rata curah hujan sebesar
180 mm/bulan selama musim kering. Curah hujan ini dialokasikan untuk pasokan air domestik bulan
kering sekitar 5,527,500 m³/tahun. Di masa depan, pasokan air domestik ini akan berubah seiring
berubahnya curah hujan di kota Malang. Perubahan curah hujan berkisar antara -9% hingga 20%
menyebabkan pasokan air tersedia berubah antara -9% hingga 20%. Perubahan ini sama dengan
perubahan curah hujan dikarenakan faktor lain selain curah hujan di anggap konstan (tetap). Pasokan
air domestik kota Malang berdasarkan skenario perubahan iklim (skenario 1 dan 2) akan meningkat
sebesar 20% dan ada kemungkinan terjadi penurunan juga sebesar -9% dari kondisi ketersediaan air
saat ini (skenario 3 dan 4).
Gambar 29: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kota
Malang
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
43
Kabupaten Malang
Rata-rata curah hujan baseline di Kabupaten Malang selama musim kering sebesar 362 mm/bulan. Curah
hujan tersebut telah menghasilkan sekitar 271,438,000 m³ pasokan air untuk memenuhi kebutuhan air
domestik di Kabupaten Malang. Pada masa mendatang, pasokan air tersebut dapat berkurang dari
keadaan saat ini hingga -15% disebabkan oleh penurunan curah hujan sebesar -15%. Sedangkan kenaikan
curah hujan ~ 27% dapat menyebabkan kenaikan pasokan air hingga 24%.
Gambar 30: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten
Malang
Kota Batu
Kota batu memiliki rata-rata curah hujan musim kering di kisaran 295 mm/bulan. Curah hujan ini
mampu memasok air rata-rata sekitar 12,638,000 m³/bulan selama bulan-bulan kering untuk memunuhi
pasokan air domestik Kota Batu. Pasokan air ini di masa depan akan mengalami penurunan hingga -9%
dari rata-rata air tersedia yang diakibatkan menurunnya curah hujan sebesar -10% (Skenario 3 dan 4).
Selain mengalami penurunan, Kota Batu juga dapat di mungkinkan terjadi kenaikan pasokan air sebesar
18% apabila curah hujan dimasa mendatang meningkat 18%.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
44
Gambar 31: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kota Batu
Kabupaten Blitar
Pada bulan-bulan kering, Kabupaten Blitar memiliki rata-rata curah hujan dikisaran 311 mm/bulan. Rata-
rata pasokan air yang di dapat dari perhitungan model sumber daya air ini sebesar 78,544,300 m³/bulan.
Akibat adanya perubahan iklim yang menyebabkan perubahan curah hujan maka pasokan air di
Kabupaten Blitar juga mengalami perubahan. Kenaikan pasokan air hingga 24% diakibatkan
meningkatnya curah hujan di masa mendatang. Demikian pula dengan penurunan ketersediaan air
sebesar -10% yang diakibatkan menurunnya curah hujan.
Gambar 32: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten
Blitar
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
45
Kabupaten Mojokerto
Kabupaten Mojokerto mempunyai curah hujan rata-rata di kisaran 245 mm/bulan selama bulan-bulan
kering. Di masa depan, peningkatan curah hujan sebesar 23% mengakibatkan pasokan air meningkat
sebesar 21% dari pasokan air domestik semula yaitu sebesar 37,763,100 mm/bulan. Skenario perubahan
iklim juga mengindikasikan adanya penurunan curah hujan terendah sebesar -10% dari curah hujan saat
ini. Hal ini berdampak pada penurunan pasokan air tersedia untuk domestik di Kabupaten Mojokerto
sebesar -9%.
Gambar 33: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten
Mojokerto
Kabupaten Sidoarjo
Kabupaten Sidoarjo memiliki rata-rata curah hujan musim kering selama periode baseline sebesar 319
mm/bulan. Di masa depan, curah hujan ini mengalami penurunan yang mengakibatkan penurunan
pasokan air hingga -13% dari pasokan air rata-rata sebelumnya. Pasokan air domestik saat ini
diperkirakan sebesar 21,308,700 m³/bulan. Selain penurunan curah hujan juga terjadi kenaikan curah
hujan yang mengakibatkan kenaikan pasokan air sebesar 26%.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
46
Gambar 34: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten
Sidoarjo
Kabupaten Jombang
Rata-rata curah hujan selama bulan-bulan kering di Kabupaten Jombang sebesar 279 mm/bulan. Curah
hujan ini memasok air untuk kebutuhan domestik Kabupaten Jombang sebesar 5,140,276 m³/bulan.
Berdasarkan skenario proyeksi curah hujan Kabupaten Jombang di masa depan, maka akan terjadi
peningkatan curah hujan sebesar 22% yang menyebabkan kenaikan pasokan air untuk domestik hingga
22%. Sedangkan penurunan curah hujan sebesar -9% akan menurunkan pasokan air dengan persen yang
sama dengan penurunan curah hujan.
Gambar 35: Perubahan Ketersediaan Air Akibat Dampak Perubahan Iklim di Kabupaten
Jombang
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
47
6.3. HASIL ANALISIS DAMPAK PERUBAHAN IKLIM PADA PASOKAN-
PERMINTAAN
Dalam kehidupan sehari-hari pemanfaatan air semakin bertambah seiring dengan pertambahan jumlah
penduduk, tetapi tidak semata-mata meningkatnya pemanfaatan air hanya karena pertambahan jumlah
penduduk saja, melainkan juga karena majunya kehidupan manusia (Simoen 1985). Pemanfaatan air oleh
suatu masyarakat bertambah besar dengan kemajuan masyarakat tersebut, sehingga pemanfaatan air
seringkali dipakai sebagai salah satu tolok ukur tinggi rendahnya kemajuan suatu masyarakat
(Noerbambang dan Morimura 1996).
IPCC (2007) menyatakan bahwa ketersediaan air tawar diproyeksikan berkurang seiring dengan
pertumbuhan penduduk dan kenaikan kebutuhan air terus meningkat yang akan mempengaruhi jutaan
penduduk pada tahun 2050. Apabila di masa depan terjadi perubahan iklim maka dapat diketahui bahwa
pasokan air dapat meningkat maupun menurun. Namun dengan adanya pertumbuhan penduduk,
pasokan (pasokan air) dimungkinkan tidak dapat memenuhi kebutuhan (permintaan) penduduk yang
semakin tinggi khususnya pada musim kemarau.
Keseimbangan antara pasokan dan kebutuhan dapat dinyatakan dalam grafik pasokan-permintaan.
Perubahan iklim yang mempengaruhi pasokan air dan pertumbuhan penduduk yang mempengaruhi
kebutuhan dapat mengubah keseimbangan pasokan-permintaan ini. Perubahan pasokan-permintaan di
masa depan terhadap keadaan saat ini dapat dinyatakan dalam persen (%) perubahan. Nilai positif
menunjukkan terjadi peningkatan pasokan-permintaan, sedangkan nilai negatif menunjukkan penurunan
grafik pasokan-permintaan. Persen peningkatan pada kondisi surplus menunjukkan peningkatan nilai
surplus di masa depan, sebaliknya peningkatan (persen positif) pada kondisi defisit menunjukkan nilai
defisit semakin kecil akibat kenaikan pasokan.
Persen terdampak menunjukkan jumlah jiwa (orang) yang akan terpenuhi maupun tidak terpenuhi
kebutuhan air domestik mereka. Nilai positif menujukkan jumlah orang terdampak semakin meningkat.
Apabila nilai positif tersebut pada kondisi surplus air maka orang yang dapat memenuhi kebutuhannya
semakin banyak. Sebaliknya apabila nilai positif tersebut pada kondisi defisit, maka nilai positif
menunjukkan peningkatan jumlah orang yang tidak mampu memenuhi kebutuhannya.
Kota Malang
Kota Malang memiliki rata-rata persediaan air domestik baseline untuk bulan-bulan kering sebesar
5,527,517 m³/tahun dengan rata-rata kebutuhan air domestik perbulan sebesar 19,177,869 m³. Hal ini
menyebabkan pada bulan-bulan kering, Kota Malang mengalami defisit rata-rata sebesar 13,650,352 m³.
Kekurangan air ini berdampak pada sekitar 594,787 jiwa yang harus memenuhi kebutuhan air untuk
keperluan sehari-hari mereka.
Defisit pasokan-permintaan air domestik ini akan diperparah di masa depan dengan adanya penurunan
curah hujan yang menyebabkan neraca air semakin defisit. Hasil model menunjukkan bahwa Kota
Malang akan terus mengalami defisit hingga -36% dari nilai defisit saat ini apabila dilakukan skenario
penurunan curah hujan dan kenaikan jumlah penduduk (skenario 4). Hal ini disebabkan pertumbuhan
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
48
penduduk pada saat ini (2016) maupun proyeksi di masa mendatang (2035) akan tetap menurunkan
nilai defisit pasokan-permintaan. Kenaikan curah hujan hanya mampu mengurangi sekitar 8% nilai defisit
ini di masa depan (skenario 1) dengan asumsi bahwa curah hujan meningkat sedangkan jumlah penduduk
tetap.
Gambar 36: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kota
Malang
Jumlah terdampak pada Kota Malang memiliki persen yang sama dengan persen perubahan pasokan-
permintaan. Di masa depan, jumlah orang yang terdampak akan meningkat hingga 36% dari sebelumnya.
Bertambahnya jumlah orang terdampak akibat kekurangan sumber daya air akan diperburuk dengan
adanya perubahan iklim dan laju pertumbuhan penduduk yang terus meningkat. Sedangkan dengan
skenario kenaikan curah hujan dan jumlah penduduk yang tidak bertambah membuat jumlah orang
terdampak akan berkurang hingga 8%.
Gambar 37: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kota
Malang
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
49
Kabupaten Malang
Rata-rata pasokan air domestik musim kering baseline Kabupaten Malang mencapai 271,438,024
m³/tahun. Nilai ini cukup untuk memenuhi kebutuhan rata-rata air domestik penduduk sebesar
56,895,184 m³. Rata-rata surplus yang di peroleh Kabupaten Malang sebesar 214,542,840 m³. Surplus
pasokan-permintaan ini cukup untuk memenuhi hampir 4 kali kebutuhan penduduk Kabupaten Malang.
Di masa depan, jumlah pasokan-permintaan untuk Kabupaten Malang akan mengalami kenaikan dan
penurunan akibat berubahnya curah hujan dan jumlah penduduk. Kenaikan curah hujan sebesar 27%
tanpa dilakukan proyeksi pertumbuhan penduduk akan meningkatkan nilai surplus air domestik hingga
30%, sedangkan apabila dilakukan proyeksi pertumbuhan penduduk akan meningkat sebesar 22%.
Apabila curah hujan saat ini tetap sedangkan jumlah penduduk tetap meningkat maka pasokan-
permintaan akan mengalami penurunan sebesar -6%.
Penurunan pasokan-permintaan sebesar -18% terjadi ketika curah hujan turun sebesar -15% dengan
dilakukannya proyeksi pertumbuhan penduduk. Hal ini disebabkan ketersediaan air dari curah hujan
berkurang sedangkan kebutuhan penduduk meningkat karena jumlah penduduk bertambah sehingga
menyebabkan pasokan-permintaan menurun dari kondisi sebelumnya.
Gambar 38: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di
Kabupaten Malang
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
50
Penduduk yang dapat memanfaatkan pasokan air domestik ini kurang lebih berjumlah 9,348,272 jiwa,
lebih banyak hampir 4 kali dari jumlah penduduk saat ini. Dengan adanya perubahan iklim, jumlah orang
yang dapat memanfaatkan air tersebut dapat meningkat hingga 30% dari sebelumnya akibat adanya
kenaikan curah hujan, maupun berkurang hingga -26% akibat berkurangnya curah hujan dan kenaikan
jumlah penduduk. Perubahan jumlah terdampak mengikuti perubahan persen pasokan-permintaan.
Gambar 39: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di
Kabupaten Malang
Kota Batu
Kota Batu memiliki rata-rata ketersediaan air domestik sebesar 12,638,117 m³/tahun. Air ini digunakan
untuk memenuhi 4,555,568 m³ kebutuhan air domestik penduduk Kota Batu selama bulan-bulan kering.
Dengan jumlah ini, rata-rata Kota Batu memiliki surplus pasokan air sebesar 8,082,549 m³. Jumlah ini
cukup untuk memenuhi kebutuhan 202,319 penduduk di Kota Batu tahun 2016.
Skenario kenaikan curah hujan di masa mendatang akan membawa dampak kenaikan pasokan air.
Apabila jumlah penduduk tidak mengalami peningkatan dari tahun 2016, peningkatan surplus pasokan-
permintaan Kota Batu mencapai 24%. Namun jika dilakukan proyeksi pertumbuhan jumlah penduduk
maka surplus pasokan-permintaan hanya mengalami peningkatan sebesar 14%. Sedangkan apabila curah
hujan tetap sedangkan jumlah penduduk bertambah maka surplus pasokan-permintaan akan mengalami
penurunan sebesar -14% dari keadaan saat ini.
Surplus pasokan-permintaan ini juga akan mengalami penurunan akibat berkurangnya pasokan air akibat
menurunnya curah hujan. Penurunan pasokan air sebesar -9% akan menurunkan surplus pasokan-
permintaan sebesar -30% apabila dilakukan proyeksi pertumbuhan penduduk. Apabila penurunan
pasokan air tersebut tidak diikuti dengan pertumbuhan penduduk maka hanya akan menurunkan
surplus pasokan-permintaan saat ini menjadi 15%.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
51
Gambar 40: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di Kota
Batu
Kenaikan jumlah surplus pasokan-permintaan akan menaikkan jumlah orang yang dapat memenuhi
kebutuhan air domestik mereka. Saat ini jumlah pasokan tersebut mampu memenuhi kebutuhan
352,181 jiwa, lebih besar dari penduduk Kota Batu tahun 2016 sebanyak 202,319 jiwa. Di masa depan,
penduduk yang mampu memenuhi kebutuhan mereka dapat meningkat hingga 24% dari jumlah saat ini
karena naiknya pasokan air. Di sisi lain, akibat menurunnya curah hujan maka jumlah orang yang dapat
memenuhi kebutuhan air domestik mereka juga akan berkurang. Meskipun demikian, jumlah jiwa yang
dapat dipenuhi pasokan air ini masih diatas proyeksi jumlah penduduk tahun 2035. Dengan demikian,
di masa depan, Kota Batu masih dapat memenuhi kebutuhan air mereka meskipun terjadi perubahan
iklim.
Gambar 41: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di Kota
Batu
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
52
Kabupaten Blitar
Kabupaten Blitar memiliki rata-rata pasokan air tahunan musim kering sebesar 78,544,373 m³. Pasokan
ini mampu memenuhi kebutuhan air domestik Kabupaten Blitar yang berada di kisaran 25,863,739 m³.
Surplus air ini mencapai sekitar 52,680,634 m³ atau dapat memenuhi 3 kali kebutuhan penduduk saat
ini. Skenario kenaikan curah hujan di masa mendatang akan membawa dampak kenaikan pasokan air.
Di masa depan, surplus air domestik akan mengalami peningkatan sebesar 36% apabila jumlah penduduk
di proyeksikan tidak meningkat sedangkan jumlah curah hujan mengalami peningkatan hingga 24%
(skenario 1). Namun jika dilakukan proyeksi pertumbuhan jumlah penduduk maka surplus pasokan-
permintaan hanya mengalami peningkatan sebesar 20% (skenario 2). Selain terjadi peningkatan surplus
pasokan-permintaan, Kabupaten Blitar juga mengalami penurunan pasokan-permintaan. Penurunan
pasokan air akibat berkurangnya curah hujan akan menyebabkan penurunan pasokan-permintaan
domestik hingga -29% (Skenario 4). Apabila penurunan pasokan air tersebut tidak diikuti dengan
pertumbuhan penduduk maka hanya akan menurunkan surplus pasokan-permintaan saat ini menjadi -
15% (Skenario 3). Penurunan tersebut juga terjadi ketika curah hujan tidak berubah sedangkan jumlah
penduduk bertambah maka surplus pasokan-permintaan akan menjadi sebesar -14%.
Gambar 42: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di
Kabupaten Blitar
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
53
Jumlah pasokan-permintaan air domestik ini dapat memenuhi sekitar 2,295,452 jiwa atau lebih banyak
dari total penduduk Kabupaten Blitar tahun 2016 sebesar 1,149,710 jiwa. Surplus pasokan-permintaan
akan mengalami peningkatan yang mengakibatkan jumlah orang yang dapat dipenuhi kebutuhan air
domestiknya menjadi meningkat hingga 36%. Sedangkan apabila surplus pasokan-permintaan menurun
maka jumlah orang yang dapat memenuhi kebutuhan air domestiknya juga menurun. Meskipun
demikian, jumlah jiwa yang dapat dipenuhi pasokan air ini masih diatas proyeksi jumlah penduduk tahun
2035. Dengan demikian, di masa depan, Kabupaten Blitar masih dapat memenuhi kebutuhan air mereka
meskipun terjadi perubahan iklim.
Gambar 43: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di
Kabupaten Blitar
Kabupaten Mojokerto
Rata-rata pasokan air domestik musim kering baseline Kabupaten Mojokerto mencapai 37,763,163
m³/tahun. Nilai ini cukup untuk memenuhi kebutuhan rata-rata air domestik penduduk sebesar
25,366,881 m³. Rata-rata surplus yang di peroleh Kabupaten Mojokerto sebesar 12,396,282 m³.
Di masa depan, jumlah pasokan-permintaan domestik untuk Kabupaten Mojokerto akan mengalami
kenaikan sebesar 70% dari nilai surplus saat ini apabila pasokan air meningkat maksimum dan tanpa
dilakukan proyeksi pertumbuhan penduduk. Sedangkan apabila dilakukan proyeksi pertumbuhan
penduduk maka surplus air akan berkurang hingga -100% atau 2 kali lipat dari saat ini. Penurunan curah
hujan sebesar -10% dan tanpa prtumbuhan penduduk menurunkan pasokan-permintaan domestic
sebesar 30%. Penurunan pasokan-permintaan sebesar -134% terjadi ketika curah hujan turun dan
terjadi peningkatan pertumbuhan penduduk. Nilai penurunan hingga -134% mengindikasikan bahwa
terjadi defisit air di Kabupaten Mojokerto sebesar -34% di masa mendatang apabila laju pertumbuhan
penduduk seperti saat ini terus terjadi sedangkan curah hujan di masa mendatang mengalami
penurunan.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
54
Gambar 44: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di
Kabupaten Mojokerto
Kelebihan atau surplus air ini mampu di manfaatkan oleh 540,143 jiwa penduduk diluar jumlah
penduduk Kabupaten Mojokerto saat ini. Dimasa depan apabila terjadi peningkatan pasokan air, jumlah
penduduk yang masih dapat memanfaatkan air domestik tersebut akan meningkat sebesar 70%.
Sebaliknya, apabila pasokan air menurun sedangkan kebutuhan meningkat akibat bertambahnya jumlah
penduduk maka dipastikan bahwa terdapat -34% penduduk yang tidak dapat memenuhi kebutuhan air
Mereka Di Musim Kering.
Gambar 45: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di
Kabupaten Mojokerto
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
55
Kabupaten Sidoarjo
Kabupaten Sidoarjo memiliki rata-rata ketersediaan air domestik sebesar 21,308,689 m³/tahun. Air ini
digunakan untuk memenuhi 45,923,921 m³ kebutuhan air domestik penduduk Kabupaten Sidoarjo
selama bulan-bulan kering. Dengan jumlah ini, maka tingkat kebutuhan akan air domestik di Kabupaten
Sidoarjo lebih besar dibandingkan pasokan air yang ada sehingga Kabupaten Sidoarjo mengalami defisit
rata-rata sebesar -24,615,231 m³/tahun.
Skenario penurunan curah hujan di masa mendatang akan membawa dampak penurunan pasokan air.
Kabupaten Sidoarjo yang sebelumnya mengalami defisit pasokan-permintaan akan diperparah dengan
adanya perubahan iklim. Pasokan-permintaan yang diproyeksikan akan terus mengalami defisit hingga -
267% dari kondisi saat ini jika curah hujan menurun sedangkan penduduk bertambah (Skenario 4). Salah
satu hal yang membuat tingkat defisit pasokan-permintaan ini semakin besar karena laju pertumbuhan
penduduk di Kabupaten Sidoarjo merupakan yang paling besar (2.21%). Kenaikan curah hujan cukup
mampu menurunkan defisit pasokan-permintaan hingga 60% (Skenario 1). Meskipun terjadi peningkatan
curah hujan, namun hal tersebut tidak cukup untuk mengurangi tingkat defisit pasokan-permintaan
domestik. Pertumbuhan penduduk meskipun diikuti kenaikan curah hujan masih mengakibatkan
Kabupaten Sidoarjo semakin defisit.
Gambar 46: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di
Kabupaten Sidoarjo
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
56
Defisit pasokan-permintaan ini akan meningkatkan jumlah orang terdampak yang tidak mampu
memenuhi kebutuhan air mereka. Jika sebelumnya jumlah defisit pasokan-permintaan ini tidak mampu
memenuhi kebutuhan 595,053 jiwa dari 2,199,171 jiwa penduduk, maka di masa mendatang, jumlah ini
akan meningkat hingga 238% atau setengah dari jumlah penduduk saat ini. Sedangkan apabila terjadi
kenaikan curah hujan dan tidak adanya pertumbuhan penduduk maka defisit tersebut akan mengurangi
jumlah orang terdampak hingga 60%.
Gambar 47: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di
Kabupaten Sidoarjo
Kabupaten Jombang
Kabupaten Jombang memiliki rata-rata persediaan air domestik baseline sebesar 5,140,276 m³ dengan
rata-rata kebutuhan air domestik perbulan sebesar 28,919,816 m³. Hal ini menyebabkan pada bulan-
bulan kering, Kabupaten Jombang mengalami defisit rata-rata sebesar -23,779,540 m³. Hal ini
berdampak pada sekitar 1,036,146 jiwa yang harus dipenuhi kebutuhan air untuk keperluan sehari-hari
mereka.
Defisit pasokan-permintaan ini akan diperparah di masa depan dengan adanya penurunan curah hujan
yang menyebabkan pasokan-permintaan semakin defisit. Pasokan-permintaan Kabupaten Jombang akan
mengalami defisit hingga -16% dari keadaan saat ini yang disebabkan oleh penurunan curah hujan
sebesar -9% dan proyeksi kenaikan jumlah penduduk di tahun 2035. Apabila tidak dilakukan proyeksi
kenaikan penduduk maka rata-rata penurunan pasokan-permintaan sebesar -2%. Sedangkan kenaikan
curah hujan sebesar 22% akan mengurangi tingkat defisit pasokan-permintaan hingga 5% dari
sebelumnya (Skenario 1). Namun apabila di lakukan proyeksi perubahan penduduk maka pasokan-
permintaan domestik akan semakin defisit hingga -14%.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
57
Gambar 48: Perubahan Pasokan-Permintaan Akibat Dampak Perubahan Iklim di
Kabupaten Jombang
Jumlah terdampak pada Kabupaten Jombang memiliki persen yang sama dengan persen perubahan
pasokan-permintaan. Di masa depan, jumlah orang yang terdampak akan meningkat hingga 16% dari
sebelumnya. Hal ini diakibatkan peningkatan defisit air di masa depan. Namun jumlah orang terdampak
dapat menurun hingga -5% apabila terjadi peningkatan curah hujan sedangkan jumlah penduduk tidak
berubah.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
58
Gambar 49: Perubahan Jumlah Terdampak Akibat Dampak Perubahan Iklim di
Kabupaten Jombang
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
59
BAB 7. DISKUSI Model water balance yang digunakan untuk menghitung nilai neraca air domestik suatu wilayah
menggunakan konsep perhitungan pasokan-permintaan air domestik yang terjadi selama musim kering.
Pada bulan-bulan kering, kebutuhan air akan sangat penting bagi rumah tangga sedangkan nilai pasokan
dituntut harus dapat memenuhi kebutuhan air domestik tersebut. Perubahan curah hujan dan laju
pertumbuhan penduduk di masa mendatang akan mengubah kondisi neraca air saat ini. Dampak
perubahan iklim pada Kabupaten di DAS Brantas di tunjukkan pada Tabel 10.
Perubahan ketersediaan air mengikuti perubahan curah hujan yang diproyeksikan pada masing-masing
wilayah. Hal ini disebabkan karena nilai runoff dan luas wilayah diasumsikan tetap di masa mendatang.
Rata-rata kenaikan persediaan air di 7 Kabupaten di atas 20% kecuali Kota Batu yang hanya 18%.
Sedangkan penurunan ketersediaan air berada di kisaran -9% hingga -14%. Kabupaten Malang menjadi
Kabupaten yang memiliki perubahan kenaikan maupun penurunan terbesar, disusul Kabupaten Sidoarjo
dan Kabupaten Blitar.
Berdasarkan perhitungan rata-rata baseline, Kota Malang, Kabupaten Sidoarjo dan Kabupaten Jombang
mengalami defisit pasokan-permintaan untuk kebutuhan air domestik mereka. Nilai defisit ini
diperparah dengan semakin menurunnya nilai pasokan-permintaan di masing-masing Kabupaten akibat
menurunnya curah hujan dan meningkatnya jumlah penduduk. Kabupaten Sidoarjo mengalami tingkat
defisit terparah di masa depan hingga -230% dari defisit pasokan-permintaan saat ini, diikuti Kota Malang
sebesar -36% dan Kabupaten Jombang sebesar -14%. Perubahan ini akan menaikkan jumlah jiwa yang
terdampak atau dengan kata lain tidak mampu memenuhi kebutuhan air domestik mereka. Hal ini
sebagian besar disebabkan kebutuhan penduduk akan air domestik jauh lebih besar dibandingkan
pasokan atau ketersediaan air.
Kabupaten lainnya seperti Kabupaten Malang, Blitar, Mojokerto dan Kota Batu memiliki surplus
pasokan air. Dimasa depan, surplus air domestik ini akan mengalami penurunan jika menggunakan
skenario 2 (kenaikan curah hujan, penduduk naik), skenario 3 (penurunan curah hujan, penduduk tetap)
dan skenario 4 (penurunan curah hujan dan penduduk naik). Kabupaten Mojokerto satu satunya
Kabupaten yang memungkinkan nilai surplus air domestik ini berubah menjadi defisit dimasa depan
apabila curah hujan menurun dan laju pertumbuhan penduduk terus meningkat. Sedangkan penurunan
surplus pasokan-permintaan Kabupaten lainnya masih dikisaran -24% dan -27%. Penurunan ini masih
mencukupi untuk kebutuhan penduduk Kabupaten tersebut di masa depan dengan syarat bahwa akses
terhadap air tidak terhambat.
Tabel 10: Persen Perubahan Pasokan-Permintaan Akibat Perubahan Iklim
Kabupaten Surplus/
Defisist
Skenario 1
(%)
Skenario 2
(%)
Skenario 3
(%)
Skenario 4
(%) Negatif Positif Negatif Positif Negatif Positif Negatif Positif
Kota
Malang
Defisit
8 -35
-4
-39
Kab.
Malang
Surplus
30 -6 22 -8
-28
Kota Batu Surplus
28 -14 14 -18
-30
Kab. Blitar Surplus
38 -14 20 -15
-29
Kab.
Mojokerto
Surplus
70 -100
-30
-134
Kab.
Sidoarjo
Defisit
80 -230
-30
-257
Kab.
Jombang
Defisit
5 -14
-2
-18
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
60
Tabel 11: Persen Perubahan Terdampak Akibat Perubahan Iklim
Kabupaten Surplus/
Defisist
Skenario 1
(%)
Skenario 2
(%)
Skenario 3
(%)
Skenario 4
(%) Negatif Positif Negatif Positif Negatif Positif Negatif Positif
Kota
Malang
Defisit -8
35
4
39
Kab.
Malang
Surplus
30 -6 22 -8
-28
Kota Batu Surplus
28 -14 14 -18
-30
Kab. Blitar Surplus
38 -14 20 -15
-29
Kab.
Mojokerto
Surplus
70 -100
-30
-134
Kab.
Sidoarjo
Defisit -80
230
30
257
Kab.
Jombang
Defisit -5
14
2
18
Sumber daya air antara satu wilayah dengan wilayah lainnya dapat berbeda meskipun pada Kabupaten
yang sama. Pada dasarnya nilai surplus maupun defisit pada suatu Kabupaten tidak berarti terjadi di
semua wilayah. Hal ini disebabkan setiap daerah memiliki karakteristik wilayah yang berbeda. Meskipun
terjadi surplus maupun defisit pada suatu Kabupaten, pada beberapa daerah tertentu dapat terjadi
sebaliknya. Model water balance ini lebih baik digunakan pada daerah yang lebih kecil seperti tingkat
desa maupun kecamatan. Ketersediaan data menjadi salah satu kendala analisis model ini pada wilayah
yang lebih detail.
Model yang digunakan saat ini masih cukup banyak asumsi. Sebagai contoh dalam pendugaan populasi
terdampak untuk menghitung populasi terdampak masih menggunakan asumsi bahwa kebutuhan air
masyarakat dan jumlah hari kering masih sama. Pada kenyataannya di masa depan jumlah hari kering ini
akan berbeda termasuk kebutuhan air masyarakat. Suhu bumi yang semakin panas misalnya dapat
meningkatkan jumlah kebutuhan air per orang di masa depan.
Pemanfaatan model ini penting untuk mengetahui seberapa besar cadangan air yang masih di miliki
dalam rangka memenuhi berbagai kebutuhan manusia dan alam. Pengetahuan tersebut akan menjadi
peringatan bagi masyarakat agar lebih bijak memanfaatkan air dan dapat segera mengambil langkah-
langkah yang tepat dalam menghindari kelangkaan air di masa depan.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
61
DAFTAR PUSTAKA
[DPRD Jatim] Dewan Perwakilan Rakyat Jawa Timur (2012). Kekeringan di Jatim sudah layak KLB.
[terhubung berkala] http://dprd.jatimprov.go.id/berita/id/488/-dewan-kekeringan-di-jatim-sudah-
layak-klb- (diakses 30 November 2017).
Ackerman, F. and E. A. Stanton (2008). The Cost of Climate Change: What We’ll Pay if Global
Warming Continues Unchecked. A. Clark. New York, Natural Resources Defense Council.
ADB (2009). The Economics of Climate Change in Southeast Asia: A Regional Review. Jakarta, Asian
Development Bank.
Admadhani D N, Haji A T S, Susanawati L D. (2012). Analisis ketersediaan dan kebutuhan air untuk
daya dukung lingkungan (studi kasus Kota Malang).J Sumberdaya Alam dan Lingkungan:13-20.
Aji (2009). Sumber DAS Brantas Dinilai Paling Kritis. [terhubung berkala]
http://www.republika.co.id/berita/shortlink/58443 (diakses 30 November 2017).
Anugrah P, Setiawan AA, Budianto R, dan Sihana. (2014). Evaluating Micro Hydro Power Generation
System under Climate Change Scenario in Bayang Catchment, Kabupaten Pesisir Selatan, West
Sumatra. Energy Procedia. 65: 257-263.
Arifin (2015). Sepanjang Kali Tundo dan Sungai Brantas Malang Rawan Bencana. [terhubung berkala]
http://regional.liputan6.com/read/2557765/sepanjang-kali-tundo-dan-sungai-brantas-malang-
rawan-bencana (diakses 30 November 2017).
BAPPENAS (2008). Kerusakan dan Kerugian. Jakarta, Badan Perencanaan dan Pembangunan Nasional.
Beddow, J. M., et al. (2014). Reassessing the Effects of Weather on Agricultural Productivity.
Agricultural and Applied Economics Association's 2014. Minneapolis.
Bhave AG, Mishra A, dan Raghuwanshi NS. (2014). A combined bottom-up and top-down approach
for assessment of climate change adaptation options. Journal of Hydrology. 1-12.
Bird et al. (2016). Modelling climate change impacts on and adaptation strategies for agriculture in
Sardinia and Tunisia using AquaCrop and value-at-risk. Science of Total Environment. 543: 1019-
1027.
Bonita R, Mardyanto M A. (2015). Studi water balance air tanah di Kecamatan Kejayan, Kabupaten
Pasuruan, Provinsi Jawa Timur.J Teknik ITS.4(1):21-26.
Booij MJ, Tollenaar D, Beek EV, dan Jaap CJ. (2011). Simulating impacts of climate change on river
discharges in the Nile basin. Physics and Chemistry of the Earth. 36: 696-709.
Challinor AJ, et all. (2014). A meta-analysis of crop yield under climate change and adaptation. Nature
Climate Change. 4: 287-291.
Darusman, D. (1993). Nilai Ekonomi Air untuk Pertanian dan Rumah Tangga: Studi kasus di sekitar
Taman Nasional Gunung Gede Pangrango. Simposium Nasional Permasalahan Air di Indonesia.
Bandung, Institut Teknologi Bandung.
Dawadi S dan Ahmad S. (2012). Changing climatic conditions in the Colorado River Basin: Implications
for water resources management. Journal of Hydrology. 430: 127-141.
Encalada J A D, Caceres A P, Bandala E R, Wright G H. (2017). The impact of global climate on water
quantity and quality a system dynamics approach to the US-Mexican transborder region. J Of
Operational Research:567-581.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
62
FAO (2005). "Impact of Climate Change, Pests and Diseases on Food Security and Poverty Reduction."
Special event background document for the 31st Session of the Committee on World Food Security: 23-
26.
Fetter C W. (2000). Applied Hidrogeologi 4th Edition.New York : Preentince Hall.
Furuya, J., et al. (2015). "Economiv Evaluation of Agricultural Mitigation and Adaptation Technologies
for Climate Change: Model Development for Impact Analysisi and Technological Assessment."
JARQ 49(2): 119-125.
Gunatilake, H. M., et al. (2001). "The Economics of Household Permintaan for Water: The Case of
Kandy Municipality, SriLanka." Water Resources Development 17(3): 277-288.
Han YK, et all. (2013). Impacts of climate change on paddy rice yield in a temperate climate. Global
Change Biology. 19:548-562.
Harsoyo B. (2010). Teknik pemanenan air hujan (rain water harvesting) sebagai alternatiif upaya
penyelamatan sumberdaya air di wiayah DKI Jakarta.J Sains dan Teknologi Modifikasi
Cuaca.11(2):29-39.
Heryani N. (2009). Teknik Panen Hujan : Salah Satu Alternatif untuk Memenuhi Kebutuhan Air Domestik.
Jakarta (ID):Balai Penelitian Agroklimat dan Hidrologi Departemen Pertanian.
Hundal, S.S. (2004). Climatic changes and their impact on crop productivity vis-a-vis mitigation and
adaptation strategies. In proc. Of workshop “Suistanable Agricultural Problems and Prospects”. Punjab
Agril. Uni Ludhiana. 148-153
IPCC. (2001). Climate change 2001: scientific basis. In: Metz B, et al (eds) Contribution of working
group III to the third assessment report of the intergovernmental panel on climate change.
Published for the Intergovernmental Panel on Climate Change (by) Cambridge University Press,
Cambridge, UK; New York, NY, USA.
IPCC. (2007). Climate Change 2007-Impacts, Adaptation and Vulnerability. Contribution of Working Group
II to the Fourth Assessment Report of the IPCC. Cambridge University Press. New York.
Johannsen, I. M., et al. (2016). "Future of Water Pasokan and Permintaan in the Middle Drâa Valley,
Morocco, under Climate and Land Use Change." water 3: 1-18.
Klaiber, H. A., et al. (2010). Estimating the Price Elasticity of Permintaan for Water with Quasi
Experimental Methods Agricultural & Applied Economics Association 2010. Colorado.
KLHK (2012). Syntesis Report: Climate Change Risk and Adaptation Assessment Greater Malang
Jakarta, Kementerian Lingkungan Hidup RI.
Kodoatie dan Sjarief. (2005). Pengelolaan Sumberdarya Air (Edisi Revisi). Yogyakarta (ID): Penerbit Andi.
KPU (2010). Pola Pengelolaan Sumber Daya Air Wilayah Sungai Brantas. Kementrian Pekerjaan Umum.
Jakarta.
Kunihiko, Y., et al. (2015). Land Use Analysis using Time Series of Vegetation Index Derived from
Satellite Remote Sensing in Brantas River Watershed, East Java, Indonesia the International
Symposium on Cartography in Internet and Ubiquitous Environments Tokyo.
Liu K K, Li C H, Yang X l. Hu J, Xia X H. (2012). Water resources pasokan-consumption (permintaan)
balance analyses in the yellow river basin in 2009. J Procedia Enviromental Sciences:1956-1965.
Maryono A dan Santoso E N.2006.Metode Memanen dan Memanfaatkan Air Hujan untuk Penyediaan Air
Bersih, Mencegah Banjir dan Kekeringan.Jakarta (ID):Kementrian Negara Lingkungan Hidup.
LAPORAN KAJIAN DAMPAK PERUBAHAN IKLIM PADA DAERAH ALIRAN SUNGAI (DAS) BRANTAS PROVINSI
JAWA TIMUR
63
Ngonngondo C, Lu L, Lebing G, Chong YX, dan Alemaw BF. (2013). Flood frequency under changing
climate in the upper Kafue River basin, southern Africa: a large scale hydrological model
application. Stoch Environ Res Risk Assess. 27: 1883–1898.
Noerbambang dan Morimura (1996). Perancangan dan Pemeliharaan Sistem Plambing. PT Pradnya
Paramita, Jakarta.
Parry, M. L., et al. (2004). "Effects of Climate Change on Global Food Production under SRES Emission
and Socio-Economic Scenario." Global Environmental Change 14: 53-67.
Pawitan H , Suharsono H dan Dasanto B D. (1994). Kesetimbangan Air Wilayah Pulau Jawa [skripsi].
Bogor (ID) : Institut Pertanian Bogor.
Restuanti, W. A. (2016). Analisis Perhitungan Biaya Operasi Dan Pemeliharaan Irigasi Untuk
Mewujudkan Biaya Jasa Pengelolaan Sumber Daya Air Pada Daerah Irigasi Delta Brantas. Teknik
sipil. Surabaya, Institut Teknologi Sepuluh November.
Roberts, M., et al (2017). Comparing and Combining Process-based Crop Models with Some
Implications for Climate Change. Environt. Res. Lett 12 095010
Santikayasa IP, Babel MS, Shrestha S. Jourdain D, Clemente RS. (2014). Evaluation of water use
sustainability under future climate and irrigation management scenarios in Citarum River Basin,
Indonesia. International Journal of Sustainable Development & World Ecology. 21(2): 181-194.
Saputra, Y. A. (2017). "Permintaan Air Bersih Kota Pekanbaru (Studi Kasus Pada Pdam Tirta Siak) "
JOM Fekon 4(1): 1-13.
Shofiyati, R., et al. (2009). "Model Development Using Remote Sensing and GIS for Monitoring and
Assessment an Application of Agricultural Drought in Upper Brantas Watershed, Indonesia "
Researchgate.
Simoen, S. (1985). Peranan Studi Air tanah dalam Pengembangan Wilayah. Pidato Pengukuhan Jabatan
Lektor Kepala dalam Mata Kuliah Hidrologi, Fakultas Geografi UGM.
Sumarman (2006). Kajian Kompensasi Air Baku untuk Air Bersih dari Pemerintah Kota Cirebon ke
Pemerintah Kabupaten Kuningan [tesis]. Semarang (ID): Universitas Diponegoro.
Sunardi (1992). Tinjauan Pemanfaatan Air Hujan dengan Bak Penampung untuk Keperluan Rumah
Tangga di Kecamatan Pracimantoro wilayah selatan Kabupaten Wonogiri. Skripsi. Fakultas
Geografi UGM Yogyakarta.
Suripin, S. (2002). Pengelolaan Sumberdaya Tanah dan Air. Edisi II. Yogyakarta: Andi
Suryadmaja I B, Norken I N, Sila Dharma I G B. (2015). Karakteristik pola pemakaian dan pelayanan
air bersih di wilayah usaha PAM PT Tirtaartha Buanamulia.J Spektran.3(1):20-29.
Tingju Z dan Ringler C (2012). Climate Change Impacts on Water Availability and Use in the Limpopo
River Basin. Water. 4: 63-84.
UNDP (2011). Assessing the Economic Impact of Climate Change: National Case studies. Macedonian,
United Nations Development Programme.
Villegas JR, Jarvis A, dan Laderach P. (2013). Empirical approaches for assessing impacts of climate
change on agriculture: The EcoCrop model and a case study with grain sorghum. Agricultural and
Forest Meteorology. 170: 67-78.
World Bank (2013). Turn Down the Heat: Climate Extremes, Regional Impacts and the Case for
Resilience. Washington DC World Bank.
Yates, D., Sieber, J., Purkey, D., Huber Lee, A., Galbraith, H. (2005). WEAP21: a demand, priority, and
preference driven water planning model: part 2, aiding freshwater ecosystem service evaluation.
Water Int. 30 487–500.