DAFTAR ISI DAFTAR ISI... 1 DAFTAR GAMBAR... 3 DAFTAR TABEL... 4 BAB 1 PENDAHULUAN Latar Belakang Tujuan Sasaran

DAFTAR ISI

DAFTAR ISI .............................................................................................................. 1 DAFTAR GAMBAR.................................................................................................. 3 DAFTAR TABEL ...................................................................................................... 4 BAB 1 PENDAHULUAN .......................................................................................... 5 1.1.

Latar Belakang .................................................................................................. 5

1.2.

Tujuan ............................................................................................................. 7

1.3.

Sasaran ............................................................................................................. 8

1.4.

Keluaran .......................................................................................................... 8

1.5.

Metode Pelaksanaan .......................................................................................... 8 1.5.1.

Metode Pengumpulan Data .................................................................. 8

1.5.2.

Analisis Data ...................................................................................... 10

BAB 2 KONSEP MODEL ENERGI ...................................................................... 11 2.1.

Prinsip Dasar dan Tujuan Model ..................................................................... 11

2.2.

Proses permodelan........................................................................................... 12

2.3.

Permodelan Energi .......................................................................................... 14 2.3.1.

Konsepsi Pemodelan Energi .............................................................. 14

2.3.2.

Model Energi Top-down (Top-down Energi Models)........................ 18

2.3.3.

Model Energi Bottom up .................................................................... 20

2.3.4.

Perbandingan Pendekatan Model Top-down dan Bottom up ............. 24

2.3.5.

Pendekatan Peramalan dalam Model Energi ..................................... 26

Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi 1

BAB 3 PEMANFAATAN MODEL ENERGI DI INDONESIA .......................... 30 3.1.

Penggunaan Model Energi di Indonesia.......................................................... 30

3.2.

Kesesuaian Model Energi Dengan Kondisi Energi Indonesia ........................ 36

3.3.

Evaluasi Pendekatan Model Energi................................................................. 41

BAB 4 PROYEKSI KEBUTUHAN DAN PENYEDIAAN ENERGI .................. 49 4.1.

Konsep dan Metodologi Model LEAP ............................................................ 49

4.2.

Struktur dan Metode Penghitungan Model LEAP .......................................... 51

4.3.

Pengaturan Skenario ........................................................................................ 52 4.3.1.

4.4.

Skenario DASAR ............................................................................... 52

Hasil Simulasi Model LEAP Nasional (Skenario Dasar) ................................ 55 4.4.1

Kebutuhan Energi Final ..................................................................... 55 4.4.1.1 Kebutuhan Energi Final Sektor Rumah Tangga ................. 58 4.4.1.2 Kebutuhan Energi Final Sektor Industri ............................. 59 4.4.1.3 Kebutuhan Energi Final Sektor Transportasi ...................... 61 4.4.1.4 Kebutuhan Energi Final Sektor Lainnya (Komersial, Sektor lainnya dan Bahan Baku) .................................................... 62

4.4.2

Kondisi Penyediaan Energi ................................................................ 64 4.4.2.1. Penyediaan Energi Listrik ................................................... 66 4.4.2.2. Penyediaan Minyak Bumi dan BBM .................................. 71 4.4.2.3. Penyediaan Gas Bumi dan Batubara ................................... 74

BAB 5 KESIMPULAN DAN REKOMENDASI ................................................... 77 5.1.

Kesimpulan...................................................................................................... 77

5.1.1. Hasil Pemodelan Energi Skenario Dasar ........................................................ 79 5.2.

Rekomendasi dan Tindak Lanjut..................................................................... 81

DAFTAR PUSTAKA ............................................................................................... 84


DAFTAR GAMBAR Gambar 1. Kondisi Bauran Energi Indonesia Tahun 2011 (DEN, 2011) ................... 5 Gambar 2. Perbandingan Konsumsi Energi Per Kapita dan Elastisitas Energi Indonesia, Malaysia, Thailand dan Singapura (KESDM, 2011) .............. 6 Gambar 3. Kerangka Pendekatan Kajian .................................................................... 9 Gambar 4. Konsep Umum Proses Pemodelan .......................................................... 12 Gambar 5. Proses Logic Pemodelan ......................................................................... 13 Gambar 6. Keterkaitan Tujuan Aspek Energy, Economic dan Environment dalam Model Energi (Widodo, 2013) ............................................................... 16 Gambar 7. Diagram Alir Perencanaan Energi Menggunakan Model MARKAL..... 32 Gambar 8. Kerangka model INOSYD ...................................................................... 33 Gambar 9. Alur Proses Model IIEEM ...................................................................... 34 Gambar 10. Struktur Model IIEEM ........................................................................... 34 Gambar 11. Komposisi Pengguna LEAP di Dunia dan Indonesia ............................ 49 Gambar 12. Referrence Energy System (RES) .......................................................... 52 Gambar 13. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Sektor Pengguna Sampai Tahun 2025 (Skenario DASAR) .............................. 56 Gambar 14. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi Sampai Tahun 2025 (Skenario DASAR) ............................................... 58 Gambar 15. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi di Sektor Rumah Tangga Sampai Tahun 2025 (Skenario DASAR) .......... 59 Gambar 16. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi di Sektor Industri Sampai Tahun 2025 (Skenario DASAR) ...................... 61 Gambar 17. Proyeksi Konsumsi Energi Final Berdasarkan Sektor Pengguna dan Jenis Energi di Sektor Transportasi Sampai Tahun 2025 (Skenario DASAR ) ................................................................................................................ 62 Gambar 18. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi di Sektor Komersial Sampai Tahun 2025 (Skenario DASAR) .................. 63 Gambar 19. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi di Sektor Lainnya dan Sebagai Bahan Baku Sampai Tahun 2025 ............. 64


Gambar 20. Proyeksi Bauran Energi (Dengan Biomassa) Sampai Tahun 2025 (dalam juta SBM) ............................................................................................... 67 Gambar 21. Proyeksi Bauran Energi (Tanpa Biomassa) Sampai Tahun 2025 (dalam juta SBM) ............................................................................................... 67 Gambar 22. Proyeksi Perkembangan Kapasitas Listrik Sampai Tahun 2025 ........... 69 Gambar 23. Proyeksi Produksi Listrik Sampai Tahun 2025 ..................................... 70 Gambar 24. Proyeksi Komposisi Jumlah Kebutuhan BBM Per Sektor Pengguna (dalam juta SBM) ................................................................................... 71 Gambar 25. Proyeksi Supply dan Demand BBM Berdasarkan Jenis BBM Sampai Tahun 2025 (dalam juta KL) .................................................................. 72 Gambar 26. Proyeksi Supply dan Demand Minyak Bumi Nasional ......................... 74 Gambar 27. Proyeksi Supply dan Demand Gas Bumi Nasional (dalam juta mmscf) 75 Gambar 28. Proyeksi Supply dan Demand Batubara Nasional (dalam juta ton) ....... 76

DAFTAR TABEL Tabel 1. Perbedaan Pendekatan Model Energi Top-down dan Bottom-Up ............... 25 Tabel 2. Perbandingan Model Energi Berdasarkan Pendekatannya .......................... 43 Tabel 3. Kandidat Alternatif Model Energi Untuk Perencanaan Energi ................... 48 Tabel 4. Asumsi Skenario Dasar Model LEAP Nasional .......................................... 54 Tabel 5. Proyeksi Total Primary Energy Supply Sampai Tahun 2025 ...................... 65 Tabel 6. Proyeksi Jumlah Impor Energi Sampai Tahun 2025 ................................... 65 Tabel 7. Proyeksi Jumlah Ekspor Energi Sampai Tahun 2025.................................. 65 Tabel 8. Perkembangan Kebutuhan dan Beban Puncak Listrik Sampai.................... 68 Tabel 9. Perkembangan Kapasitas Listrik Berdasarkan Jenis Pembangkit Sampai Tahun 2025 ............................................................................................. 69 Tabel 10. Perkembangan Produksi Listrik Berdasarkan Jenis Pembangkit Sampai Tahun 2025 ............................................................................................. 70 Tabel 11. Proyeksi Perkembangan Supply dan Demand BBM Berdasarkan Jenis BBM Sampai Tahun 2025 (dalam juta KL) .......................................... 73 Tabel 12. Proyeksi Jumlah BBM Bersubsidi Sampai Tahun 2025 .......................... 73


BAB 1 PENDAHULUAN 1.1.

Latar Belakang Indonesia memiliki aneka ragam sumber daya energi dalam jumlah memadai

namun tersebar tidak merata. Konsumsi energi tumbuh pesat seiring pertumbuhan penduduk dan ekonomi. Sebagian besar beban konsumsi berada di Jawa, pulau yang membutuhkan banyak energi, namun yang tidak memiliki sumber dayanya sendiri dalam jumlah memadai. Sebaliknya, banyak sumber energi terdapat di tempat berpenduduk sedikit, kegiatan ekonominya belum berkembang serta berjarak cukup jauh dari Jawa. Energi memiliki peranan penting tidak hanya sebagai komoditas yang menjadi tumpuan penerimaan negara tetapi juga sebagai katalisator dan faktor produksi utama dalam pembangunan ekonomi. Pada tahun 2011, pertumbuhan konsumsi energi Indonesia mencapai 7%. Dari jumlah total energi yang dikonsumsi itu, Indonesia masih tergantung pada energi fosil yang terdiri dari minyak 47%, batubara dan gas masing-masing 24%, sementara energi baru terbarukan yang memiliki potensi besar hanya memiliki 5% dari total portofolio energi nasional (Gambar 1).

Gambar 1. Kondisi Bauran Energi Indonesia Tahun 2011 (DEN, 2011) Ketergantungan terhadap energi fosil dapat menimbulkan permasalahan diantaranya 1) menipisnya cadangan energi fossil, 2) kenaikan harga akibat laju permintaan lebih besar dari produksinya, dan 3) emisi gas rumah kaca akibat pembakaran energi fosil. Minyak mentah dan BBM telah diimpor guna mengatasi Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi 5

permintaan yang melonjak dari tahun ke tahun sehingga ketahanan energi nasional rentanter hadap fluktuasi harga dan pasokan/permintaan minyak mentah dunia. Permasalahan lainnya adalah keterbatasan akses energi yang sangat terbatas di Indonesia akibat kurangnya pengembangan infrastruktur energi terutama di daerah terpencil. Kondisi ini menjadi faktor utama penyebab rasio elektrifikasi yang masih rendah 72.95%. Hal ini menjadikan konsumsi energi per kapita Indonesia yang rendah dengan kisaran 0.85 Ton Oil Equivalen (TOE) di bawah rata-rata konsumsi dunia sebesar 1.7 TOE dan negara-negara ASEAN (Singapura 3.7 TOE, Malaysia 2.5 TOE, dan Thailand 1.5 TOE) (Gambar 2). Rendahnya konsumsi energi per kapita Indonesia dibarengi dengan masih belum efisiennya pemanfaatan energi dan cenderung boros. Berdasarkan data tahun 2011, elastisitas energi Indonesia 1.63 lebih tinggi dari Thailand, Malaysia dan Singapura yang mencapai 1.4, 1.2 dan 1.1 yang artinya untuk meningkatkan pertumbuhan ekonomi memerlukan pertumbuhan energi yang lebih besar

Gambar 2. Perbandingan Konsumsi Energi Per Kapita dan Elastisitas Energi Indonesia, Malaysia, Thailand dan Singapura (KESDM, 2011) Berdasarkan data International Energi Agency (IEA) tahun 2010, Indonesia dapat memenuhi permintaan energi untuk 20 tahun kedepan. Namun apabila Indonesia tidak melakukan tindakan apapun guna mengamankan pasokan energinya maka pada tahun 2020 diperkirakan menjadi nett importer energi. Keseimbangan penyediaan dan permintaan energi menjadi titik tolak dalam perencanaan energi, karena itu proyeksi penyediaan dan permintaan energi menjadi sangat penting bagi


perencanaan pemenuhan kebutuhan energi dan strategi pemenuhan kebutuhan tersebut. Model proyeksi yang baik menjadi prasyarat untuk dapat menghasilkan gambaran penyediaan permintaan pada tahun-tahun mendatang. Untuk itu beberapa syarat utama yang menentukan pemodelan energi yang baik harus ada seperti adanya variabel-variabel yang berpengaruh (baik langsung/maupun tidak langsung), memiliki tingkat akurasi yang cukup tinggi, serta mudah pengoperasiannya. Kompleksnya permasalahan energi di Indonesia memerlukan perencanaan yang komprehensif dan berimbang yang berarti harus juga memperhatikan aspek ekonomi, lingkungan hidup dan sosial masyarakat serta mempertimbangkan keseimbangan suply dan demand. Dari hasil perencanaan energi ini dapat dihasilkan proyeksi permintaan energi yang menjadi dasar bagi penyusunan strategi penyediaan energi. Faktor utama yang menentukan tingkat permintaan energi adalah pertumbuhan ekonomi, jumlah penduduk, harga energi dan pola konsumsi energi di masa lampau. Berbagai model energi telah dikembangkan untuk membantu dalam perencanaan energi, model yang berdasarkan ekonometrika atau teknik statistika banyak digunakan untuk membuat proyeksi kebutuhan energi jangka panjang. Sedangkan untuk strategi penyediaan energi, banyak digunakan teknik optimasi dengan fungsi objektif tertentu. Model energi yang telah digunakan dalam perencanaan energi antara lain: MARKAL, CGE, INOSYS, EFFECTS, LEAP dan lainnya yang masing-masing memiliki keunggulan tersendiri. Di Indonesia penerapan model energi sudah dikembangkan di beberapa Instansi di antaranya BPPT dengan Markalnya, Pusdatin dengan LEAP. Dalam rangka mengembangkan perencanaan energi baik di tingkat nasional dan daerah seperti diamanatkan UU Energi, model ini akan sangat membantu. Namun demikian agar setiap perencanaan energi di tiap level perencanaan (nasional maupun daerah) dapat sinkron dan selaras perlu adanya kesamaan model yang akan dilaksanakan baik di tingkat nasional dan daerah. 1.2.

Tujuan Tujuan dari kegiatan ini adalah i) menganalisa kelebihan dan kekurangan dari

setiap model yang kemudian menjadi bahan pertimbangan pemilihan model sebagai alat bantu untuk melakukan perencanaan energi ke depan dan ii) apabila


memungkinkan, menggabungkan kelebihan setiap model untuk dapat diaplikasikan dalam satu model untuk mendukung perencanaan energi di Indonesia. 1.3.

Sasaran Sasaran yang ingin dicapai adalah tersusunnya alternatif model energi yang

akan digunakam untuk melakukan perencanaan energi di Indonesia khususnya dalam RPJMN 2015-2019. 1.4.

Keluaran Keluaran dari kegiatan ini adalah laporan kajian, yang dapat dijadikan acuan

dan alat bantu dalam merekomendasi kebijakan untuk pimpinan dan stakeholder terkait dan juga untuk sebagai bahan seminar yang akan disampaikan dalam forumforum kebijakan nasional terkait dengan perencanaan energi. 1.5.

Metode Pelaksanaan

1.5.1. Metode Pengumpulan Data Metode dan pendekatan pekerjaan dalam kajian ini dilakukan dengan pendekatan beberapa tahap seperti tampak dalam Gambar 3. Secara spesifik kajian ini meliputi tahapan ; 1) inventarisasi dan mengevaluasi model energi yang telah digunakan dalam perencanaan energi; 2) identifikasi kelebihan dan kekurangan dari masing-masing model energi khususnya dalam menganalisa penyediaan dan permintaan energi; 3) analisis kajian akademis sebagai landasan penyusunan model energi yang telah digunakan dalam perencanaan energi 4) perumusan alternatif model energi untuk melakukan perencanaan energi di Indonesia. Analisis yang akan dilakukan dalam kajian adalah analisis data sekunder (secondary data analysis/desk study) baik terhadap model-model energi yang ada, kondisi data kebutuhan dan penyediaan energi dan analisis data primer berdasar hasil wawancara dan diskusi pada kunjungan lapangan dengan beberapa stakeholder terkait. Berikut uraian pendekatan pekerjaan Kajian Pengembangan Model dalam Mendukung Perencanaan Energi:


Gambar 3. Kerangka Pendekatan Kajian Data yang diperlukan dalam kajian ini meliputi data primer dan data sekunder. Sumber data primer melakukan kunjungan lapangan ke daerah-daerah selain untuk mengetahui kondisi data energi dan model yang sudah dikembangkan (apabila ada), sedangkan data sekunder diperoleh dari lembaga-lembaga yang terkait yang telah mengembangkan model-model energi. Sementara metode pengumpulan data sekunder meliputi studi literatur dan review dokumen. Berkaitan dengan pengumpulan data dan melakukan studi maka perlu dilakukan langkah-langkah: a. Melaksanakan koordinasi melalui rapat kerja, konsinyasi, lokakarya ataupun seminar. Rapat kerja anggota tim kajian dilakukan untuk mengkoordinasikan kegiatan kajian agar dapat berjalan sesuai dengan tujuan, sasaran dan timeline yang telah disepakati, konsinyanyi dilakukan untuk mempersiapkan perumusan dan pembuatan laporan awal, tengah dan akhir. Untuk mendapatkan masukan lebih banyak dan mendalam mengenai penyediaan dan permintaan energi nasional sebagai bahan untuk melakukan pemodelan perencanaan energi dilakukan kegiatan lokakarya/seminar, dengan mengundang pemangku kebijakan baik pusat maupun daerah, stakeholder, asosiasi energi, serta narasumber pakar.


b. Melakukan diskusi yang terencana dengan praktisi, pengguna dan para narasumber terkait dalam sektor energi. c. Melakukan Forum Group Discussion (FGD) dengan beberapa pemangku kebijakan serta stakeholder khususnya yang terkait dengan sektor energi. FGD dilakukan dalam bentuk diskusi (brainstorming) yang bertujuan untuk mendapatkan, mengidentifikasi dan menggali informasi lebih mendalam mengenai perencanaan energi yang akan dijadikan masukan bagi pengembangan model perencanaan energi. 1.5.2. Analisis Data Seperti dapat dilihat dalam Gambar 3 di atas, analisis data dalam studi ini menganalisis kelebihan dan kekurangan model untuk selanjutnya diambil salah satu model energi yang secara optimal dalam mendukung perencanaan energi. Menganalisis secara khusus aspek pemodelan energi untuk pengembangan model dalam mendukung perencanaan energi. Adapun alat analisis yang digunakan dalam kajian pengembangan model dalam mendukung perencanaan energi adalah studi komparatif dengan membandingkan terhadap semua model-model perencanaan energi yang ada yang disesuaikan dengan hasil diskusi dengan berbagai stakeholder baik pada studi lapangan maupun pada FGD dan seminar. Tahapan berikutnya adalah merumuskan model energi alternatif yang sesuai dengan kondisi energi di Indonesia baik di tingkat daerah maupun di tingkat pusat dengan memperhatikan kemudahan akses, kemudahan pemahaman dari sumber daya manusianya (modeller dan user).


BAB 2 KONSEP MODEL ENERGI

2.1.

Prinsip Dasar dan Tujuan Model Di banyak kalangan, model diartikan sebagai representasi dari kenyataan

yang disederhanakan (D. H. Meadows dalam Dale, 2006). Konsep tentang realita dan bahasa yang kita gunakan untuk mengkomunikasikannya disebut model mental. Model tersebut berupa simbol-simbol abstrak yang berusaha menjelaskan beberapa aspek fenomena yang kompleks. Konsep ini juga menjelaskan tentang segala sesuatu yang terjadi di sekitar kita dengan proses yang disederhanakan. Selanjutnya model mental menghubungkan antara pemahaman manusia dengan fenomena yang penting untuk pengembangan teori dalam ilmu pengetahuan (Morgan & Morrison, 1999 dan Fishwick, 2007 dalam Dale, 2006). Kekuatan modelmodel ini adalah kemampuannya dalam menjelaskan beberapa aspek dari alam ini sehingga

model

merupakan

struktur

yang

merepresentasikan

pemahaman

pengetahuan kita tentang sistem dan sering ditampilkan dalam bahasa formal ilmiah dan matematika (Charles A. S. Hall & Day, 1990 dalam Dale, 2006). Formulasi semacam ini dapat memprediksi dari model melalui angka numerik dengan bantuan komputer. Tujuan utama dari pemodelan adalah untuk memprediksi kondisi masa depan berdasarkan perilaku sistem dimasa lalu. Beberapa prinsip umum permodelan, terkait dengan proses pemodelan: 

Menentukan masalah dan tujuan dari model;



Tentukan variabel;



Pilih variabel kontrol;



Pilih parameter untuk variabel kontrol;



Menguji model yang dihasilkan untuk pelanggaran hukum fisik atau ekonomi;



Pilih horizon waktu;



Menjalankan model dan memeriksa hasil;




Variasikan parameter ke skenario yang wajar untuk melihat apakah hasilnya masih masuk akal;



Bandingkan hasilnya dengan data eksperimen;



Merevisi parameter dan, mungkin, bahkan model; Kegunaan pemodelan antara lain untuk : 1) berpikir (analisis); 2)

berkomunikasi; 3) memperkirakan (prediksi); 4) mengendalikan (kontrol); 5) berlatih (simulasi). 2.2.

Proses permodelan Hannon and Ruth (2000) mencirikan proses pemodelan sebagai rangkaian

yang berulang membentuk siklus seperti yang ditunjukkan pada gambar 4. Fakta dideskripsikan melalui kondisi abstrak yang kemudian diformulasikan untuk menghasilkan prediksi yang mendekati kondisi nyata. Proses ini kemudian berulang membentuk siklus seiring dengan peristiwa nyata (fakta) yang terjadi kemudian dan menjadi sumber pengembangan model atau penciptaan model yang berbeda. Gambar 5 berikut ini memberikan penjelasan yang lebih rinci dari proses pemodelan:

Gambar 4. Konsep Umum Proses Pemodelan


Sistem Alam dan Sosial

Pengamatan Pencarian Literatur

Sistem Pengetahuan

Asumsi Tentang Sistem

Simulasi Masalah

Pengembangan Konsepsi Model

Simulasi Komputer

Hasil dan Prediksi Diterima

Validasi

Ditolak

Asumsi Baru Pendefinisian Kembali Masalah

Pengujian Asumsi dan Hasil Pengamatan Baru

Gambar 5. Proses Logic Pemodelan Proses ini dimulai dengan identifikasi sistem alam dan / atau sosial yang akan dipelajari dan perumusan 'masalah simulasi' yang sesuai. Selanjutnya pengetahuan tentang sistem akan diperoleh, baik melalui kajian literatur atau langsung observasi sehingga menghasilkan beberapa asumsi. Dari asumsi ini dikembangkan formulasi model sistem yang menghasilkan prediksi. Untuk menghasilkan model yang baik, hasil prediksi harus divalidasi sehingga dapat mencerminkan sistem pengetahuan yang baru tentang sistem. Bila hasil validasi ini gagal maka perlu diambil asumsi baru, pengamatan baru atau bahkan pendefinisan kembali masalah sehingga menghasilkan suatu hasil yang berbeda. Model tidak hanya digunakan untuk mengambarkan sekumpulan ide, tetapi juga mengevaluasi dan meramalkan perilaku sistem. Dalam proses pembentukan model ini, harus dipertimbangkan antara kenyataan ilmiahnya dan model itu sendiri. Pengukuran

atau

observasi

pada

kenyataannya

digunakan

untuk

mengembangkan model. Setelah model pertama dibangun lalu dibandingkan dengan kelakuan dari kenyataan alamiahnya. Bila ternyata masih jauh dari sempurna, maka


model harus diperbaiki dulu, sehingga model tersebut bisa diterima. Pembuatan model dipengaruhi oleh latar belakang dan alam pikiran si pembuat. Ketepatan model harus diuji dengan pembandingan terhadap kenyataan, dicari kesesuaian karakeristik sampai menemukan besaran tertentu yang menentukan. Semakin tinggi ketelitian suatu model maka semakin tinggi tingkat kedetailan dan keakuratan data yang dibutuhkan. 2.3.

Permodelan Energi

2.3.1. Konsepsi Pemodelan Energi Perencanaan energi yang terpadu diperlukan dalam mengantisipasi konsumsi energi yang semakin meningkat dan cadangan sumber daya energi yang semakin berkurang. Perencanaan energi tersebut harus memperhatikan aspek ekonomi, lingkungan hidup dan kesinambungan suplai energi untuk jangka panjang. Salah satu instrumen yang digunakan untuk perencanaan energi adalah model energi. Terkait model energi ini, terdapat beberapa perdebatan mengenai fungsi dan keberadaannya. Goerge Box (2002) mengatakan “Essentially, all models are wrong but some are useful” yang secara langsung berarti bahwa semua hasil pemodelan salah tetapi keberadaannya akan sangat berguna terutama untuk perencanaan. Pendapat hampir sama juga dilontarkan oleh Neil Strachan (2003) yang mengatakan “Some models are right, (or at least in practice, rightenough), and even the wrong ones can still be useful”. Jadi bahkan model yang salah pun memiliki manfaat terutama dalam memberikan feedback tentang kesalahan konsep dan pandangan terhadap permasalahan yang ada sehingga dapat dievaluasi. Lain halnya dengan Richard Tol (2006) yang menyatakan “Not-understood models are irrelevant, halfunderstood

models

treacherous,

and

mis-understood

models

dangerous.”

Berdasarkan pernyataan itu secara tidak langsung dikatakan bahwa pemodelan atas dasar konsepsi yang salah akan mempersulit perencanaan. Beberapa akademisi bahkan memperdebatkan status model energi ini sebagai suatu seni atau pengetahuan (art or science?). Fungsi model energi adalah merefleksikan sistem energi yang kompleks dalam bentuk yang mudah dimengerti, membantu mengorganisasi data yang sangat besar, dan menyediakan framework yang konsisten untuk menguji hipotesis. Model


energi digunakan untuk pekerjaan tentang kebutuhan dan ketersediaan energi dimasa yang akan datang di suatu wilayah ataupun negara. Sebagian besar digunakan dengan mengeksplorasi asumsi perkembangan diantaranya kegiatan ekonomi, demografis, atau harga energi di pasar dunia. Penggunaan model energi tersebut juga dapat dimanfaatkan untuk mensimulasikan pilihan kebijakan dan teknologi yang berpengaruh terhadap ketersediaan dan kebutuhan energi dan pembiayaan dalam sistem energi serta kebijakan efisiensi energi. Setiap pendekatan model bertujuan menyederhanakan permasalahan di dunia nyata yang lebih komplek melalui data empiris, angka rata-rata statistik, tren masa lalu serta asumsi lainnya. Dengan kata lain model energi merupakan gambaran yang disederhanakan dari sistem energi nyata dan ekonomi riil (merepresentasikan sistem energi yang sebenarnya). Dengan beragamnya pendekatan permodelan yang berdasarkan pada: 1) target grupnya seperti pengambil kebijakan, komunitas peneliti, perusahaan yang menyuplai energi; 2) penggunaannya seperti analisis data diantaranya evaluasi akhir, peramalan, simulasi, optimisasi dll; 3) cakupan wilayah apakah tingkat regional, nasional atau multinasional; 4) kerangka kerja konseptual. Model energi yang banyak digunakan dalam membuat proyeksi kebutuhan energi jangka panjang adalah model yang berdasarkan ekonometrik atau teknik statistika, sedangkan teknik optimasi dengan fungsi obyektif tertentu digunakan untuk strategi penyediaan energi. Di samping itu model rekursif juga dikembangkan berdasarkan kesetimbangan permintaan dan penyediaan energi dengan mengatur parameter harga. Sesuai dengan fungsinya untuk mendukung perumusan kebijakan energi yang bertujuan untuk mendukung pencapaian tujuan nasional di berbagai sektor kehidupan secara efektif melalui peningkatan pertumbuhan ekonomi, dan ketahanan energi dan lingkungan, maka pemodelan energi umumnya terdiri atas 3 modul yaitu modul ekonomi makro, modul sistem energi, dan modul lingkungan. Analisis ekonomi makro diperlukan untuk memberi gambaran tentang struktur ekonomi saat ini dan pertumbuhannya. Termasuk di dalamnya input-output dari sektor energi dan analisis keterkaitan sektor energi terhadap perekonomian. Berikut adalah hubungan keterkaitan 3 E (Energy, Economic dan Environment) dalam model energi.


Policy Scenario

MAX Production Function

Macroeconomy

Product and Service Demand

Energy Supply & Conversion

Energy Prices

Cost of Product

Renewable

MIN Cost of Energy

Energy Demand

Fossil Fuels Electricity Residential Sector

Commercial Sector

Industrial Sector

Transport Sector

Energy Consumption (non-electricity and electricity)

Technology Choices

Environment

MIN Emission

Gambar 6. Keterkaitan Tujuan Aspek Energy, Economic dan Environment dalam Model Energi (Widodo, 2013) Sistem yang kompleks yang terdiri atas hubungan antara aliran energi dan teknologi energi dapat merupakan bagian dari sistem energi. Jaringan sistem energi dari sumber sampai ke konsumen menjelaskan aliran energi itu sendiri. Analisis dalam model harus dapat memilih beberapa alternatif yang sesuai dengan kriteria yang telah ditentukan. Analisis dapat difokuskan pada sisi permintaan, misalnya: evaluasi permintaan energi sekunder yang berdasarkan pertumbuhan ekonomi, konservasi, demand side management, dan substitusi antar berbagai jenis energi sekunder. Analisis sisi penyediaan yang dapat memenuhi permintaan dengan mempertimbangkan sumber energi primer dan teknologi yang tersedia dapat dijadikan sebagai alternatif lain. Proyeksi pertumbuhan energi yang konsisten dengan pertumbuhan perekonomian dan sosial serta asumsi kebijakan harus dijadikan dasar dalam analisis sisi permintaan. Analisis terhadap lingkungan dilakukan dengan memperhitungkan dampak penggunaan energi terhadap udara, tanah dan air, serta limbah yang dihasilkan berdasarkan data yang tersedia, misalnya: karakteristik teknologi energi yang


digunakan serta standar dan peraturan dari baku mutu lingkungan. Jumlah emisi tergantung dari jenis energi yang dipakai, teknologi yang digunakan serta peralatan pengurang emisi yang terpasang. Berbagai teknik atau model perencanaan energi dapat dibangun dari yang paling sederhana sampai yang sangat rumit. Secara umum teknik analisis model energi dapat dibedakan dalam lima pendekatan utama, yaitu pendekatan proses, pendekatan trend, pendekatan elastisitas, pendekatan ekonometri, pendekatan input/output dan lain-lain. Berbagai alternatif proyeksi dapat dibuat dengan menggunakan satu atau beberapa teknik analisis yang tersedia. Secara umum, Model Energi dibagi menjadi dua jenis berdasarkan pendekatannya yaitu : 1. Model Sistem Energi yaitu untuk mengetahui tingkah laku sistem energi secara keseluruhan (daerah, negara, dunia). Jenis model ini sering disebut model bottom up 2. Model Ekonomi Energi yaitu untuk mengetahui dampak sistem energi pada ekonomi secara luas. Jenis model ini sering disebut model top-down 3. Model Hibrid yang mencoba menggabungkan kelebihan dan kekurangan dua model di atas melalui penggabungan pendekatan. Model bottom up pertama kali dikembangkan pada awal tahun 1970-an, terutama setelah krisis minyak pada tahun 1973. Ketika itu para analis mulai mencari opsi penggunaan energi selain minyak yang lebih efisien. Model energi makroekonomi modern dimulai di akhir 1950-an, ketika perusahaan penyedia energi dan pemerintahan harus menentukan perkiraan pasokan energi masa depan untuk memenuhi permintaan energi dari negara-negara OECD yang saat itu berkembang pesat. Kedua

jenis

model

energi,

top-down

dan

bottom-up,

memiliki

keunggulan dan keterbatasan tertentu yang sering tidak disadari oleh pemodel, pengguna, dan pembuat kebijakan. Model bottom-up biasanya dikembangkan dan digunakan oleh para enginer, environmentalist, dan perusahaan energi, sedangkan model top-down cenderung dikembangkan dan digunakan oleh para ekonom dan pemerintahan. Proyeksi dan studi permintaan dan pasokan energi hasil pemodelan


energi saat ini tidak hanya menjadi suatu agenda biasa saja tetapi sudah menjadi menjadi basis informasi ilmiah sebagai bahan diskusi publik antara pemerintah, perusahaan energi, para asosiasi usaha, dan LSM. Berikut adalah pendekatan secara umum dari model energi1: 2.3.2. Model Energi Top-down (Top-down Energi Models) Pendekatan model top-down dibangun untuk meramalkan model berdasarkan umpan balik sistem teknologi, ekonomi dan juga kebijakan yang bersifat standar teknis, norma dan lain-lain. Beberapa tipe model top-down: model input-output, model ekonometrika, model kesetimbangan umum yang dapat di komputerisasi dan sistem dinamik. Berikut penjelasan model top-down: a. Model Input-Output Model ini digunakan untuk mendeskripsikan struktur ekonomi dengan menggambarkan total arus barang dan jasa suatu negara yang dibagi menjadi sektorsektor pengguna dan nilai tambah dan koefisien input/output tertentu. b. Model Ekonometrika Analisis ekonometrika didefinisikan sebagai kombinasi teori ekonomi, matematis dan statistik. Pada awalnya model ini hanya ditujukan menguji teori ekonomi dengan menggunakan bukti empiris yang kemudian dikembangkan menjadi model yang kompleks. Sebagian besar model ekonometrik merupakan model terbuka, dengan menggunakan dan menganalisis data time series. c. Model Computable General Equilibrium Model Computable General Equilibrium (CGE) didasarkan pada teori ekuilibrium umum yang dikembangkan oleh Léon Walras pada 1870-an, Vilfredo Pareto tahun 1906 dan Kenneth Arrow dan Gerard Debreu di 1950. Model CGE saat ini dapat menggunakan pendekatan yang berbeda untuk menganalisis implikasi kebijakan ekonomi (seperti model Keynesian). Model CGE banyak digunakan untuk

1

Andrea Herbst, Felipe Toro, Felix Reitze, and Eberhard Jochem. 2012.

Introduction to Energy Sistems Modelling. Swiss Journal of Economics and Statistics, Vol. 148 (2)


menganalisis implikasi kebijakan terhadap ekonomi. Umumnya model ini mengasumsikan semua pasar berada dalam kesetimbangan yang sempurna pada kondisi awal. Model CGE menggunakan Social Accounting Matrix (SAM) untuk merepresentasikan benchmark data dalam keseimbangan. Setelah intervensi kebijakan (misalnya pengenalan pajak atau subsidi khusus, dll), keseimbangan yang dihasilkan melalui penyesuaian harga yang tidak dapat dipengaruhi oleh pihak yang terlibat sebagai price taker (rumah tangga, perusahaan, dan pemerintah) dan berusaha memaksimalkan keuntungannya dalam batasan tertentu dan penyesuaian kuantitas. d. Sistem Dinamik Konsep pemodelan Sistem dinamik (SD) dikembangkan oleh Forrester (1958, 1962, 1971, 1980) pada tahun 1950 di Massachusetts Institute Technology (MIT) dan digunakan untuk menganalisis perilaku jangka panjang sistem sosial seperti perusahaan industri besar atau sistem kota. Tujuannya adalah untuk menjelaskan perilaku interaksi sistem sosial dengan asumsi pihak yang interdependen berubah secara dinamis dari waktu ke waktu (persamaan dan analisis diferensial). Pengembang model mendefinisikan arus, saham, dan komponen utama dari sistem didefinisikan, yang interkoneksinya ditetapkan oleh sistem kontrol umpan balik atau causal loop diwakili oleh persamaan diferensial non-linear. Dalam perkembangannya, sistem didefinisikan dengan menggunakan analisis diferensial dengan formulasi matematika. Forrester mengembangkan perangkat lunak untuk mendapatkan persamaan turunan untuk menghitung persamaan dinamika dari feedback sistem dengan menggabungkan penilaian ahli. Program ini memiliki kemampuan untuk melakukan pendekatan permodelan eksperimental bila basis data tidak tersedia. Contoh pendekatan sistem dinamik yang digunakan untuk menganalisis perkembangan sektor energi jangka panjang diantaranya model TIMES yang meneliti perkembangan struktur sistem energi di seluruh dunia (de Vries et al., 1999), model POLES yang mereplikasi seluruh sistem energi (Russ dan Criqui, 2007). Kekurangan dari sistem dinamik berhubungan dengan validasi dan kalibrasi loop feedback yang diasumsikan, khususnya pada pemodelan perkembangan sistem


energi jangka panjang (Fichtner et al, 2003) dan juga ketidakmampuannya untuk membuat analisis dan proyeksi teknologi sektoral secara rinci. 2.3.3. Model Energi Bottom up Ciri utama dari model energi bottom-up konvensional adalah tingkat detail teknologi yang lebih mendalam dibandingkan dengan model energi top-down. Model ini digunakan untuk menilai kebutuhan dan penyediaan energi masa depan. Berbeda dengan model top-down, model bottom-up menggunakan pendekatan evaluasi ekonomi

dari

teknologi

yang

disimulasikan

dan

biasanya

tidak

dapat

mempertimbangkan dampak makroekonomi dari kebijakan energi atau iklim atau investasi terkait. Model energi bottom-up ini cocok untuk proyeksi kebutuhan dan penyediaan energi dalam jangka waktu yang lebih panjang dalam hal teknologi dengan siklus reinvestasi kurang dari 20 tahun. Dari aspek matematis, model energi bottom-up telah dikembangkan dalam bentuk simulasi, optimasi, dan yang paling baru dalam bentuk multi-agen. Model bottom-up mencoba untuk mengidentifikasi teknologi yang terbaik dengan cara (i) menilai kebijakan, efeknya, investasi, biaya, dan manfaat, (ii) menghitung manfaat efisiensi energi, (iii) mengidentifikasi pengaruh antar sektor, biaya dan keuntungan sektoral. Berikut beberapa model bottom-up: a. Model Ekuilibrium Parsial-Hibrid Model ekuilibrium parsial tidak berbeda jauh dari CGE yang telah disebutkan dengan prinsip kerangka dan mekanisme yang sangat mirip. Namun, model ekuilibrium parsial hanya menilai satu sektor atau bagian sektor tertentu. Model energi ekuilibrium parsial memfokuskan pada permintaan dan pasokan energi. Dengan mengabaikan saling keterkaitan dan efek terhadap perekonomian yang lebih luas, model ini memasukkan aspek teknologi yang lebih detail lagi dibandingkan CGE. Beberapa model ekuilibrium parsial yang penting antara lain: POLES (Prospective Outlook on Long-term Energi Sistem), Model dari Enerdata, WEM (World Energi Model) dari International Energi Agency, dan PRIMES Energi Sistem Model dari Uni Eropa. Secara teori, sangat sulit untuk menggolongkan model-model tersebut bukan model parsial ekuilibrium murni karena strukturnya sudah berusaha


untuk menjembatani pendekatan ekonomi makro dan orientasi proses, seperti menggabungkan pilihan teknologi eksplisit dengan hubungan ekonomi mikro. Model POLES menganalisis sistem energi internasional di tujuh regional dunia, sebelas sub regional, dan 32 negara, dengan mempertimbangkan sekitar 40 teknologi detail kelistrikan, produksi hidrogen dan sektor energi final. Hal ini didasarkan pada proses simulasi rekursif dimana permintaan dan pasokan energi untuk setiap modul nasional atau regional akan bereaksi terhadap perubahan harga internasional

pada

periode

sebelumnya.

Setiap

modul

tidak

hanya

mempertimbangkan efek harga tetapi juga batasan teknologi dan ekonomi dan tren (Enerdata, 2011). WEM adalah model matematika skala besar yang menghasilkan proyeksi bersifat sektoral dan regional jangka menengah sampai panjang dari permintaan energi, pembangkit listrik, dll. Model ini terdiri dari beberapa modul permintaan (permintaan energi final industri, transportasi, rumah tangga dan jasa), modul kilang, modul pembangkit listrik, tiga modul pasokan bahan bakar fosil (gas, minyak, dan batubara) serta modul yang menghitung faktor konten CO2 untuk batubara, minyak dan gas untuk berbagai sektor dan daerah. b. Model Optimisasi Model optimisasi digunakan untuk menentukan pemilihan teknologi yang optimal untuk mencapai target tertentu dengan biaya minimum dalam batasan tertentu sehingga harga dan kuantitas yang diminta tetap dalam keseimbangannya. Model

MARKAL

menganalisis

permintaan

dan

pasokan

energi

dengan

menggunakan bottom-up, melalui pendekatan dinamis. Seperti model partial ekuilibrium yang disebutkan di atas, MARKAL menggabungkan model bottom-up rinci dengan pendekatan makroekonomi yang disederhanakan. Model ini dikembangkan oleh International Energi Agency (IEA) dan dirancang untuk mendukung kebijakan dengan dukungan informasi teknologi yang detail pada permintaan dan penyediaan. Menurut ETSAP (2011), MARKAL dapat digunakan juga untuk mengidentifikasi sistem energi yang paling murah secara efektif untuk pembatasan emisi. Selain itu, kebijakan harga (pajak, dll) serta teknologi baru dan tren perubahan teknologi dievaluasi dan diproyeksikan. Saat ini, ada beberapa versi dari model MARKAL asli termasuk model makroekonomi, model ekonomi mikro,


dan berbagai fitur tambahan seperti endogen energi proyeksi permintaan, respon terhadap perubahan harga, perdagangan izin emisi, ketidakpastian mengenai teknologi endogen (Seebregts et al, 2002;. Loulou et al, 2004). Model TIMES (The Integrated MARKAL-EFOM Sistem) adalah salah satu versi model MARKAL dengan pendekatan sama yang digunakan untuk analisis sektor energi secara keseluruhan dan single-sektor. Dibandingkan dengan model MARKAL biasa, model TIMES memiliki beberapa fitur khusus: periode waktu yang fleksibel, pemisahan data, generalisasi proses, proses yang fleksible, proses fleksibel, variable yang terkait komoditas, persamaan berhubungan dengan perubahan iklim, dan lain-lain (ETSAP, 2005). Euro MM (European Multi-regional MARKAL), yang merupakan versi turunan lainnya Model MARKAL, merupakan model optimasi sistem energi multinasional yang mengevaluasi kebijakan dan dampak perubahan iklim terhadap konversi energi dengan menghitung solusi biaya terendah untuk sistem energi (Schade et al., 2009). Model optimasi penyediaan energi lainnya yang sering dikutip dalam literatur adalah MESSAGE (Model for Energi Supply Strategy Alternatives and their General Environmental Impact) yang dikembangkan oleh Austrian Institut Internasional untuk for Applied Sistems Analysis (IIASA) yang menganalisis 11 area dan menghitung proyeksi energi hingga tahun 2100 (Messner dan Strubegger, 1995). Model DIME (Dispatch and Investment Model for Electricity markets in Europe) dirancang sebagai model optimasi linier untuk perkiraan jangka menengah dan jangka panjang pembangkit listrik Eropa (13 negara-negara Eropa Tengah dan Barat termasuk Swiss) yang meliputi 11 teknologi untuk pembangkit listrik. Berdasarkan asumsi pasar pembangkit listrik kompetitif, model ini diterapkan untuk mensimulasikan alokasi dengan meminimalkan biaya beserta investasi di penyediaan sektor energi (EWI, 2011). c. Model Simulasi Model simulasi berupaya menduplikasi gambaran asosiasi dan hubungan antara berbagai elemen sistem. Model simulasi berusaha memberikan ilustrasi kuantitatif dan deskriptif permintaan energi dan konversi berdasarkan faktor pendorong yang ditentukan secara eksogen dan data teknis dengan tujuan


pengamatan model dan pengambilan keputusan yang tidak mengikuti pola penghematan biaya. Duplikasi ini didasarkan variasi dari faktor-faktor pendorong yang seperti pendapatan, penduduk, tenaga kerja, lokasi tempat tinggal, kebijakan pemerintah, harga energi). Faktor-faktor ini dikorelasikan dengan perkembangan ekonomi dan demografi (melalui skenario) beserta kondisi-kondisi tertentu (kebijakan energi dan perubahan iklim). d. Multi-agent Model Permodelan multi-agent merupakan pengembangan dari pendekatan simulasi yang mempertimbangkan ketidaksempurnaan pasar seperti perilaku strategis, informasi asimetris dan pengaruh non ekonomi. Konsep dan arsitektur model multiagen berasal dari konsep konsep artificial intelegent terdistribusi yang penerapannya telah sangat diperluas di beberapa daerah penelitian (misalnya kompleksitas tingkat makro) sejak awal 1990-an. Kemajuan dalam metode dan sumber daya teknologi informasi yang kompleks, metodologi penelitian sumber daya ekologi alam dan multi-disiplin yang dikombinasikan dengan kemajuan dalam pendekatan statistik lebih khusus telah memungkinkan peneliti untuk memperluas penggunaan pemodelan berbasis agen, terutama untuk pengambilan dan pembuat kebijakan (Foley et al, 2005;. Heemskerk et al, 2003). Agen berbasis model dianggap lebih dari alat penelitian yang inovatif untuk menganalisis sistem yang kompleks, tetapi juga dianggap sebagai instrumen untuk pengguna akhir untuk meningkatkan pengambilan keputusan serta untuk menguji kebijakan khusus dan proyeksi skenario alternatif dan masa depan (Alexandridis dan Pijanowski, 2006). Aspek penting terkait dengan interaksi tingkat mikro berhubungan dengan peran agen yang ditentukan beserta keputusan dan interaksi antara aktor yang berbeda dalam sistem. Dalam hal ini, agen memiliki kesamaan kemampuan untuk bertindak secara otonom, berinteraksi dengan agen lainnya, bereaksi terhadap lingkungan, dan mengambil inisiatif untuk bertindak (Wooldridge, 1995, 2009). Model berbasis agen banyak diterapkan pada sektor listrik. Awalnya model ini cenderung berfokus pada aspek operasional bukan pada simulasi jangka panjang sampai akhir-akhir ini beberapa model agen telah diterapkan untuk perencanaan jangka panjang dengan alasan kapasitas sedang dibangun sebagai hasil dari


keputusan investasi. Fichtner et al. (2003) menyarankan aplikasi gabungan dari pendekatan berbasis agen dan model optimasi linier untuk pola perencanaan strategis pemasok listrik di pasar liberal. Contoh lebih lanjut di bidang ini meliputi penelitian yang dilakukan oleh Wittmann (2008), yang mengembangkan model agen-based dari keputusan investasi energi dalam sistem energi perkotaan dengan fokus pada teknologi konversi desentralisasi. Sejauh ini, model multi-agen terbatas pada aplikasi dari konversi teknologi energi dan beberapa aplikasi pada energi final (misalnya Jochem, 2009). Salah satu kendala utama mengembangkan dan menggunakan model multi-agen adalah permintaan yang sangat besar pada data empiris tambahan untuk mensimulasikan perilaku agen yang berbeda. 2.3.4. Perbandingan Pendekatan Model Top-down dan Bottom up Salah

satu

kelebihan

utama

dari

model

energi

top-down

adalah

kemampuannya memberi umpan balik tentang kesejahteraan, lapangan kerja, dan pertumbuhan ekonomi. Penilaian pengaruh ekonomi dan sosial menghasilkan konsistensi yang lebih tinggi dan memfasilitasi pemahaman yang komprehensif tentang dampak kebijakan energi pada ekonomi suatu negara atau wilayah. Tetapi di sisi lain, model top-down kurang memiliki detail teknologi dan cenderung menyajikan informasi yang lebih general. Akibatnya, model ini kurang dapat memberikan indikasi yang tepat mengenai progres teknologi (tidak langsung memodelkan perubahan teknologi), hambatan non-moneter untuk energi efisiensi atau kebijakan khusus untuk teknologi tertentu terutama untuk jangka panjang dimana terjadi perubahan substansial teknologi, saturasi, dan perubahan dalam struktur ekonomi. Selain itu, dengan asumsi pasar yang efisien, pendekatan model top-down cenderung mengabaikan kompleksitas hambatan dalam bentuk non-moneter seperti kurangnya informasi, keputusan yang tidak memadai, atau kepentingan kelompok tertentu produsen teknologi atau dari seluruh penjualan. Model CGE mengasumsikan setiap kebijakan apapun mengimplikasikan biaya tambahan termasuk dalam efisiensi energi, meskipun sebenarnya hal ini akan sangat menguntungkan dengan pengurangan biaya dan peningkatan keuntungan dan pendapatan pajak. Hal ini karena efeknya tidak secara langsung. Intinya, karena fokus model ini pada moneter,


maka akan cenderung mendukung kebijakan berkaitan dengan moneter seperti kebijakan berbasis harga (pajak, subsidi, dll), kebijakan pengaturan sertifikat emisi. Berbeda dengan model makroekonomi, pendekatan pemodelan bottom-up memasukkan tingkat tinggi detail teknologi yang memungkinkan mereka untuk menyajikan gambaran permintaan energi dan teknologi pasokan energi yang sangat rinci, serta masa depan teknologi yang masuk akal. Model bottom-up juga dapat memberikan evaluasi rinci kebijakan sektor atau teknologi tertentu (Catenazzi, 2009). Namun, tingkat detail tinggi menjadikan model bottom-up yang sangat tergantung pada ketersediaan dan kredibilitas data berkaitan dengan banyak asumsinya pada difusi teknologi, investasi dan biaya operasi. Model ini dikritik karena pengabaian efek dari program, dampak dari kebijakan energi serta kurangnya efek makro dari perubahan teknologi pada aktivitas ekonomi secara keseluruhan, perubahan struktural, ketenagakerjaan, dan harga. Beberapa perbedaan lainnya antara model energi top-down dan bottom-up dapat dilihat pada tabel berikut ini: Tabel 1. Perbedaan Pendekatan Model Energi Top-down dan Bottom-Up

Sumber : Bhattacharyya, 2010


2.3.5. Pendekatan Peramalan dalam Model Energi Secara umum berikut penjelasan pendekatan proyeksi dalam model energi2: a. Pendekatan Proses Pendekatan proses secara umum tidak bisa digunakan untuk bidang di luar energi. Hal ini karena dalam pendekatan model ini menguraikan aliran energi dari awal hingga akhir permintaan. Proses yang dilalui mulai dari ekstraksi sumber daya energi, penyulingan, konversi, transportasi, penimbunan, transmisi dan distribusi menjadi variable yang diperhitungkan. Kekurangannya adalah tidak adanya variabel dari faktor ekonomi sehingga tidak terjadi interaksi antara ekonomi dan energi. Oleh sebab itu hasilnya belum bisa secara tegas digunakan dalam kebijakan yang berhubungan dengan bidang ekonomi. Manfaat yang menjadi keunggulan dari pendekatan proses adalah mudah mengakomodasi bahan bakar tradisional, dapat dilakukan dengan perhitungan sederhana dan metode paling cocok dalam menguraikan alternatif teknologi yang ada saat ini. Pendekatan proses menguraikan aliran energi dari sumber energi primer sampai permintaan final. Prosesnya mencakup ekstraksi sumber daya energi, penyulingan,

konversi,

transportasi,

penimbunan,

transmisi

dan

distribusi.

Keunggulan pendekatan ini adalah mudah mengakomodasi bahan bakar tradisional, dapat dilakukan dengan perhitungan sederhana dan metode paling cocok dalam menguraikan alternatif teknologi yang ada saat ini. Kendala utamanya, pendekatan ini hanya dapat dipakai untuk sektor energi saja sehingga tidak dapat menggambarkan interaksi energi-ekonomi dan variabel-variabel kebijakan ekonomi. b. Pendekatan Trend Pendekatan trend memiliki keunggulan utama berupa kesederhanaan data dan prasyarat. Pendekatan ini menunjukkan ekstrapolasi kecenderungan masa lalu berdasarkan pemilihan kurva. Analisis ini dapat juga dilakukan dengan memproyeksikan nilai historis rata-rata kegiatan energi-ekonomi dan rasio energi per kapita. Meskipun secara luas digunakan dalam peramalan, terutama oleh negaranegara berkembang, keterbatasannya ternyata cukup banyak. Kecenderungan atau

2

Prawaningtyas TD, Proyeksi dan optimasi. 2009. Fakultas Teknik UI


perilaku di masa lalu mungkin tidak terlalu relavan dengan kejadian di masa depan. Secara umum pendekatan ini tidak dapat menggambarkan perubahan-perubahan yang bersifat struktural, determinan permintaan. Karena tidak terbuka dalam hal interaksi energi dan ekonomi maka pendekatan ini kurang cocok untuk analisis kebijakan. Pendekatan trend dilakukan dengan melakukan proyeksi berdasarkan data historis di masa lalu. Data tersebut kemudian diekstrapolasikan berdasarkan kecenderungan yang terjadi. Bisa dihubungkan dangan rata-rata dari data tersebut maupun dengan memilih jenis kurva yang diinginkan. Keunggulannya adalah data yang diperlukan bersifat sederhana. Namun, ada juga kekurangannya terutama karena tidak dapat menggambarkan perubahan struktural yang terjadi dari masingmasing variabel yang berpengaruh baik untuk faktor teknologi maupun ekonomi. Selain itu, ada kecenderungan bahwa kejadian di masa lalu tidak secara tegas akan menggambarkan kondisi pada masa yang akan datang. c. Pendekatan Elastisitas Pendekatan elastisitas dapat dilakukan dengan menghitung besarnya elastisitas permintaan terhadap pendapatan dan elastisitas permintaan terhadap harga. Ini menunjukkan perubahan tingkat permintaan energi terhadap perubahan, pendapatan, dan harga. Kekurangan pendekatan ini adalah besarnya unsur ketidakpastian atas estimasi elastisitas permintaan yangg disebabkan karena kondisi beberapa data, keterbatasan variabel harga, pendapatan dan kenyataan data antar waktu (time series) yang digunakan tidak mencerminkan perubahan sisi dan struktur permintaan energi dalam jangka waktu yang lebih panjang. d. Pendekatan Ekonometri Pendekatan ekonometri menggunakan standar perhitungan kuantitatif untuk analisis dan proyeksi ekonomi. Kelebihan pendekatan ekonometri adalah dalam analisis kebijakan dan proyeksi jangka pendek sampai jangka panjang. Asumsiasumsi statistik dan perilaku dapat disajikan lewat model persamaan interaksi energi ekonomi secara simultan. Pendekatan ini juga dapat menyajikan pengaruh harga relatif dan absolut terhadap substitusi antar bahan bakar. Di sisi lain, kekurangan


pendekatan ekonometri terjadi karena harus mengakomodasi kegiatan perubahan teknologi dan datangnya komoditas baru. Pada bidang energi komponen utama dari analisis dengan model ekonometri adalah pada data input atau variabel yang bersifat ekonomi yang kemudian dihubungkan dengan tingkat kebutuhan energi listrik. Kelebihan dari model ini adalah tidak terlalu banyaknya data yang harus digunakan sebagai variabel input. Biasanya proyeksi kebutuhan energi listrik dengan pendekatan model ini tidak memperhitungkan secara detail teknologi yang digunakan dalam ketenagalistrikan. Sebagian besar dari model ekonometri mendasarkan perhitungan bidang energi pada fungsi Cobb-Douglas seperti pada persamaan berikut. E = aYα P-β Di mana :

E = kebutuhan energi (permintaan energi/energi demand) Y = pendapatan (income) P

= harga energi

a = koefisien α = elastisitas pendapatan dari permintaan energi β

= elastisitas harga energi dari permintaan energi

Dari persamaan di atas menunjukkan adanya faktor elastisitas harga energi dan pendapatan. Hal ini mengindikasikan bahwa perubahan tingkat kebutuhan energi sebagai hasil dari perubahan pendapatan dan harga energi dalam pendekatan menggunakan model ekonometri. e. Pendekatan Input-Output Pendekatan input-output hampir sama dengan pendekatan ekonometri. Ada dua

keunggulan

pendekatan

ini.

Pertama,

merupakan

pendekatan

paling

komprehensif dan konsisten terhadap semua sektor ekonomi, termasuk aliran berbagai jenis energi dan mudah digabungkan ke dalam model ekonometri, simulasi atau optimasi. Kedua, teknik yang sangat cocok untuk analisis kebijaksanaan pada berbagai tahapan. Keunggulan pertama melekat pada analisis input-output. Namun pendekatan ini memiliki keterbatasan aplikasi. Pendekatan ini bersifat statik yang


berlaku untuk satu waktu tertentu. Keterbatasan selanjutnya adalah kebutuhan akan data dasar sektor ekonomi yang luas dan komprehensif. f. Pendekatan End-Use Model pendekatan end-use juga dikenal sebagai pendekatan engineering model. Pendekatan ini akan lebih detail walaupun secara perhitungan menggunakan fungsi yang lebih sederhana. Pertimbangan teknologi yang digunakan dalam proses aliran energi juga menjadi variabel perhitungan. Pendekatan ini sangat cocok untuk keperluan proyeksi efisiensi energi karena dimungkinkan untuk secara eksplisit mempertimbangkan perubahan teknologi dan tingkat pelayanan. Permintaan energi dari masing-masing kegiatan merupakan produk dari dua faktor, yaitu tingkat aktivitas (layanan energi) dan intensitas energi (penggunaan energi per unit layanan energi). Selain itu, permintaan total maupun permintaan energi sektoral dipengaruhi oleh rincian kegiatan yang berbeda yang membentuk komposisi, atau struktur permintaan energi. Dimana :

Qi = jumlah dari layanan energi i Ii = intensitas penggunaan energi untuk layanan energi i

Jumlah aktivitas energi Qi tergantung pada beberapa faktor, termasuk di dalamnya jumlah populasi, proporsi penggunaan akhir energi, pola konsumsi energi, dan pada keadaan tertentu di mana diperlukan pembagian pada klasifikasi pengguna atau pelanggan. Untuk melakukan perencanaan energi, tentu harus ada metode yang baku yang digunakan. Ada berbagai model pendekatan untuk menyusun prakiraan kebutuhan energi yang tersedia antara lain pendekatan ekonometrik, pendekatan proses, pendekatan time series, pendekatan end-use, pendekatan trend maupun gabungan dari berbagai model pendekatan perencanaan. Perencanaan kelistrikan sering menggunakan sebagai pendekatan ekonometri dan pendekatan end-use untuk proyeksi kebutuhan energi listrik. Perbedaan utama dari kedua metode tersebut adalah pada jenis data yang dimasukkan (data input). Pada model ekonometri, data yang digunakan sebagai data masukan seperti pendapatan daerah, pendapatan per kapita dan data lain yang bersifat ekonomi, kemudian dihubungkan dengan kebutuhan energi.


BAB 3 PEMANFAATAN MODEL ENERGI DI INDONESIA 3.1.

Penggunaan Model Energi di Indonesia Di Indonesia, di beberapa lembaga penelitian dan instansi terkait dengan

perencanaan energi, telah banyak menerapkan metode pendekatan model energi. Penerapan model energi sudah dikembangkan di beberapa instansi di antaranya BPPT dan UGM dengan Markal, Pusdatin ESDM dengan LEAP dan Sistem Dinamic, PLN dengan kombinasi WASP dan model ekonometrik, UI dan ITB dengan sistem dinamik, IIEE dengan IIEEM dan banyak lagi. Dalam rangka mengembangkan perencanaan energi baik di tingkat nasional dan daerah seperti diamanatkan UU Energi, keberagaman model ini akan sangat membantu terutama dalam menguji setiap kebijakan energi yang akan dikeluarkan. Walaupun demikian, seringkali pemodelan yang dilakukan terkesan lebih bersifat sendiri-sendiri dan kurang terkoordinasi terutama dalam hal perumusan tindak lanjutnya. Selain itu masalah transparansi untuk masing-masing model perlu ditingkatkan agar masyarakat umum dapat ikut menganalisa dan memberikan input bagi model yang dikembangkan. Melihat hal tersebut, perlu adanya proses koordinasi melalui forum nasional yang menaungi institusi dan/atau individu yang mengembangkan model energi untuk menyepakati berbagai asumsi yang akan digunakan untuk pemodelan energi. Beberapa model yang terkemuka yang saat ini banyak digunakan dan dikembangkan oleh lembaga/instansi di Indonesia diantaranya : a. Model Markal Saat ini model MARKAL sudah dipergunakan baik di negara maju maupun di negara berkembang. Lebih dari 55 negara menggunakannya untuk perencanaan energi nasional. Di Indonesia beberapa institusi yang memiliki lisensi untuk menggunakannya, yaitu: Badan Pengkajian dan Penerapan Teknologi (BPPT), ASEAN Centre for Energi (ACE), SKK Migas, KESDM, dan Pusat Studi Energi UGM.


Penggunakan model MARKAL di Indonesia telah dimulai sejak tahun 1980 dengan dibentuknya tim perencanaan energi antar institusi dengan BPPT sebagai koordinator dan bekerja sama dengan KFA Jerman. Pada awalnya digunakan komputer mainframe Pertamina untuk melakukan optimasi. Sejak tahun 1993, sudah digunakan MUSS-MARKAL yang menggunakan PC. Hasil studi yang sudah dilakukan

diantaranya

adalah

perencanaan

energi

nasional

dengan

mempertimbangkan dampak lingkungan. Pada tahun 1997 BPPT bekerja sama dengan

ABARE

menggunakan

ANSWER-MARKAL.

Kemudian

disusul

penggunaan ANSWER-MARKAL oleh ACE bekerja sama dengan BPPT untuk membuat perencanaan energi terintegrasi di negara ASEAN pada tahun 2001. Pada tahun 2003, BP Migas bersama dengan BPPT menggunakan ANSWER-MARKAL untuk membuat optimasi penggunaan gas alam di Indonesia. DESDM bekerja sama dengan BPPT pada tahun 2006 mulai menggunakan ANSWER-MARKAL untuk membuat perencanaan energi sebagai masukan bagi pembuatan Kebijakan Energi Nasional (KEN). MARKAL (Market Allocation) adalah perangkat untuk pemodelan terkait dengan energi, ekonomi dan lingkungan. Hal ini dikembangkan sebagai upaya kolaborasi yang berada di bawah pengawasan Badan Energi Internasional Teknologi Energi Program Analisis Sistem (ETSAP). MARKAL adalah model generik yang disesuaikan dengan data input untuk mewakili perubahan selama periode tertentu, biasanya 20-50 tahun dari sistem energi spesifik lingkungan di tingkat nasional, regional, negara bagian atau provinsi, maupun tingkatan tertentu dalam masyarakat. Sistem yang ada direpresentasikan sebagai jaringan, menggambarkan semua kemungkinan aliran energi dari ekstraksi sumber daya, melalui transformasi energi dan perangkat dalam pengguna akhir (end-use), dan berguna untuk pemenuhan permintaan energi. Setiap link dalam jaringan dicirikan oleh satu set koefisien teknis (misalnya, kapasitas, efisiensi), koefisien emisi lingkungan (misalnya, CO2, Sox, Nox), dan koefisien ekonomi (misalnya, biaya modal, tanggal komersialisasi). Banyak pilihan sistem jaringan energi atau Referensi Energy System (RES) yang layak untuk setiap jangka waktu tertentu. MARKAL mampu menentukan RES terbaik untuk setiap jangka waktu dengan memilih serangkaian pilihan yang meminimalkan total biaya untuk masing-masing sistem perencanaan. Banyak model


yang terpadu di dalam perangkat lunak ini sehingga akan memperoleh banyak pilihan alternatif. Berikut diagram alir model Markal untuk perencanaan energi:

Gambar 7. Diagram Alir Perencanaan Energi Menggunakan Model MARKAL c. Model Sistem Dinamik Salah satu varian dari model sistem dinamik ini adalah model INOSYD yang dikembangkan oleh Pusat Pengkajian Energi UI. Modul yang dikembangkan meliputi permintaan energi, penyediaan energi, ekonomi makro dan lingkungan. Jaringan Sistem Energi (Reference Energi

Sistem, RES) dari

INOSYD

disempurnakan, terutama sisi infrastruktur penyediaan energinya. Energi primer mengalami berbagai proses sebelum dapat dimanfaatkan oleh konsumen, berupa konversi ke bentuk energi lainnya, pengilangan energi menjadi berbagai jenis fraksi bahan bakar, serta transmisi dan distribusi. Pada setiap proses, penggunaan berbagai jenis teknologi, sarana dan prasarana menimbulkan kehilangan energi, sehingga energi yang terpakai selalu lebih kecil dibanding energi primernya. Kerangka model INOSYD ditunjukkan pada gambar di bawah.


Gambar 8. Kerangka Model INOSYD Dalam studi “Menuju Pemanfaatan Energi yang Optimum di Indonesia: Pengembangan Model Ekonomi-Energi dan Identifikasi Kebutuhan Infrastruktur Energi”, Hari Kristijo dan Hanan Nugroho memanfaatkan model INOSYD ini dengan bahasa POWERSIM.2. Kajian tersebut membahas isu bauran energi yang optimum di Indonesia, dengan penekanan pada pembuatan model dinamik ekonomienergi, proyeksi kebutuhan energi primer dan energi final serta infrastruktur energi yang harus dikembangkan, termasuk perkiraan biayanya. Jenis energi yang dikaji terutama bahan bakar fosil, dan proyeksi dilakukan hingga 2020. Model ekonomi energi yang dikembangkan tersebut juga meramalkan permintaan energi serta beberapa hasil simulasi, khususnya yang menyangkut minyak bumi, gas bumi, batubara dan kelistrikan. Dari hasil model tersebut, disimulasikan infrastruktur yang dibutuhkan untuk dibangun untuk mengakomodir perkembangan permintaan energi serta kapasitas suplai yang tersedia, termasuk memperhitungkan kebutuhan biaya pembangunannya3 c. IIEEM (Indonesian Integrated Energi Economics Modeling) IIEEM (Indonesian Integrated Energi Economics Modeling) merupakan suatu program computer yang berusaha memodelkan sistem energi-economy di Indonesia. Model ini adalah pengembangan dari model NEMS yang dikembangkan di Amerika dengan memodifikasi beberapa modul untuk disesuaikan dengan kondisi sistem energi dan data yang ada di Indonesia. IIEEM didesign untuk memproyeksikan

3

Ir. Hari Kristijo, M.Sc dan Ir. Hanan Nugroho, M.Sc, 2006


produksi, impor, konversi, konsumsi dan harga dari energi berdasarkan asumsi dari kondisi makroekonomi dan faktor keuangan di dalam negeri Indonesia, harga energi di dunia internasional, ketersedian sumber energi di dalam negeri. Selain itu IIEEM juga mempertimbangkan faktor:  Pemilihan jenis energi primer  Karakteristik dari cost dan performance dari teknologi energi,  Faktor demografi.

Gambar 9. Alur Proses Model IIEEM Macroeconomic Activity Module (MAM) Oil & Gas Supply Module (OGSM)

Natural Gas Transmission & Distribution Module (NGTDM)

International Energy Activity Module (IEAM)

INTEGRATING MODULE (IM)

Residential Sector Demand Module (RSDM) Commercial Sector Demand Module (CSDM)

Coal Sector Module (CSM)

Transportation Sector Demand Module (TSDM)

Renewable Fuels Module (RFM)

Industrial Sector Demand Module (ISDM)

Supply Side

Electricity Sector Module (ESM)

Petroleum Sector Module (PSM)

Demand Side

Conversion Sector

Gambar 10. Struktur Model IIEEM


Hampir

seluruh

modul

melakukan

optimasi

menggunakan

Linier

Programming, kecuali sektor kelistrikan yang menggunakan mix-integer optimasi. Seluruh optimasi dalam bentuk meminimalisasikan biaya. Seluruh modul menghasilkan biaya (harga) yang akan diatur oleh integrator yang kemudian akan digunakan pada Modul lain. d. Model LEAP (Long-Range Energy Alternatives Planning System) Long-Range Energy Alternatives Planning System atau kemudian disingkat menjadi LEAP adalah sebuah perangkat lunak yang dapat digunakan sebagai alat bantu dalam perencanaan/pemodelan energi-lingkungan. LEAP dikembangkan oleh Stockholm Environment Institute di Boston, Amerika Serikat, atau disebut SEIBoston pada tahun 1980. Versi terakhir dirilis pada tahun 2012. Saat ini LEAP hanya mampu dijalankan di komputer yang menggunakan sistem operasi Windows. Model LEAP tersebut terdiri atas:  2 modul utama, yaitu Demand dan Transformation  2 modul tambahan, yaitu Key Variables dan Resources LEAP bekerja berdasarkan asumsi skenario yang pengguna inginkan dan bersifat demand driven model. Keunggulan LEAP dibanding perangkat lunak perencanaan/pemodelan energi-lingkungan yang lain adalah tersedianya sistem antar muka yang menarik dan memberikan kemudahan dalam penggunaannya serta tersedia secara cuma-cuma bagi pengguna negara berkembang. Dengan menggunakan LEAP, pengguna dapat melakukan analisa dari ide kebijakan energi melalui simulasi implementasi kebijakan tersebut secara cepat. Hal ini dikarenakan LEAP mampu berfungsi sebagai database sekaligus sebagai sebuah alat peramal (forecasting tool) dan alat analisis kebijakan. Sebagai database, LEAP menyediakan informasi energi yang lengkap sementara sebagai forecasting tool, LEAP mampu membuat proyeksi permintaan dan penyediaan energi dalam jangka waktu tertentu sesuai dengan keinginan pengguna. Sebagai alat analisis kebijakan energi, LEAP mampu memberikan berbagai sudut pandang ekonomi, lingkungan dan teknologi energi atas efek dari ide kebijakan energi baik dari sisi penyediaan maupun permintaan energi.


Untuk Indonesia, dengan kemudahan penggunaan dan akses secara cumacumanya LEAP menjadi software yang banyak digunakan oleh para akademisi dan masyarakat umum dalam merancang perencanaan energi sederhana di suatu wilayah. Lebih lanjut lagi LEAP saat ini telah banyak diaplikasikan untuk mensimulasikan kebijakan energi dan menyusun perencanaan dalam pencapaiannya. Tahun 20082010, Pusdatin ESDM bekerjasama dengan ECN Belanda mensosialisasikan penggunaan model LEAP yang akan digunakan untuk menyusun RUEN dan sebagai implementasi dari Kebijakan Energi Nasional (KEN) yang saat ini (2013) sedang dalam tahap finalisasi. Pada kegiatan tersebut, dilakukan pilot project penyusunan RUED di lima propinsi seperti Sumatera Utara, Nusa Tenggara Barat, DIY, Jawa Tengah, dan Papua. Saat ini LEAP juga digunakan untuk membantu perencanaan gas rumah kaca yang tertuang dalam Perpres No. 61 Tahun 2011 tentang Rencana Aksi Nasional Pengurangan Gas Rumah Kaca (RAN-GRK) dan implementasinya di daerah melalui Rencana Aksi Daerah Pengurangan Gas Rumah Kaca (RAD-GRK). 3.2.

Kesesuaian Model Energi Dengan Kondisi Energi Indonesia Pemanfaatan energi di negara berkembang seperti Indonesia berkembang

pesat sehingga mempengaruhi perubahan iklim dan pengelolaan energi secara global dan regional. Namun sistem energi dari negara berkembang berbeda jauh dengan negara-negara maju (industri) yang memiliki keteraturan dalam sistem energi. Sebagaimana

diuraikan

sebelumnya,

model

energi

pertama

kali

dikembangkan di tahun 1970 seiring dengan peningkatan kapasitas komputer dan pengaruh lingkungan seperti krisis minyak pertama. Sebagian besar model energi dikembangkan dan digunakan di negara maju sehingga asumsi tentang sistem energi didasarkan pada praktek negara maju sehingga proyeksi energi di negara berkembang seringkali dianggap sama dengan yang ada di negara maju. Padahal dalam realitasnya banyak hal yang berbeda sehingga seringkali terjadi kesalahan misinterpretasi pada pemodelan negara berkembang. Sistem energi di negara maju dicirikan oleh kesesuaian antara supply dan demand, losses transmisi dan distribusi yang rendah, akses energi yang luas, dominasi infrastruktur energi modern, struktur yang beragam antara daerah


perkotaan dan pedesaan, kecukupan pembiayaan dan investasi, kecukupan subsidi dan kemampuan usaha dari perusahaan energi dengan struktur ekonomi informal yang rendah. Sebaliknya sistem energi negara berkembang berbeda dengan negara maju atau di antara negara itu sendiri. Untuk Indonesia, sistem energinya memiliki beberapa karakteristik, diantaranya : A. Tingginya Kontribusi Sektor Informal dan Kurangnya Data Energi Informasi ekonomi resmi mendasarkan pada sektor formal dengan mengecualikan aktifitas ilegal, penggelapan dan penghindaran pajak dari transaksi moneter atau non moneter. Sementara sektor informal menggambarkan aktifitas ekonomi tidak resmi yang berlangsung di dunia nyata tetapi tidak tercatat dalam informasi ekonomi resmi seperti GDP atau nilai tambah. Penyebab adanya sektor informal adalah adanya beban pajak dan kontribusi jaminan sosial, intensitas regulasi dan sistem transfer sosial, overregulasi dan biaya tinggi dari pasar tenaga kerja yang resmi. Sektor informal terdapat diseluruh negara di dunia tetapi khusus untuk di negara berkembang, ekonomi informal biasanya lebih besar (Kahn dan Pfaff, 2000). Sektor informal di negara berkembang dapat mencapai 41 persen dari total GDP resmi di tahun 1999 sampai 2000 dibanding porsinya di negara OECD hanya 17 persen. Permasalahan terbesar dari sektor informal adalah data yang sangat terbatas yang menyebabkan kesulitan untuk menampilkan sistem ekonomi dan energi dari negara berkembang. Tingginya aktifitas ekonomi yang tidak tercatat mempengaruhi perencanaan dan kebijakan yang akan diambil termasuk dalam hal penyediaan kebutuhan energi. Pengaturan sistem energi menjadi belum optimal dalam memenuhi kebutuhan di end user. Seringkali terjadi kekurangan pasokan dan kadangkala terjadi kelebihan pasokan dalam jumlah signifikan. Hal ini seringkali disebabkan mismatch prediksi dalam perencanaan. Selain itu kemungkinan disebabkan juga oleh data yang dimiliki masing masing instansi yang seringkali memiliki perbedaan signifikan atau bahkan di beberapa daerah tidak ada sama sekali. Sebagai contoh, pada penyusunan RUED Yogyakarta pada kegiatan CAREPI tahun 2010 pihak Universitas Muhammadiyah


Yogyakarta (UMY) melalui Pusat Pengelolaan Energi Regional (PUSPER) mengungkapkan sulitnya memperoleh data-data energi di daerah khususnya dalam hal potensi energi terbarukan dan data kebutuhan sektor pengguna. Data-data pasokan energi khususnya listrik dan BBM di daerah umumnya tersedia di BUMN penyedia energi seperti PLN, Pertamina atau PGN namun hanya sedikit sekali dapat diakses secara publik. Sementara itu pihak Universitas Gajah Mada melalui Pusat Studi Energi (PSE) dalam rangka pemodelan transportasi dengan model Markal menyatakan datadata perhubungan di tingkat propinsi sangat kurang sehingga dalam proses pemodelannya basis data dikelompokkan berdasarkan pulau dan di beberapa titik data memerlukan ‘expert judgment’ sehingga memerlukan proses validasi model yang lama. Contoh lainnya, di tingkat pusat data kebutuhan pada sektor industri pada statistik energi yang dikeluarkan Kementerian ESDM didasarkan pada data penjualan sementara data kebutuhan sektor industri dari Kementerian Perindustrian didasarkan pada Survey Industri Besar dan Menengah yang dilakukan oleh BPS. Kondisi data seperti ini sering menyulitkan dalam hal asumsi dan proyeksi dalam proses perencanaan energi. Oleh karenanya, peningkatan koordinasi dan sinkronisasi data energi antar instansi masih perlu ditingkatkan. B. Konsumsi Energi Tradisional (Non Komersil) yang Cukup Tinggi Kondisi energi Indonesia masih dipengaruhi oleh tingginya konsumsi energi tradisional yang sulit tercatat dengan akurat. Seperti umumnya di negara-negara berkembang, walaupun konsumsi energi modern seperti listrik meningkat pesat namun konsumsi energi rumah tangga di Indonesia masih didominasi oleh biomassa diantaranya kayu bakar, sampah pertanian, sisa tanaman dan kayu. Biomassa tradisional ini terutama digunakan dalam rumah tangga untuk memasak dan memanaskan khususnya di area pedesaan miskin. Proyeksi konsumsi biomassa ini dipengaruhi tiga faktor sebagai berikut: perubahan pendapatan, tingkat urbanisasi dan tingkat industrialisasi. Umumnya porsi biomassa tradisional akan menurun seiring dengan peningkatan ekonomi dengan tingkat penurunan yang berbeda-beda di tiap daerah atau provinsi. Walaupun demikian, energi ini bersifat tidak komersial sehingga data konsumsi lebih bersifat tidak beraturan (schosastic) yang sulit


diprediksi. Porsi energi ini akan tetap dominan dengan adanya pertumbuhan penduduk dan keterbatasan bahan bakar alternatif yang murah. C. Kehandalan Infrastruktur Energi yang Masih Rendah Untuk keberlangsungan ekonomi modern, pemenuhan kebutuhan listrik menjadi sangat penting.Rendahnya kinerja operasional dan perawatan yang berakibat pada seringnya kerusakan pembangkit dan fluktuasi voltase yang menyebabkan kerugian ekonomi masyarakat.Selain itu sering terjadi kurangnya pasokan yang beberapa diantaranya disebabkan oleh: (i) kondisi pembangkit beserta jaringan transmisi dan distribusi yang kurang memadai baik dari segi kuantitas maupun kualitas, (ii) tingginya losses yang diakibatkan teknis dan non teknis; (iii) perkembangan kebutuhan listrik yang cepat; (iv) Keterbatasan teknologi; (v) pengaruh kelembagaan dan tata laksana; (vi) rendahnya pembiayaan perusahaan listrik dan keterbatasan dana investasi; (vii) ketergantungan import pembangkit dan peralatannya; dan (viii) tarif listrik yang terlalu rendah Pasokan listrik di Indonesi masih terganggu oleh tingginya losses listrik dengan kisaran 9-10 persen di tahun 2009-2011. Walaupun kondisi ini masih relatif lebih baik dibanding India yang berkisar 20-21 persen dan berkisar yang mencapai 11-12 persen (World Bank) namun kondisi ini masih jauh dari China, Malaysia dan Thailand yang memiki losses dikisaran 6 persen. Sebagai perbandingan losses negara-negara OECD berada di bawah 6 persen. D. Rasio Elektrifikasi yang Masih Rendah Akses energi Indonesia masih rendah terutama di area pedesaan miskin.Rasio elektrifikasi Indonesia sendiri sampai September 2013 mencapai 80.1%. Kondisi ini lebih baik dari India yang memiliki rasio elektrifikasi hanya 77 persen. Sementara rasio elektrifikasi beberapa negara tetangga seperti Filipina, Malaysia dan Vietnam yang sudah mencapai lebih dari 90 persen. Bahkan Malaysia dan Vietnam sampai tahun 2010 sudah mencapai lebih dari 99 persen. Salah satu contoh yang baik adalah China yang mencapai elektrifikasi rasio 99 persen di tahun 2001 karena skema program elektrifikasi yang meluas (World Bank, 2013). Meski akses energi listriknya rendah, IEA memperkirakan seiring dengan peningkatan pendapatan, rasio elektrifikasi di Asia khususnya negara-negara


emerging market seperti India dan Indonesia akan meningkat dengan pesat sampai tahun 2030. Walaupun demikian, beberapa studi mengatakan bahwa kadang kala hubungan antara peningkatan pendapatan dengan akses energi sangat lemah atau bahkan tidak ada sama sekali. Pendapatan seringkali tidak terdistribusi seecara merata karena intervensi pemerintah dalam penentuan fokus investasi. Kondisi kehandalan infrastruktur dan akses energi Indonesia yang masih rendah tidak lepas dari pengaruh geografis yang menghambat percepatan koneksi antar grid. Selain itu, kondisi sebaran kondisi demografis Indonesia yang tidak merata diperkirakan akan masih menjadi kendala untuk peningkatan rasio elektrifikasi. Ditambah dengan laju pertumbuhan penduduk yang masih tinggi akan mengurangi pertumbuhan tahunan rasio elektrifikasi. Pemilihan sistem mini grid atau stand alone dengan mengutamakan energi terbarukan perlu dikedepankan dengan disertai pengelolaan. E. Transisi Struktur Ekonomi Tradisional ke Modern Di banyak negara berkembang, struktur ekonomi bergerak dari ekonomi tradisional berbasis pedesaan ke ekonomi modern berbasis industri atau jasa. Perubahan struktur ekonomi negara berkembang seringkali diproyeksikan dengan asumsi seperti pada proses transformasi pada negara maju di masa lalu. Mula-mula akan terjadi penurunan sektor primer (pertanian, pertambangan dan lainnya) yang kemudian diikuti pertumbuhan pesat industri dan selanjutnya akan beralih ke sektor jasa (Jung dkk, 2000). Namun, dari hasil pengamatan perubahan struktur ekonomi di negara-negara berkembang termasuk di Indonesia terjadi sebagai pergeseran langsung menuju sektor jasa yang menggunakan energi yang menghasilkan intensitas energi yang rendah. Sebagai ilustrasi, kontribusi sektor industri dalam PDB di tahun 2000-2011 fluktuatif di kisaran 23-25 persen sementara sektor jasa, keuangan dan komersil dalam periode yang sama mengalami peningkatan kontribusi secara konstan dari 33 persen di tahun 2000 menjadi 37 persen di tahun 2011. Hal ini juga terjadi di India yang menunjukkan bahwa negara itu mula-mula mengembangkan sektor industri tetapi kemudian beralih menuju sektor jasa yang meningkat pesat saat ini.


F. Struktur Masyarakat yang Kompleks Salah satu permasalahan struktur adalah pembagian perkotaan dan pedesaan yang menjelaskan perbedaan antara pekotaan dan pedesaan yang mempengaruhi akses energi, penggunaan bahan bakar, akses pendidikan, air minum, kesehatan dan sanitasi. Pembagian pekotaan dan pedesaan lebih umum di negara berkembang dibanding negara maju dimana biasanya area pedesaan lebih buruk dari area perkotaan (WEC, 2005). Sebagai contoh China diperkirakan akan mengalami masalah dengan kemiskinan pedesaan untuk dekade yang akan datang sebagaimana Yao dkk 2004 melaporkan yang disebabkan oleh pertumbuhan yang tidak merata antara area perkotaan dan pedesaan sebagai konsekuensi pembuat kebijakan yang lebih mengutamakan area perkotaan. Di sisi lain, terus ditekankan perlunya peningkatan kebutuhan dasar manusia di daerah pedesaan. Oleh karenanya banyak negara Asia yang memiliki skema pengembangan elektrifikasi sejak lama. Keberadaan pengembangan desa menjadi indikasi bahwa kondisinya akan menjadi lebih baik di dekade yang akan datang. G. Subsidi dan Ketidakpastian Investasi Swasta Problem besar lainnya adalah kurangnya perencanaan dalam investasi. Di negara berkembang biaya aktual investasi sering melampaui perkiraan awal karena teknik perkiraan yang lemah atau arena banyaknya ketidakpastian sehingga sulit menarik investasi asing. Problem utama lainnya adalah tingginya subsidi. Subsidi adalah cara memastikan pengaturan negara terhadap industri energi (IEA, 2002a; Xu Yi Chong, 2002; 2005). Adanya subsidi ini akan menghilangkan kesempatan pengembangan energi terbarukan dengan tidak kompetitifnya harga. 3.3.

Evaluasi Pendekatan Model Energi Karakteristik sistem energi dari negara berkembang perlu diakomodasi dalam

model energi untuk memastikan gambaran yang sesuai dari kondisi negara itu. Model energi telah dikembangkan untuk menganalisis berbagai masalah untuk berbagai maksud dan tujuan. Dengan kompleksitas dari model energi, perlu adanya perbandingan model untuk menganalisis sesuai maksud dan kinerja model itu sendiri. Sebelumnya telah banyak studi yang dilakukan dalam hal perbandingan model energi ini diantaranya Beaujean dkk (1977) yang melakukan survey dari model


internasional dan global berdasarkan review Charpentier (1974-1976) atas berbagai model energi. Selanjutnya Meier (1984) yang membandingkan model energi dan mengembangkan tipologi klasifikasi yang menjelaskan variasi teknik modeling. Shukla (1995) membandingkan model gas rumah kaca dan mengkaji keuntungan dan kekurangan dari model top-down dan bottom up sedangkan Bhattacharyya (1996) membandingkan Applied General Equilibrium untuk studi energinya. Umumnya kondisi energi negara Indonesia sebagian besar model sudah dapat memperhitungan aspek elektrifikasi, biomassa tradisional dan pembagian kota dan desa. Semua model ini memasukkan aspek lainnya seperti gas rumah kaca dan CDM yang lebih populer. Meski sudah banyak karakteristik sudah sesuai dengan Indonesia, namun karakteristik penting lainnya seperti kehandalan infrastruktur energi, perubahan struktur ekonomi, investasi, subsidi dan terutama ekonomi informal dan transaksi non moneter kurang diakomodir oleh model yang sudah ada. Hal ini disebabkan model itu sendiri umumnya dikembangkan dengan tujuan khusus dan tidak dibuat untuk menyelesaikan permasalahan yang diluar lingkupnya. Berdasarkan kriteria dan aspek dalam pemodelannya, model energi memiliki karakteristik yang berbeda seperti yang ditunjukkan dengan tabel 2. Berdasarkan tabel tersebut, apabila ditinjau dari kriteria kemudahan, struktur ekonomi dan masyarakat, dan kebutuhan data maka model yang paling optimal untuk digunakan untuk negara berkembang seperti Indonesia adalah model bottom-up accounting dan model hibrid. Sementara model top-down dan bottom-up optimisasi kurang memenuhi karakteristik negara berkembang. Salah satu alasan kenapa pendekatan top-down tidak sesuai dengan kondisi negara berkembang seperti Indonesia karena perilaku pasar memiliki pengaruh yang sangat terbatas terhadap konsumsi energi karena energi yang dominan digunakan adalah biomassa tradisional yang bersifat non-komersil. Hal ini disebabkan batasan definisi energi kurang jelas (seperti pembatasan energi tradisional). Demikian juga dengan aspek teknologinya. Selain itu sebagian besar sektor ekonomi bersifat informal dan non moneter. Indeks agregat ekonomi kurang kaitannya dengan distribusi pendapatan, standar hidup, kebutuhan dan pasokan energi.


Tabel 2. Perbandingan Model Energi Berdasarkan Pendekatannya

Kriteria Cakupan Wilayah Cakupan Aktifitas Level Disagregasi

Bottom-up (Optimisasi) Lokal sampai global (kebanyakan nasional) Sistem energi, lingkungan dan perdagangan Tinggi

Bottom up (Accounting) Nasional tetapi dapat juga regional

Top Down

Hibrid

Nasional

Nasional atau global

Sistem energi dan lingkungan

Sistem energi dan lingkungan Bervariasi Bervariasi (umumnya terbatas)

Sangat rumit

Sistem energi, lingkungan dan perdagangan Tinggi Sangat luas (umumnya belum ditentukan) Detail sampai sangat detail Sangat rumit

Kebutuhan Data

Sangat Detail

Kebutuhan Skill Kemampuan analisis kebijakan terkait harga

Sangat rumit

Tinggi Sangat luas (umumnya belum ditentukan) Fleksibel dari terbatas sampai sangat detail Rumit

Baik

Tidak ada

Baik

Ada (Cukup)

Baik

Sangat baik

Sangat baik

Sangat baik

Terbatas

Mengakomodir

Terbatas

Terbatas

Mampu

Mampu

Sulit

Terbatas

Sulit Jangka menengah sampai panjang Solver LP yang sangat rumit

Mampu Jangka menengah sampai panjang

Cakupan Teknologi

Kemampuan analisis kebijakan non harga Energi Pedesaan Penambahan Teknologi Baru Sektor Informal Horizon Waktu Kebutuhan Software Penghitungan

Sangat luas

Tidak perlu

Detail

Sulit Sulit Jangka pendek sampai Jangka menengah panjang sampai panjang Software khusus Membutuhkan Software ekonometrik

Alasan lainnya adalah karena pendekatan ini mengasumsikan tren data historis yang terus berlanjut dengan kondisi sama. Hal ini kurang realistis karena pertumbuhan penduduk dan ekonomi akan mempengaruhi penggunaan energi yang lebih banyak dibandingkan dekade sebelumnya. Kekurangan lainnya dari model topdown mengabaikan perubahan struktur ekonomi dan masyarakat seperti halnya gaya hidup, urbanisasi dan perubahan teknologi yang lazim terjadi di negara berkembang. Berdasarkan hasil diskusi dalam Forum Group Discussion pada bulan Juli 2013 disimpulkan bahwa pemodelan top-down dengan input-output lebih cocok untuk evaluasi kebijakan energi jangka pendek dibandingkan jangka panjang karena hanya menggambarkan struktur ekonomi di satu titik waktu. Selain itu pemodelan top-down terutama pemodelan dengan metode ekonometrika menuntut ketersediaan data yang detail dan akurat yang umumnya menjadi kendala utama untuk pemodelan di negara berkembang. Untuk dapat mendapatkan hasil yang meyakinkan, diperlukan data yang banyak dengan periode waktu yang cukup panjang. Tingkat kedetailan dan keakuratan data akan sangat menentukan kualitas model. Sementara khusus untuk model top-down dengan pendekatan ekonomi ekuilibrium, Shukla (1995) mengkritisi keterbatasan penggunaannya untuk negara Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi 43

berkembang karena kondisi pasar negara berkembang yang jauh dari kondisi seimbang secara konstan dalam jangka waktu panjang. Melalui pendekatan keseimbangannya, model CGE mengabaikan aspek efisiensi energi, gap dari delay penyesuaian dan kegagalan pasar. Selain itu, seperti kebanyakan model makroekonomi, model CGE tidak memperhitungkan teknologi yang mungkin penting dan berpengaruh untuk evaluasi kebijakan. Selanjutnya pemanfaatan model bottom-up optimisasi untuk perencanaan energi secara menyeluruh di negara berkembang seperti Indonesia akan kurang optimal. Hal ini disebabkan oleh tujuan dari model itu sendiri untuk menghasilkan biaya investasi terendah (optimal) dengan asumsi pasar yang sempurna sementara pada kenyataannya hal itu sulit didapatkan pada negara berkembang. Dari struktur ekonominya, aktifitas ekonomi di negara berkembang masih didominasi oleh sektor informal dan non moneter yang tidak tercatat. Selain itu, penduduk yang menjadi konsumen energi juga sebagian besar masih menggunakan energi tradisional dan belum memiliki akses energi modern yang cukup. Selain itu kebutuhan data yang sangat detail dan kerumitan penghitungan yang membutuhkan skill yang tinggi dan software khusus yang canggih. Berdasarkan pengalaman BPPT yang dipaparkan pada FGD bulan Juli 2013, dalam pengembangan perencanaan energi menggunakan model optimasi Markal setidaknya dibutuhkan minimal 2 orang pakar energi yang memahami karakteristik sistem energi dan perkembangan teknologi secara terus menerus selama satu tahun dalam mensupervisi tim pengembangan perencanaan energi. Walau demikian, beberapa pihak mengakui kehandalan model optimasi ini dalam perencanaan energi sektor tertentu dengan karakteristik teknologi yang sudah diketahui seperti halnya perencanaan energi sektor transportasi yang telah dikembangkan oleh Pusat Studi Energi (PSE) UGM untuk tahun 2005-2025. Dalam pengembangan model tersebut, PSE UGM menghimpun semua pakar yang memahami teknologi di antaranya dari aspek transportasi dan energi. Sebaliknya, model ini kurang dapat mensimulasikan permintaan energi dari sektor jasa dan rumah tangga dengan baik karena keterbatasan informasi biaya teknologi yang tersedia. Selain itu, model optimasi kurang fleksibel dalam mengakomodir fakta bahwa pasar sebenarnya tidak sempurna dan terdapat banyak


hambatan dalam pasar energi final sehingga seringkali hasil proyeksi penyediaan dan konversi energi kurang realistis dan tidak sesuai dengan permintaan energi. Model optimasi menggunakan linear programming untuk mengidentifikasi konfigurasi least-cost sistem energi berdasarkan pada berbagai batasan (contoh target emisi CO2). Pemilihan teknologi berdasarkan biaya relatif. Adapun kelebihan dari dari model optimasi ini adalah: 

Pendekatan yang kuat dan konsisten untuk analisis seperti backcasting.



Akan sangat berguna jika ada beberapa pilihan batasan Sedangkan kekurangan model optimasi adalah:



Asumsi mendasar yang selalu dipertanyakan, yaitu kompetisi sempurna (contoh, tidak ada monopoli, tidak ada kekuatan pasar, tidak ada subsidi, pasar dalam keadaan seimbang).



Kurang tepat dipakai sebagai simulasi bagaimana sistem bertingkah laku di dunia nyata.



Mengasumsikan energi hanya sebagai satu-satunya faktor pilihan teknologi.



Kurang tepat untuk menguji pilihan kebijakan berkaitan dengan pilihan teknologi. Contoh untuk mengurangi CO2 dapat digunakan (a) hybrid car, atau (b) mobil kecil.



Relatif kompleks, perlu data yang sangat banyak, sangat sulit bagi pemula yang belum mahir. Tidak fleksibelnya model optimasi dalam perencanaan energi ikut melahirkan

model energi simulasi. Sebagai contoh dalam subsektor kelistrikan yang mengalami restrukturisasi dan liberalisasi di sebagian besar negara (Linares et al., 2008) dan karena

itu

beberapa

peneliti

telah

mengembangkan

model

yang

juga

mempertimbangkan iklim kompetisi tidak sempurna (Ventosa et al. (2005). Model simulasi bersifat fleksibel dan memungkinkan aspek seperti perilaku strategis atau kurangnya informasi yang mencerminkan ketidaksempurnaan dan kegagalan pasar. Kelebihan dari model simulasi ini adalah: 

Tidak terbatas pada asumsi tingkah laku yang optimal.




Tidak mengasumsikan energi sebagai satu-satunya faktor yang mempengaruhi pemilihan teknologi. Sedangkan kekurangan model simulasi adalah:



Kompleks dan data intensif.



Hubungan tingkah laku dapat kontroversial dan sukar dibuat parameternya.



Peramalan masa datang akan sangat sensitif dalam memulai menentukan kondisi dan parameter. Accounting frameworks dapat dianggap sebagai bentuk sederhana dari

model simulasi yang yang bertujuan untuk menjelaskan aliran fisik dan ekonomi dari sistem energi (Heaps, 2002; Mundaca dan Neij, 2009). Model jenis ini menghitung hasil dari pembangunan yang diasumsikan (yaitu dari skenario sebagai sekumpulan kondisi tertentu atau penetrasi teknologi baru tertentu) dengan cara deskriptif (misalnya pengembangan teknologi yang dihasilkan dari reinvestasi pembangkitan baru, deskripsi saat ini dalam teknologi energi) atau secara preskriptif (misalnya dampak dari teknologi tinggi yang efisien atau energi terbarukan yang dihasilkan dari satu atau berbagai instrumen kebijakan). Pendekatan ini sering digunakan untuk memproyeksikan permintaan energi masa depan sektor energi final dan emisi terkait. Karena strukturnya yang sederhana, model ini umumnya tidak diterapkan untuk proses pengambilan kebijakan. Model accounting framework lebih cenderung ke arah simulasi kebijakan pada konsumen dan produsen energi. Pemodel menghitung secara eksplisit hasil dari kebijakan. Fungsi utamanya adalah untuk mengolah data dan hasil-hasil. Karakteristik dari pemodelan dengan pendekatan accounting framework adalah: 

Mudah, transparan, fleksibel, dan data lebih sedikit



Asumsi bukan pasar sempurna.



Dapat menguji isu antara pilihan teknologi atau biaya tinggi.



Tidak mengidentifikasi sistem least-cost: kurang bagus untuk sistem yang kompleks dan membutuhkan solusi least cost.




Solusi akhir tidak selalu konsisten (peramalan demand kadang tidak konsisten dengan konfigurasi supply). Karakteristik model bottom-up accounting seperti ini sesuai dengan kondisi

negara berkembang dengan sistem energi yang tidak sepenuhnya dipengaruhi perilaku pasar. Kondisi batasan produksi energi dan juga detail teknologinya dapat secara eksplisit dimodelkan. Selain itu kemampuan model ini dalam memodelkan struktur masyarakat pedesaan dan sektor informal yang umumnya terdapat di negara berkembang cukup dapat diandalkan. Dari aspek kebutuhan data yang umumnya menjadi kendala di negara berkembang, model ini memiliki fleksibilitas yang tinggi. Seperti disebutkan di atas, kekurangan model ini adalah pendorong utama seperti permintaan, perubahan teknologi dan sumber daya bersifat eksogen dan ‘given’ sehingga pemodelan ini kurang dapat menghasilkan analisis dampak perubahan demand dan sumber daya terutama yang disebabkan oleh perubahan harga. Kekurangan lainnya adalah kualitas model tidak dapat dijamin dan akan sangat tergantung pada kualitas kebijakan yang disimulasikan. Jenis model energi lainnya yaitu hibrid berusaha menggabungkan keunggulan dan kekurangan dari masing-masing pendekatan model bottom-up dan top-down melalui pendekatan yang disesuaikan dengan tujuan model, kebutuhan data dan hasil yang diinginkan. Dengan penggabungan ini, model ini lebih bersifat fleksibel sehingga dapat cocok untuk negara berkembang. Sebagai contoh IMAGE/TIMER menggunakan pendekatan top-down untuk memodelkan kebutuhan energi dan pendekatan bottom-up untuk memodelkan penyediaan energinya. Untuk model jenis ini, model dengan pendekatan accounting baik dari jenis model hibrid maupun bottom-up akan menjadi model yang cukup mampu dalam mensimulasikan perencanaan energi di negara berkembang. Berikut adalah beberapa gambaran kriteria model yang menjadi model alternatif dalam mendukung perencanaan energi di Indonesia.


Tabel 3. Kandidat Alternatif Model Energi Untuk Perencanaan Energi Kriteria Pendekatan Cakupan Wilayah

LEAP Bottom-up Accounting Lokal sampai global (kebanyakan nasional)

POLES WEM Hibrid Accounting Hibrid Accounting Global (tetapi dapat juga Global (tetapi dapat juga lokal - nasional) lokal - nasional)

Cakupan Aktifitas

Sistem energi, lingkungan

Sistem energi

Sistem energi

Level Disagregasi

Struktur per sektor

Tidak ditentukan Sangat luas (umumnya belum ditentukan)

Tidak ditentukan Sangat luas (umumnya belum ditentukan)

Sangat Detail

Sangat Detail

Sangat rumit Terbatas

Sangat rumit Banyak

Tidak ada

Baik

Baik

Sangat baik

Sangat baik

Sangat baik

Mampu

Terbatas

Mampu

Mengakomodir

Mengakomodir terbatas

Mengakomodir terbatas

Mampu

Sulit

Sulit

Mampu Mampu (eksplisit) Tidak eksplisit Diakomodir melalui skenario Jangka pendek sampai panjang

Terbatas

Terbatas

Mampu Diakomodir secara implisit Jangka pendek sampai panjang

Mampu Diakomodir secara implisit Jangka pendek sampai panjang

Cakupan Teknologi Kebutuhan Data Kebutuhan Skill Dokumentasi Kemampuan analisis kebijakan terkait harga Kemampuan analisis kebijakan non harga Pembagian Kota dan Desa Energi Pedesaan Penambahan Teknologi Baru Sektor Informal Energy Shortage Subsidi Transisi Ekonomi Horizon Waktu

Menu Pilihan Fleksibel dari terbatas sampai sangat detail Terbatas Sangat banyak


BAB 4 PROYEKSI KEBUTUHAN DAN PENYEDIAAN ENERGI 4.1.

Konsep dan Metodologi Model LEAP Proyeksi kebutuhan dan penyediaan energi Indonesia pada kajian ini

dilakukan

melalui

pendekatan

model

bottom-up

accounting

dengan

mempertimbangkan keunggulan pendekatan ini yang relatif lebih sesuai dengan kondisi sistem energi di Indonesia sebagai negara berkembang. Sebagai tool, pada kajian ini dipilih software LEAP yang saat ini digunakan secara luas untuk analisis kebijakan dan studi mitigasi perubahan iklim yang dikembangkan oleh Stockholm Environment Institute (SEI). Berdasarkan data dari website resminya yaitu www.energycommunity.org pada tanggal 19 Desember 2013, LEAP sudah digunakan di sekitar 191 negara dengan jumlah pengguna terbanyak berasal dari Indonesia sebanyak 1.715 orang dengan pengguna aktif diperkirakan sekitar 200 orang yang disusul oleh China dan India

(Gambar 11). Pengguna model ini mencakup

pemerintahan, akademisi, NGO, konsultan dan perusahaan penyedia energi dengan level penggunaan mulai dari tingkat kota, sampai tingkat global.

Gambar 11. Komposisi Pengguna LEAP di Dunia dan Indonesia Salah satu keunggulan dari LEAP adalah kefleksibelannya tergantung tingkat kesulitan dari perencanaan energi dan kualitas model yang diharapkan. Dengan kefleksibelannya, LEAP dapat dioperasikan mulai dari ahli energi dengan reputasi global yang ingin mendesain kebijakan dan membantu sumbang saran bagi pengambil keputusan sampai pengajar untuk pengembangan kapasitas pemula.


Charlie Heaps (pengembang LEAP) menyatakan bahwa LEAP bukan model sistem energi tertentu, tetapi tidak lebih dari tool yang dapat digunakan untuk mengembangkan model dengan sistem energi berbeda yang masing-masing membutuhkan struktur data tersendiri. Saat ini LEAP dapat mendukung berbagai metodologi modelling yang ada. Dari sisi demand, metodologinya dapat berupa pendekatan bottom-up dengan teknik ‘accounting’ end user atau pendekatan topdown makroekonomi. Dari sisi suplai, LEAP mendukung metodologi simulasi dan accounting yang cukup baik untuk memodelkan perencanaan tenaga listrik tetapi cukup fleksibel dan transparan. Kemampuan model LEAP berada di dua cara. Pertama, LEAP dapat menghitung semua input data energi, emisi dan penghitungan biaya manfaat yang ditimbulkan. Yang kedua, pengguna dapat memasukkan suatu rumus atau ekspresi yang dapat digunakan untuk menspesifikasikan data antar waktu, menghitung dari variabel berbeda sehingga memungkinkan dilakukannya pendekatan ekonometrik dan simulasi secara bersamaan. Pada versi terbaru mulai tahun 2011, pendekatan model juga diperkaya oleh pendekatan optimasi pada cabang penyediaan listrik. Secara jangkauan waktu, LEAP dikhususkan untuk perencanaan jangka menengah sampai jangka panjang. Pemodelan mencakup periode masa lalu (historis) yang dikenal “Current Account” dan bermacam skenario ke depan. Umumnya model menggunakan periode peramalan antara 20 sampai 50 tahun. Beberapa aspek diperhitungkan dalam level yang lebih detail. Sebagai contoh, LEAP dapat membedakan waktu dalam satu unit waktu ke dalam berbagai “time slice” berdasarkan karakteristik tertentu misalnya musim/cuaca atau jam-jam tertentu atau hal lainnya. Pembagian ini bertujuan untuk mengakomodir karaktersitik beban atau kebutuhan energi yang memiliki karakteristik berbeda tiap slicenya. LEAP didesain untuk mendesain analisis skenario yang panjang. Secara garis besar, skenario adalah rangkaian perkiraan bagaimana sistem energi berubah tiap waktunya. Dengan LEAP, analis kebijakan dapat menciptakan dan mengevaluasi skenario alternatif dengan membandingkan kebutuhan energi, biaya, manfaat sosial dan dampak terhadap lingkungan. Pengatur skenario pada LEAP dapat digunakan untuk mensimulasikan langkah kebijakan yang akan dilakukan yang kemudian dapat dikombinasikan


dengan skenario lain ke dalam satu skenario berbeda yang terintegrasi. Pendekatan ini memungkinkan pembuat kebijakan menganalisis dampak dari kebijakan baik secara masing-masing atau ketika kebijakan itu diterapkan dengan kebijakan lainnya. Keunggulan utama dari LEAP adalah kebutuhan data awal yang fleksibel mulai dari yang sederhana sampai rumit. Tool model dengan metode optimisasi cenderung membutuhkan data yang sangat rumit karena memerlukan semua teknologi didefinisikan baik dalam hal karakteristik operasinya maupun biayanya. Model-model itu juga membutuhkan tingkat penetrasi pasar yang akurat. Seringkali kebutuhan data seperti ini memerlukan waktu yang tidak sedikit dan memerlukan tingkat kepakaran yang tinggi. Sebaliknya LEAP mengandalkan prinsip ‘accounting’ yang sederhana dan karena banyak aspek LEAP bersifat opsional maka kebutuhan datanya relatif rendah. Selain itu, LEAP dapat diperoleh dengan mudah, karena merupakan software yang tidak berbayar untuk kegiatan non profit (pendidikan, pemerintahan, penelitian, dan lainnya.). Disamping itu, hasil dari LEAP akan memberikan gambaran posisi ketahanan energi nasional saat ini dan masa mendatang. Selanjutnya, hasil studi ini menjadi referensi dan alat bantu dalam penyusunan rencana dan strategi pembangunan energi Indonesia untuk periode 2015-2019. 4.2.

Struktur dan Metode Penghitungan Model LEAP Struktur model LEAP mengikuti sistem dan arus energi yang terdapat dalam

Referrence Energy System (RES) seperti yang terdapat dalam gambar 12. Oleh karenanya struktur dalam model proyeksi kebutuhan dan penyediaan energi akan terdiri dari 4 (empat) modul utama dan 3 (tiga) modul tambahan. Modul utama adalah modul-modul standar yang umum digunakan dalam pemodelan energi, yaitu: i) Key Assumptions, ii) Demand, iii) Transformation, dan iv) Resources. Modul tambahan adalah pelengkap terhadap modul utama jika diperlukan, yaitu: i) Statistikal Differences, ii) Stock Changes, dan iii) Non Energi Sektor Effects.


Proyeksi)Kebutuhan)&)Pasokan)Energi) Energi'Primer'

Transformasi'

Minyak)bumi)

Kilang)minyak)

Energi'Final'

Demand'Energi'

BBM) Rumah)Tangga) Gas)bumi)

Gas)bumi)

Batubara)

Batubara)

Komersial)

Tenaga)air) Pembangkit)) Listrik)

Listrik)

Industri)

Panasbumi) Energi)) terbarukan)

Energi) )terbarukan)

Gambar 12. Referrence Energy System (RES) 4.3.

Transportasi)

4)

Pengaturan Skenario Seperti telah diuraikan sebelumnya bahwa skenario merupakan rangkaian

perkiraan bagaimana sistem energi berubah tiap waktunya pada kondisi aspek sosial ekonomi dan kebijakan tertentu. Pengaturan skenario pada model LEAP menjadi sangat krusial dan dapat dikatakan menjadi aspek pokok dari model LEAP. User dapat menggunakan skenario untuk menjawab berbagai pertanyaan hipotesa seperti apa yang akan terjadi bila kebijakan efisien diterapkan, apa yang akan terjadi jika pengembangan pembangkit dilakukan dengan cara berbeda, apa yang terjadi bila transportasi massal dikembangkan dan banyak pertanyaan lainnya. Skenario ini didasarkan pada skenario ”Current Account” merupakan kondisi saat ini. Current Account dapat merupakan data satu titik mapun berupa data time series. Skenario di LEAP mengandung semua faktor yang dapat berubah sepanjang waktu termsuk hal-hal yang diakibatkan intervensi kebijakan dan yang merefleksikan asumsi sosial ekonomi yang berbeda. 4.3.1. Skenario DASAR Skenario DASAR mengacu kepada data-data sepuluh tahun terakhir dan data tahun 2011 dianggap sebagai data dasar. Tabel 4 memperlihatkan asumsi dasar yang digunakan untuk memproyeksi kebutuhan energi. Pertumbuhan GDP mengikuti masukan dari Direktorat Perencanaan Makro Bappenas, yakni 012: 6.23 persen yang kemudian melambat menjadi 5.7 persen di tahun 2013. Mulai tahun 2014, pertumbuhan ekonomi berakelerasi dari 5.9 persen menjadi 7 persen di tahun 2019.


Untuk pertumbuhan penduduk proyeksi mengikuti proyeksi penduduk BAPPENAS dan BPS (2012), dimana laju pertumbuhan akan mencapai 1.29 persen pada kurun waktu 2012-2015, dan selanjutnya akan menurun menjadi 1.1 persen pada tahun 2015-2020 dan menjadi 0.95 persen sampai dengan tahun 2024 dan 0.78 persen di tahun 2015 dan seterusnya. Porsi penduduk miskin akan menurun menjadi 8 persen di tahun 2015 dan 6 persen di tahun 2019. Kontribusi sektor industri pengolahan non migas terhadap PDB harga konstan 2000 diproyeksikan akan semakin meningkat dari 23.81 persen di tahun 2011 menjadi 24.40 persen di tahun 2015 dan 24.96 persen di tahun 2019. Sementara kontribusi sektor komersial juga akan meningkat dengan elastisitas sebesar 0.137 (rata-rata elastisitas tahun 2000-2011) terhadap pertumbuhan ekonomi. Pertumbuhan jumlah sektor transportasi mengikuti pertumbuhan GDP per kapita dengan tingkat elastisitas: i) mobil penumpang sebesar 1.77; ii) sepeda motor sebesar 2.37. Sementara untuk moda transportasi lainnya mengikuti pertumbuhan GDP yaitu dengan tingkat elastisitas: i) bis sebesar 2,24; ii) truk sebesar 1,3; iii) angkutan asdp sebesar 0,76; iv) kerata api sebesar 0,91; v) angkutan laut 0,008; dan vi) angkutan udara 0.98. Perkembangan intensitas energi di sektor end user disesuaikan dengan data historis yang dikalibrasi dengan data dari Pusdatin ESDM. Untuk pemanfaatan BBM Blending4 hanya dimanfaatkan pada sektor transportasi. Sementara untuk penyediaan energi proyeksi dilakukan sesuai dengan trend data historis 2000-2011 (handbook KESDM), seperti produksi minyak bumi mengalami penurunan sebesar 4.03% per tahun, produksi gas bumi naik sebesar 1.06% per tahun sampai tahun 2019 (tahun puncak produksi gas), produksi batubara meningkat secara logaritmik. Sementara produksi energi listrik didasarkan pada simulasi dari kapasitas yang direncanakan dalam RUPTL 2012-2021. Prosentase losses transmisi dan distribusi akan berkurang sebesar 2.57% per tahun dari tahun sebelumnya. Proyeksi kelistrikan setelah tahun 2021 dilakukan dengan mengekstrapolasi berdasarkan data progres antara 20112021. Untuk produksi kilang akan menurun sebesar 1.26% per tahun, hal ini

4

BBM yang dicampurkan dengan Bahan Bakar Nabati (BBN) seperti biodiesel atau bioethanol. Produk akhir dari proses pencampuran ini saat ini dikenal dengan nama pasar Biosolar dan Biopremium. Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi 53

disebabkan karena berkurangnya produktifitas kilang seiring dengan semakin tuanya mesin-mesin dan peralatan kilang minyak. Skenario dasar ini lebih bersifat Business as Usual (BAU) yang artinya skenario ini mendasarkan pada tren statistik tanpa melakukan langkah dan kebijakan yang signifikan dalam sektor energi. Oleh karenanya pada penyediaan energi, skenario ini belum memasukkan kebijakan EBTKE yang tercermin pada draft roadmap EBTKE yang saat ini dalam tahap finalisasi dan kebijakan peningkatan produksi migas. Di level demand, skenario ini belum memasukkan kebijakan konversi BBG dan gas rumah tangga. Secara umum asumsi dasar yang terdapat pada simulasi model LEAP nasional dapat dilihat pada tabel berikut ini Tabel 4. Asumsi Skenario Dasar Model LEAP Nasional PARAMETER

ASUMSI

Data Dasar 2011

Sudah diverifikasi berdasarkan data Handbook of Energy dari Pusdatin KESDM tahun 2012 dengan metode backward casting

Pertumbuhan GDP

Berdasarkan proyeksi skenario medium masukan dari Direktorat Perencanaan Makro, Deputi Bidang Ekonomi Bappenas yaitu 2012: 6.23%, 2013: 5.7%, 2014: 5.9%, 2015: 6.1%, 2016: 6.3%, 2017: 6.5%, 2018: 6.7%, 2019: 7%)

Pertumbuhan penduduk

Mengikuti Proyeksi Penduduk Bappenas-BPS : 2012- 2015 : 1.29%, 2015-2020 : 1.1%, 2020-2025 : 0.95% 2025 dan seterusnya, 0.78%

Struktur ekonomi (PDB)

Porsi Sektor Industri Pengolahan Non Migas di PDB harga konstan 2000 berdasarkan proyeksi skenario medium masukan dari Direktorat Perencanaan Makro, Deputi Bidang Ekonomi Bappenas yaitu Interp( 2012: 23.85%, 2013: 24.04%, 2014: 24.21%, 2015, 24.02%, 2016, 24.56%, 2017, 24.72%, 2018, 24.86%, 2019, 24.96%, 2025, 26%) Porsi Sektor Komersil di PDB harga konstan 2000 tumbuh dengan elastisitas 0.137 terhadap pertumbuhan PDB

Demand rumah tangga

Data aktivitas dan intensitas energi bersumber pada raw data susenas Porsi Penduduk miskin akan menurun menjadi 8 persen di tahun 2019 dan 6 persen di tahun 2025 (Masukan Deputi Ekonomi Bappenas)

Pertumbuhan sektor transportasi

Mengikuti pertumbuhan GDP/kapita dengan tingkat elastisitas : • Kendaraan penumpang 1.77 • Motor 2.37 Mengikuti pertumbuhan GDP dengan tingkat elastisitas : • Truk, 1.3, Bus, 2.24, Kereta Api, 0.91, ASDP, 0.76, Laut, 0.008 dan Udara 0.97

Intensitas Energi per Sektor

Proyeksi intensitas berdasarkan perkembangan intensitas energi yang dikalibrasi data time series 20002011 Pusdatin ESDM.

Produksi Minyak Bumi

Menurun rata-rata sebesar 4.03 persen per tahun

Pasokan Gas Bumi

Naik rata-rata sebesar 1.06 persen per tahun sampai tahun 2019 (tahun puncak produksi gas) yang selanjutnya akan terus menurun 4.03 persen

Produksi Batubara

Proyeksi Logaritmik dari Data Historis Pusdatin KESDM 2000-2011 dengan rata-rata pertumbuhan 5 persen per tahun

Penyediaan Tenaga Listrik

Simulasi Berdasarkan pengembangan pembangkit listrik yang bersumber RUPTL PLN 2012-2021


4.4.

Hasil Simulasi Model LEAP Nasional (Skenario Dasar)

4.4.1 Kebutuhan Energi Final Pada skenario DASAR, kebutuhan energi final di tahun 2025 akan mencapai 2.442 juta SBM atau lebih dari 2 kali kebutuhan energi final pada tahun 2011. Pada kurun RPJMN tahap III (2015-2019), kebutuhan energi final akan berkisar dari 1.363 sampai 1.689 juta SBM atau rata-rata meningkat dengan laju pertumbuhan sebesar 5.5 persen per tahun. Sebagai penggerak ekonomi nasional, kebutuhan energi sektor industri diperkirakan terus meningkat dan mendominasi total kebutuhan energi final yang kemudian diikuti oleh kebutuhan energi sektor transportasi sebagai sektor pendukung kegiatan ekonomi. Pada skenario DASAR, konsumsi energi sektor industri akan terus meningkat dari 359 juta SBM pada tahun 2011 menjadi 970 juta SBM di tahun 2025. Antara tahun 2015 sampai 2019 konsumsi energi sektor ini meningkat dari 452 juta SBM di tahun 2015 menjadi 602 juta SBM di tahun 2019 dengan laju pertumbuhan rata-rata 7.44 persen pertahun. Tingginya pertumbuhan konsumsi industri ini didorong antara lain oleh kebijakan dan program hilirisasi di sektor industri yang berbasis sumber daya alam seperti industri pengolahan kelapa sawit, industri pengolahan mineral logam dan mineral industri serta komoditas lainnya. Sementara itu, konsumsi sektor transportasi meningkat dari 277 juta SBM di tahun 2011 menjadi 693 juta SBM di tahun 2025. Antara tahun 2015-2019 konsumsi energi pada sektor transportasi akan berkisar dari 335-431 juta SBM dengan laju pertumbuhan rata-rata 6.49 persen per tahun. Dengan kondisi di atas, pangsa konsumsi energi sektor industri meningkat secara signifikan dari 32.28 persen pada tahun 2011 menjadi dan 39.74 persen di tahun 2025. Pada tahun 2015-2019 pangsa konsumsi energi sektor industri berkisar 33.14-35.65 persen. Sementara pangsa konsumsi energi sektor transportasi pada periode 2011 sampai 2025 akan terus meningkat sampai 28 persen. Sementara untuk sektor komersial, walaupun jumlah konsumsi energinya relatif kecil namun terjadi peningkatan yang signifikan yang bahkan menjadi yang tertinggi dari sektor lainnya. Di tahun 2025, jumlah konsumsi energi untuk sektor komersial diperkirakan akan terus meningkat menjadi 95 juta SBM. Pada tahun 2015-2019, konsumsi energi sektor ini berkisar 45-60 juta SBM dengan laju pertumbuhan rata-rata 7.71 persen per tahun. Hal sebaliknya terjadi pada sektor


rumah tangga yang mengalami pertumbuhan paling kecil yaitu 2.23 persen per tahun sampai tahun 2025. Hal ini menyebabkan penurunan pangsa kebutuhan energi yang cukup signifikan terjadi pada sektor rumah tangga dari 28.76 persen di tahun 2011 menjadi 17.86 persen di tahun 2025. Penurunan ini selain karena penetrasi teknologi yang lebih efisien juga disebabkan akan berkurangnya konsumsi energi tradisional biomassa (kayu bakar) seiring dengan peningkatan kesejahteraan masyarakat. Secara lengkap, perkembangan konsumsi energi final dan perkembangan pangsa berdasarkan sektor pengguna energi sampai tahun 2025 dapat dilihat pada gambar berikut ini. (Dalam juta SBM)

(Dalam Persen)

3000 2500 2000

3.89

1500

8.62 10.14 10.66 8.84

17.86 23.52 26.6 28.76

3.58 3.292.96

1000 500 0

2011

2015

2019

2025

Non Energi

98.41

145.41

171.34

210.58

Energi Lainnya

24.82

23.39

26.81

36.22

Energi Komersial

32.93

44.91

60.46

95.1

Energi Transportasi

277.39

335.14

430.97

693.4

Energi Industri

359.27

451.9

602.15

970.55

Energi Rumah Tangga

320.1

362.73

397.2

436.15

28.39 24.92 25.52 24.58

2011 32.28 33.14 35.65

39.74

2025

Energi Rumah Tangga

Energi Industri

Energi Transportasi

Energi Rumah Tangga

Energi Industri

Energi Transportasi

Energi Komersial

Energi Lainnya

Non Energi

Energi Komersial

Energi Lainnya

Non Energi

Gambar 13. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Sektor Pengguna Sampai Tahun 2025 (Skenario DASAR) Berdasarkan jenis energi finalnya, Bahan Bakar Minyak (BBM) masih mendominasi pemanfaatan energi final. Sampai tahun 2025, pemanfaatannya terus meningkat menjadi 752 juta SBM. Pada tahun 2015-2019, konsumsi BBM meningkat dari 476 juta SBM menjadi 564 juta SBM dengan laju pertumbuhan ratarata 4.33 persen per tahun. Walau demikian, pangsa BBM cenderung akan menurun dari 38.18 persen di tahun 2011 menjadi 30.82 persen di tahun 2025. Pangsa BBM di tahun 2015 sampai 2019 akan menurun dari 34.92 persen menjadi 33.40 persen. Peningkatan yang cukup signifikan terjadi pada konsumsi energi BBM Blending, gas dan listrik. Sampai tahun 2025, konsumsi BBM Blending akan terus meningkat menjadi 256 juta SBM. Pada tahun 2015-2019, konsumsi BBM meningkat dari 76 juta SBM menjadi 121 juta SBM dengan laju pertumbuhan ratarata 12.15 persen per tahun. Dengan kondisi tersebut, pangsa BBM Blending akan


meningkat dari 4.19 persen di tahun 2011 menjadi 10.48 persen di tahun 2025. Pangsa BBM Blending di tahun 2015 sampai 2019 akan meningkat dari 5.59 persen menjadi 7.15 persen. Pada gas, konsumsinya akan meningkat menjadi 436 juta SBM di tahun 2025. Pada tahun 2015-2019, konsumsi gas akan berkisar 204-274 juta SBM dengan laju pertumbuhan rata-rata 7.62 persen per tahun. Pertumbuhan yang cukup pesat ini menyebabkan peningkatan pangsa gas yang cukup signifikan dari hanya 10.89 persen di tahun 2011 menjadi 14.96 persen di tahun 2015 dan 16.20 persen di tahun 2019. Sementara itu, pemanfaatan listrik juga akan meningkat menjadi 314 juta SBM atau 517 ribu Gwh di tahun 2025. Pada tahun 2015-2019, konsumsi listrik akan berkisar 140-201 juta SBM atau 231-332 ribu Gwh dengan laju pertumbuhan rata-rata 10.11 persen per tahun. Dengan kondisi tersebut, konsumsi energi listrik per kapita akan meningkat dari 654 kwh/kapita di tahun 2011 menjadi masing-masing 905 kwh/kapita, 1248 kwh/kapita dan 1849 kwh/kapita di tahun 2015, 2019 dan 2025. Pangsa energi listrik juga akan meningkat dari 8.71 persen di tahun 2011 menjadi 12.88 persen di tahun 2025. Untuk batubara, seluruhnya konsumsinya berasal dari sektor industri yang diperkirakan akan meningkat menjadi 406 juta SBM atau 95 juta ton di tahun 2025. Pada tahun 2015-2019, konsumsi batubara akan berkisar 189-254 juta SBM atau 4459 juta ton dengan laju pertumbuhan rata-rata 7.62 persen per tahun sehingga akan menyebabkan peningkatan pangsa batubara dari 12.96 persen di tahun 2011 menjadi 13.88 persen di tahun 2015 dan 16.64 persen di tahun 2019. Sementara untuk energi terbarukan yang didominasi oleh penggunaan biomassa tradisional berupa kayu bakar akan menurun menjadi 276 juta SBM di tahun 2025. Pada tahun 2015 sampai 2019, konsumsinya berkisar 277- 275 juta SBM dengan pertumbuhan rata-rata hanya -0.22 persen per tahun. Oleh karenanya pangsa EBT ini akan mengalami penurunan dari 25.07 persen di tahun 2011 menjadi 20.36 persen di tahun 2015 dan 16.29 persen di tahun 2019. Secara lengkap, perkembangan konsumsi energi final dan perkembangan pangsa berdasarkan jenis energi sampai tahun 2025 dapat dilihat pada gambar berikut ini.


(Dalam juta SBM)

(Dalam Persen)

3000 2500

12.88 11.93 10.29 8.71

2000 1500

10.89 14.96 16.2 17.87

1000 500 0

2011

2015

2019

2025

Listrik

96.93

140.29

201.53

314.46

Gas Bumi

121.2

204.01

273.68

436.29

EBT

279.05

277.58

275.15

276.25

BBM Blending

46.58

76.28

120.68

255.99

BBM

424.89

476.08

564.12

752.64

Batubara

144.26

189.23

253.77

406.37

Batubara

16.64 15.03 13.88 12.96

BBM

BBM Blending

EBT

Gas Bumi

Listrik

25.07 20.36 16.29 11.31

2025 Batubara

BBM

2011

38.18 33.4 34.92 30.82

4.19 5.59 7.15 10.48

BBM Blending

EBT

Gas Bumi

Listrik

Gambar 14. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi Sampai Tahun 2025 (Skenario DASAR) 4.4.1.1 Kebutuhan Energi Final Sektor Rumah Tangga Pemanfaatan energi final yang digunakan di sektor rumah tangga di tahun 2025-2019 masih akan di dominasi oleh energi biomassa tradisional yaitu kayu bakar. Walau demikian, porsi pemanfaatannya akan semakin berkurang seiring dengan perkembangan kesejahteraan terutama didaerah pedesaan yang menyebabkan pergeseran pemanfaatan energi final dari biomassa (kayu bakar) ke energi lainnya seperti LPG dan listrik. Sampai tahun 2025, pemanfaatan biomassa diperkirakan terus menurun dari 234 juta SBM di tahun 2011 menjadi 223 juta SBM. Pada tahun 2015-2019, pemanfaatannya akan berkisar antara 234.5-229 juta SBM dengan pertumbuhan ratarata -0.53 persen per tahun. Hal ini menyebabkan penurunan pangsa biomassa dari 73.07 persen di tahun 2011 menjadi 51.31 persen di tahun 2025. Sementara pemanfaatan minyak tanah akan mengalami penurunan drastis seiring dengan program konversi minyak tanah ke LPG yang diperkirakan akan mencakup seluruh Indonesia pada tahun 2015. Oleh karenanya mulai tahun 2016, tidak ada lagi pemanfaatan minyak tanah di sektor rumah tangga. Sebagai konsekuensi dari hal tersebut, pemanfaatan LPG akan meningkat cukup drastis. Pada tahun 2025, konsumsi LPG akan mencapai 84.5 juta SBM atau 9.91 juta ton. Antara tahun 2015 sampai 2019, konsumsi LPG akan berkisar antara 65-77 juta SBM atau 7.6-9 juta ton dengan laju pertumbuhan 4.57 persen per tahun. Hal ini menyebabkan pangsa LPG


akan mengalami peningkatan secara signifikan dari 11.14 persen di tahun 2011 menjadi 19.39 persen di tahun 2025. Pertumbuhan yang cukup signifikan juga terjadi pada listrik dimana konsumsinya akan meningkat menjadi 128 juta SBM atau 210 ribu Gwh di tahun 2025. Pada tahun 2015-2019 konsumsi listrik untuk rumah tangga akan berkisar 6477 juta SBM atau 101-148 ribu Gwh dengan pertumbuhan rata-rata 10.18 persen per tahun. Kondisi ini mengakibatkan pangsa listrik mengalami pelonjakan yang tinggi dari hanya 12.49 persen di tahun 2011 menjadi 29.26 persen di tahun 2025. Untuk jenis energi lainnya, tidak terjadi peningkatan yang berarti sehingga pangsanya tidak banyak berubah. Secara lengkap, perkembangan konsumsi energi final dan perkembangan pangsa berdasarkan jenis energi di sektor rumah tangga sampai tahun 2025 dapat dilihat pada gambar berikut ini. (Dalam juta SBM) 500 450 400 350 300 250 200 150 100 50 0

(Dalam Persen)

0.01 0.01 22.7 0.02 0.02 12.49 16.87 29.26 3.24 0.61

2011

2015

2019

2025

233.89125

234.50474

229.55517

223.78897

Natural Gas

0.10944

0.12126

0.13326

0.15221

LPG

35.67089

64.64238

77.288

84.55156

Kerosene

10.35679

2.20709

0

0

Electricity

39.99198

61.19938

90.18144

127.62801

Coal Briquettes

0.07913

0.06004

0.0451

0.02887

Wood

2011

51.31

Coal Briquettes

Electricity

Kerosene

LPG

Natural Gas

Wood

57.79 64.65 73.07

0

0.03 17.82

0

19.46 0.03 0.03 19.39

2025 Coal Briquettes

11.14

0.03

Electricity

Kerosene

LPG

Natural Gas

Wood

Gambar 15. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi di Sektor Rumah Tangga Sampai Tahun 2025 (Skenario DASAR) 4.4.1.2 Kebutuhan Energi Final Sektor Industri Pemanfaatan energi final yang digunakan di sektor industri di tahun 20252019 masih akan di dominasi oleh batubara. Sampai tahun 2025, pemanfaatan batubara diperkirakan terus meningkat dari 144 juta SBM di tahun 2011 menjadi 406 juta SBM atau 95 juta ton. Pada tahun 2015-2019, pemanfaatannya akan berkisar antara 189-254 juta SBM atau 44-59 juta ton dengan pertumbuhan rata-rata 7.62 persen per tahun. Walau demikian pangsa batubara di tahun 2011 sampai 2025 cenderung stabil antara 40 sampai 42 persen. Hal ini disebabkan adanya pertumbuhan yang signifikan dari konsumsi gas dan listrik.


Pemanfaatan gas untuk sektor industri diperkirakan akan mengalami peningkatan yang signifikan. Pada tahun 2025, konsumsi gas untuk sektor industri sebagai sumber energi akan mencapai 328 juta SBM. Sementara pada tahun 20152019, konsumsinya diperkirakan akan berkisar antara 128 sampai 185 juta SBM dengan pertumbuhan rata-rata 9.72 persen per tahun. Pesatnya pertumbuhan gas ini akan meningkatkan pangsa gas dari 25.38 persen di tahun 2011 menjadi 33.81 persen di tahun 2025. Pertumbuhan yang cukup tinggi juga terjadi pada konsumsi listrik dimana di tahun 2025 diperkirakan akan mencapai 108 juta SBM atau 177 ribu Gwh. Pada tahun 2015-2019, konsumsi listrik akan berkisar antara 45-63 juta SBM atau 74-105 Gwh dengan pertumbuhan rata-rata 8.97 persen per tahun. Hal ini menyebabkan pangsa konsumsi listrik untuk industri akan mengalami kenaikan dari 9.34 persen di tahun 2011 menjadi 11.10 persen di tahun 2025. Konsumsi energi lainnya yaitu BBM yang didominasi oleh jenis Diesel dan EBT Biomassa (kayu bakar) juga akan meningkat namun dengan tingkat pertumbuhan yang kecil. Hal ini disebabkan oleh makin mahalnya harga BBM sehingga sebagian industri akan cenderung beralih ke batubara dan gas. Selain itu, pertumbuhan industri yang mengandalkan biomassa seperti industri kecil dan menengah yang termasuk kategori industri lainnya cenderung memiliki pertumbuhan yang kecil. Sampai tahun 2025, konsumsi BBM untuk sektor industri akan terus meningkat menjadi 77 juta SBM. Pada tahun 2015-2019, konsumsinya akan berkisar 48-56 juta SBM dengan pertumbuhan rata-rata hanya 3.65 persen per tahun. Hal ini menyebabkan pangsa BBM untuk sektor industri akan mengalami penurunan 12.96 persen di tahun 2011 menjadi 7.97 persen di tahun 2025. Sementara itu, konsumsi biomassa hanya akan meningkat sedikit menjadi 50.93 juta SBM di tahun 2025 dengan pertumbuhan rata-rata 1.09 persen per tahun. Kondisi ini menyebabkan pangsa EBT biomassa akan berkurang dari 12.19 persen di tahun 2011 menjadi 5.25 persen di tahun 2025. Secara lengkap, perkembangan konsumsi energi final dan perkembangan pangsa berdasarkan jenis energi di sektor industri sampai tahun 2025 dapat dilihat pada gambar berikut ini.


(Dalam juta SBM)

(Dalam Persen)

1200 1000

11.1 10.56 9.97 9.34

800 600 400

42.14 40.13 41.86 41.87

2011

30.69 25.38

200 0

2011

2015

2019

2025

33.81

28.22

2025

Listrik

33.55

45.07

63.56

107.78

Gas Bumi

91.19

127.53

184.79

328.17

12.19 9.23

EBT

43.78

41.7

44.16

50.93

7.33

BBM

46.57

48.43

55.91

77.34

Batubara

144.18

189.17

253.72

406.34

Batubara

BBM

EBT

Gas Bumi

Listrik

Batubara

12.96 9.29 10.72 7.97 5.25

BBM

EBT

Gas Bumi

Listrik

Gambar 16. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi di Sektor Industri Sampai Tahun 2025 (Skenario DASAR) 4.4.1.3 Kebutuhan Energi Final Sektor Transportasi Kebutuhan energi sektor transportasi sampai tahun 2025 masih didominasi oleh subsektor transportasi darat. Kebutuhan energi subsektor transportasi darat di tahun 2011 mencapai 242 juta SBM atau 83.76 persen dari total kebutuhan sektor transportasi. Di tahun 2015 dan 2019, kebutuhannya meningkat menjadi 298 juta SBM (88.88 persen) dan 388 juta SBM (89.92 persen). Laju pertumbuhan rata-rata subsektor ini sampai tahun 2025 mencapai 7.12 persen. Subsektor lainnya yang tumbuh cukup cepat adalah subsektor kereta api dan subsektor transportasi udara. Sampai tahun 2025, subsektor kereta api mengalami pertumbuhan rata-rata 6.09 persen per tahun dari 1.29 juta SBM di tahun 2011 menjadi 2.96 juta SBM di tahun 2025. Sementara itu subsektor transportasi udara mengalami pertumbuhan rata-rata sebesar 5.02 persen per tahun dari 21 juta SBM menjadi 42 juta SBM. Pembenahan infrastruktur angkutan udara dan peningkatan pendapatan masyarakat menjadi salah satu faktor pendorong pertumbuahan subsektor angkutan udara. Khusus untuk kereta api, selain sebagai sarana pengangkutan penumpang, kereta api juga berperan vital untuk angkutan barang di masa mendatang khususnya di Pulau Jawa dan Sumatera. Dari jenis energinya, sampai tahun 2025 BBM masih akan mendominasi walaupun terjadi peningkatan signifikan dari BBM Blending. BBM akan tumbuh rata-rata sebesar 4.67 persen dari 230 juta SBM di tahun 2011 menjadi 437 juta SBM


di tahun 2025. Sementara BBM Blending akan meningkat sangat drastis dari 46 juta SBM di tahun 2011 menjadi 256 juta SBM di tahun 2025. Pertumbuhan rata-rata jenis energi ini mencapai 12.94 persen. Tingginya pertumbuhan ini didukung oleh kecenderungan penerimaan pihak konsumen terhadap BBM blending khususnya biosolar. Secara lebih lengkap, berikut ini adalah gambaran perkembangan konsumsi energi sektor transportasi berdasarkan subsektor dan jenis energinya. 800 700 600 500 400 300 200 100 0

800 700 600 500 400 300 200 100 0

2011

2015

2019

2025

Transportasi Darat

242.33

297.86

387.51

634.57

2011

2015

2019

2025

Ang. Udara

21.02

22.67

28.05

41.71

Listrik

0.05

0.08

0.11

0.16

Ang. Laut

11.24

11.2

11.18

11.19

Gas Bumi

0.18

0.18

0.2

0.23

Kereta Api

1.29

1.61

2.04

2.96

BBM Blending

46.58

76.28

120.68

255.99

1.79

2.18

2.97

BBM

309.97

437.02

Ang. SDP Ang. SDP

1.5 Kereta Api

Ang. Laut

Ang. Udara

Transportasi Darat

230.57 BBM

258.59 BBM Blending

Gas Bumi

Listrik

Gambar 17. Proyeksi Konsumsi Energi Final Berdasarkan Sektor Pengguna dan Jenis Energi di Sektor Transportasi Sampai Tahun 2025 (Skenario DASAR) 4.4.1.4 Kebutuhan Energi Final Sektor Lainnya (Komersial, Sektor lainnya dan Bahan Baku) Untuk sektor komersial yang terdiri dari subsektor perdagangan (termasuk hotel dan restauran), keuangan dan jasa, jenis energi yang akan mengalami peningkatan pesat adalah gas dan listrik dengan tingkat pertumbuhan rata-rata masing-masing 13.30 persen per tahun dan 9.09 persen per tahun. Sampai tahun 2025, konsumsi listrik masih akan mendominasi dengan jumlah total 79 juta SBM atau 130 ribu Gwh (82.96 persen dari total energi komersial). Pada tahun 2015-2019, konsumsi listrik akan mencapai 34-48 juta SBM atau 56-79 ribu Gwh (75.55-78.87 persen dari total energi sektor komersial). Sementara konsumsi BBM dan EBT biomassa hanya akan tumbuh masing-masing 0.33 dan 0.88 persen per tahun.


Untuk sektor lainnya5, seluruh energi yang dikonsumsi berasal dari BBM yang didominasi oleh jenis Diesel dan Gasoline. Sampai tahun 2025, konsumsi BBM untuk sektor lainnya akan terus meningkat menjadi 36 juta SBM dengan rata-rata pertumbuhan 2.74 persen per tahun. Jenis BBM yang akan mengalami peningkatan cukup tinggi pada periode itu adalah gasoline dari 4.43 juta SBM menjadi 10 juta SBM dengan pertumbuhan rata-rata 5.99 persen per tahun. Sementara untuk jenis Diesel hanya tumbuh 2.11 persen per tahun dari 19 juta ton di tahun 2011 menjadi 25 juta ton di tahun 2025. Sementara konsumsi komoditi energi sebagai bahan baku untuk industri yang didominasi oleh gas dan produk kilang non BBM diperkirakan akan meningkat dari 98 juta SBM di tahun 2011 menjadi 210 juta SBM di tahun 2025 dengan laju pertumbuhan rata-rata 5.58 persen per tahun. Pemanfaatan gas sebagai bahan baku akan melonjak tajam dari hanya 28.43 juta SBM di tahun 2011 menjadi 100.32 juta SBM di tahun 2025 dengan laju pertumbuhan rata-rata sekitar 9.42 persen per tahun. Hal ini disebabkan tren peningkatan kebutuhan industri untuk bahan baku gas terutama industri pupuk dan petrokimia. Selain itu hal ini didorong juga dengan adanya ‘political will’ dalam draft Kebijakan Energi Nasional yang akan mendorong dan lebih memprioritaskan pemanfaatan gas sebagai bahan baku industri dibanding sebagai sumber energi. Berikut ini adalah gambaran perkembangan konsumsi energi di sektor komersial, sektor lainnya dan sebagai bahan baku untuk energi lainnya. (Dalam juta SBM) 100 90 80 70 60 50 40 30 20 10 0

(Dalam Persen) 11.06 1.61 7.63 14.66 21.04

7.8 2.36 3.08

7.73

6.71 4.17 3.92

2011

2015

2019

2025

Listrik

23.34

33.93

47.67

78.9

Gas Bumi

1.29

3.02

4.67

7.41

EBT

1.37

1.38

1.43

1.54

78.85 75.55

BBM

6.93

6.58

6.69

7.25

82.96

BBM

EBT

Gas Bumi

Listrik

70.87

BBM

EBT

Gas Bumi

Listrik

Gambar 18. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi di Sektor Komersial Sampai Tahun 2025 (Skenario DASAR)

5

Termasuk ke dalam sektor ini : sektor pertambangan, perikanan dan konstruksi Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi 63

(Sektor lainnya, dalam juta SBM) 40 35 30 25 20 15 10 5 0

(Sebagai bahan baku, dalam juta SBM) 120 100.32110.26

100 83.89

80

69.98

87.45

73.17 72.24

60 40

28.43

2011

2015

2019

2025

Kerosene

0.46

0.11

0

0

Gasoline

4.43

5.94

7.41

10.01

2011

2015

2019

2025

Fuel Oil

1.31

0.89

0.93

1.26

Natural Gas

28.43

73.17

83.89

100.32

Automotive Diesel Oil

18.62

16.45

18.47

24.95

Other Oil Product

69.98

72.24

87.45

110.26

Automotive Diesel Oil

Fuel Oil

Gasoline

Kerosene

20 0

Natural Gas

Other Oil Product

Gambar 19. Proyeksi Konsumsi dan Pangsa Energi Final Berdasarkan Jenis Energi di Sektor Lainnya dan Sebagai Bahan Baku Sampai Tahun 2025 4.4.2 Kondisi Penyediaan Energi Untuk memenuhi kebutuhan energi, diperlukan sistem penyediaan energi yang handal. Total Primary Energy Supply (TPES) atau total penyediaan energi utama sampai tahun 2025 akan meningkat menjadi 3183 juta SBM dengan tingkat pertumbuhan rata-rata sebesar 6.14 persen (Tabel 5). Dengan asumsi kapasitas infrastruktur energi yang tidak banyak berubah saat ini, jenis energi batubara, gas bumi dan BBM (termasuk yang blending dengan BBN) akan menjadi pasokan energi yang dibutuhkan. Kondisi ini disebabkan tingkat kebutuhan yang akan sangat tinggi ke depannya dan kapasitas infrastruktur konversi energi saat ini yang masih sangat rendah khususnya untuk BBM. Sebagai konsekuensi, impor beberapa jenis energi akan meningkat diantaranya LPG, BBM dan minyak bumi. Program konversi minyak tanah ke LPG membuat peningkatan tajam dari permintaan LPG. Sementara pada periode yang sama impor BBM terutama dari sektor transportasi akan terus meningkat seiring dengan pertumbuhan ekonomi yang terus membaik dan juga tidak adanya penambahan kilang baru. Di sisi lain pasokan minyak bumi sebagai bahan baku kilang juga terus menurun dari tahun ke tahun. Sedikitnya penemuan lapangan baru berakibat kurangnya pengembangan sumur-sumur baru yang dapat meningkaatkan produksi minyak bumi. Proyeksi jumlah ekspor dan impor secara lengkap dapat


dilihat pada tabel 6 dan tabel 7. Dengan merujuk pada hasil simulasi tersebut, diperkirakan pada tahun 2024, Indonesia akan menjadi net importir. Tabel 5. Proyeksi Total Primary Energy Supply Sampai Tahun 2025 Annual Dalam juta SBM 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 Growth BBM Blending 0 7.01 14.68 21.94 29.7 38.46 48.54 60.24 74.1 89.89 107.89 128.43 151.9 178.72 209.41 0.00% Biomassa (Kayu) 279.17 277.72 278.05 278.6 278.43 278.27 277.86 277.12 276.05 276.74 277.27 277.59 277.7 277.6 277.28 -0.05% Minyak Bumi 248.7 245.97 243.27 240.59 237.95 235.33 232.74 230.18 227.65 225.14 222.67 220.22 217.8 215.4 213.03 -1.10% Listrik 1.54 1.54 1.54 1.54 1.54 1.54 0 0 0 0 0 0 0 0 0 0.00% BBM 203.73 191.74 201.55 213.71 229.78 239.28 253.92 270.37 293.56 319.07 348.29 378.5 410.9 445.68 483.04 6.36% Panas Bumi 16.49 15.55 15.32 15.92 17.83 25.3 35.93 44.95 59.85 70.44 72.57 78.04 83.67 89.5 95.54 13.37% Hidro 31.27 29.33 31.9 34.29 37.58 40.66 51.13 52.73 59.35 67.79 76.76 84.37 92.74 101.94 112.05 9.54% LNG -176.93 -157.43 -150.68 -144.12 -126 -105.73 -100.75 -98.85 -90.13 -85.63 -81.29 -71.27 -67.21 -63.28 -59.49 -7.49% LPG 23.91 33.79 41.72 48.68 54.51 59.25 63.06 66.14 68.67 70.74 72.51 74.06 75.47 76.75 77.95 8.81% Gas Bumi 410.56 432.35 447.23 461.42 471.16 463.8 470.61 479.78 489.45 506.22 527.57 544.21 568.06 595.14 626.05 3.06% Non BBM 54.55 48.28 50.33 52.71 55.45 58.52 61.86 65.41 69.12 72.96 76.89 80.89 84.95 89.05 93.18 3.90% Batubara 308.85 341.89 384.64 427.06 463.26 516.61 571.27 634.61 679.07 726.45 783.84 845.28 910.81 980.75 1055.45 9.17% Total 1401.87 1467.74 1559.54 1652.34 1751.19 1851.29 1966.17 2082.69 2206.76 2339.82 2484.96 2640.33 2806.8 2987.27 3183.51 6.03% Catatan : Nilai positif untuk Jenis Energi Final seperti BBM, BBM Blending, LNG, LPG dan lainnya menunjukkan net impor. Nilai negatif menunjukkan net ekspor

Tabel 6. Proyeksi Jumlah Impor Energi Sampai Tahun 2025

BBM Blending Minyak Bumi Listrik BBM LPG Gas Bumi Non BBM Batubara Total

2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 0 7.01 14.68 21.94 29.7 38.46 48.54 60.24 74.1 89.89 107.89 96.86 96.24 105.03 113.39 121.33 128.88 136.04 142.84 149.29 155.41 161.21 1.54 1.54 1.54 1.54 1.54 1.54 0 0 0 0 0 222.73 190.72 200.05 212.55 229.59 240.58 254.36 270.18 292.89 318.05 347 23.91 33.79 41.72 48.68 54.51 59.25 63.06 66.14 68.67 70.74 72.51 0 59.13 71.2 51.85 34.79 18.46 17.75 0 13.44 50.18 91.97 82.59 48.28 50.33 52.71 55.45 58.52 61.86 65.41 69.12 72.96 76.89 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 0.18 427.83 436.89 484.74 502.84 527.1 545.87 581.79 604.99 667.7 757.41 857.65

Ann. 2022 2023 2024 2025 Growth 128.43 151.9 178.72 209.41 N/A 166.7 171.9 176.81 181.46 4.59% 0 0 0 0 0.00% 377.01 409.27 443.94 481.22 5.66% 74.06 75.47 76.75 77.95 8.81% 128.33 152.59 185.46 236.08 N/A 80.89 84.95 89.05 93.18 0.87% 0.18 0.18 0.18 0.18 0.00% 955.62 1046.25 1150.92 1279.49 8.14%

Tabel 7. Proyeksi Jumlah Ekspor Energi Sampai Tahun 2025

Minyak Bumi BBM LNG Gas Bumi Batubara Total

2011 171.29 30.53 176.94 163.39 1173.79 1744

2012 135.57 19.56 157.43 206.82 1180.76 1700.14

2013 135.57 19.08 150.68 210.17 1192.19 1707.69

2014 135.57 19.42 144.12 182.83 1193.7 1675.65

2015 135.57 20.39 126 162.31 1192.64 1636.92

2016 135.57 21.88 105.73 159.69 1167.09 1589.96

2017 135.57 21.02 100.75 158.58 1134.24 1550.17

2018 135.57 20.39 98.85 138.15 1087.89 1480.85

2019 135.57 19.91 90.13 117.01 1056.6 1419.23

2020 135.57 19.56 85.63 113.08 1019.39 1373.23

2021 2022 2023 2024 135.57 135.57 135.57 135.57 19.29 19.09 18.95 18.84 81.29 71.27 67.21 63.28 110.59 108.3 87.58 73.09 969.83 914.39 853.46 787.04 1316.57 1248.62 1162.77 1077.82

Ann. 2025 Growth 135.57 -1.66% 18.76 -3.42% 59.49 -7.49% 73.35 -5.56% 715.03 -3.48% 1002.2 -3.88%

Secara komposisi, bauran energi Indonesia6 akan berubah dari dominasi BBM ke dominasi batubara. Gambar 20 memperlihatkan bauran energi yang

6

Penghitungan bauran energi tidak menyertakan penghitungan listrik dan BBM blending karena energi tersebut merupakan hasil konversi gabungan dari berbagai jenis energi. Selain itu juga untuk menghindari ‘double counting’ Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi 65

memperhitungkan biomassa tradisional (kayu). Dari tabel tersebut, pada tahun 2011, energi Indonesia masih didominasi oleh BBM sebanyak 37.8 persen yang disusul kemudian oleh EBT berupa biomassa tradisional sebesar 23.5 persen. Batubara dan gas menempati urutan selanjutnya dengan masing-masing 22.1 persen dan 16.7 persen. Sampai tahun 2025, terjadi pergeseran dimana BBM akan semakin berkurang menjadi 33.5 persen di tahun 2015, 30.8 persen di tahun 2019, dan 29.1 persen di tahun 2025. Sementara batubara terutama dengan kecenderungan peningkatan kebutuhan terutama untuk pasokan untuk pembangkit dan industri, akan terus meningkat menjadi 26.9 persen di tahun 2015, 31.8 persen di tahun 2019 dan 35.5 persen di tahun 2025. Porsi EBT sendiri akan semakin berkurang. Hal ini disebabkan jenis energi utama yaitu biomassa tradisional berupa kayu bakar mulai ditinggalkan oleh masyarakat pedesaan seiring dengan peningkatan kesejahteraan. Kondisi serupa juga terlihat pada bauran energi tanpa menyertakan biomassa tradisional (Gambar 21). Yang menarik pada tabel tersebut adalah peningkatan bauran EBT non biomassa dari hanya 4.5 persen di tahun 2011 menjadi 7.8 persen di tahun 2025. Apabila program mandatori BBN yang baru saja diluncurkan pada bulan Oktober 2013 maka angka bauran energi EBT non biomassa pasti akan lebih besar lagi. 4.4.2.1. Penyediaan Energi Listrik Pengembangan

kapasitas

listrik

dilakukan

untuk

memenuhi

target

elektrifikasi rasio 100 persen di tahun 2019. Selain itu pengembangan kapasitas ini dilakukan untuk memenuhi kebutuhan sektor perekonomian dalam mendukung pertumbuhan ekonomi yang diharapkan akan terus meningkat. Merujuk asumsiasumsi pertumbuhan ekonomi yang diambil, kebutuhan tenaga listrik selanjutnya diproyeksikan dan hasilnya seperti yang ditampilkan pada tabel 8. Dari Tabel tersebut dapat dilihat bahwa kebutuhan energi listrik pada tahun 2025 akan menjadi 517 TWh, atau tumbuh rata-rata 8.77 % per tahun. Sedangkan beban puncak pada tahun 2025 akan menjadi 68.970 MW atau tumbuh rata-rata 7.46% per tahun.


Gambar 20. Proyeksi Bauran Energi (Dengan Biomassa) Sampai Tahun 2025 (dalam juta SBM)

Gambar 21. Proyeksi Bauran Energi (Tanpa Biomassa) Sampai Tahun 2025 (dalam juta SBM)


Tabel 8. Perkembangan Kebutuhan dan Beban Puncak Listrik Sampai Tahun 2025 2011 2012 2013 2014 Tahun Pertumbuhan 6.49 6.23 5.70 5.90 Ekonomi (%) Total Kebutuhan 159.53 173.53 190.70 209.75 (Gwh) Beban Puncak 25.19 27.06 29.38 31.92 (GW)

2015

2016

2017

2018

2019

2020

2021

2022

2023

2024

2025

6.10

6.30

6.50

6.70

7.00

7.00

7.00

7.00

7.00

7.00

7.00

254.29 277.85

303.56

331.68 357.27

384.81

414.44

446.33

480.64 517.55

54.01

57.41

61.03

64.88 68.97

230.89 34.70

37.75

41.11

44.32

47.79

50.80

Sampai tahun 2025, total kapasitas pembangkit yang dibangun PLN akan terus meningkat sampai118 GW dengan pertumbuhan rata-rata sebesar 8.08 persen per tahun. Sebagian besar dari kapasitas pembangkit berasal dari PLTU batubara. Pada tahun 2011, pangsa kapasitas PLTU batubara masih 14.84 GW atau sekitar 40 persen dari total pembangkit namun seiring dengan penyelesaian program Fast Track Program 10.000 MW tahap I yang didominasi PLTU Batubara maka akan meningkat menjadi 67 GW atau 56 persen dari total pembangkit di tahun 2025 kapasitas PLTU Batubara dengan pertumbuhan rata-rata dari tahun 2011 sebesar 11.37 persen per tahun. Selain batubara, pembangkit yang akan mengalami peningkatan cukup tinggi adalah PLTP yang berasal dari panas bumi. Pada tahun 2011, kapasitas pembangkit ini mencapai 1216 MW dan diharapkan akan meningkat pada tahun 2025 menjadi 10.400 MW dengan pertumbuhan rata-rata sebesar 16.62 persen per tahun. Pembangkit ini bersama pembangkit PLTA (termasuk pico-mini-mikro hidro) diharapkan dapat menjadi pembangkit yang memenuhi kebutuhan listrik pada kondisi baseload. Pembangkit lainnya yang diharapkan akan meningkat adalah PLT Biomassa yang meningkat dari 40 MW di tahun 2011 menjadi 270 MW di tahun 2025 dengan pertumbuhan rata-rata sebesar 15 persen per tahun. Apabila disertakan dengan pembangkit yang off grid (non PLN), jumlah kapasitas pembangkit ini akan lebih besar lagi dimana pada tahun 2011 saja kapasitas PLT Biomassa (off grid) sudah mencapai 1600 MW. Pembangkit lainnya yang akan dibangun adalah PLTG dan PLTGU yang diplot sebagai pembangkit untuk kondisi medium dan peak load. Gambar dan tabel berikut ini memperlihatkan proyeksi perkembangan kapasitas pembangkit dari masing-masing pembangkit.


Gambar 22. Proyeksi Perkembangan Kapasitas Listrik Sampai Tahun 2025 Tabel 9. Perkembangan Kapasitas Listrik Berdasarkan Jenis Pembangkit Sampai Tahun 2025 Dalam GW PLTU B PLTU G PLTU MFO PLTG PLTGU PLTD PLTA PLTP PLTMG PLT Bayu PLTGB PLTS PLTU Biomasa PLT MSW Total

2011 2012 2013 2014 2015 2016 2017 14.84 19.1 22.2 24.91 27.11 31.81 37.47 0.18 0.18 0.18 0.18 0.18 0.18 0.18 1.3 1.3 1.3 1.3 1.3 1.3 1.3 4.24 4.54 4.95 5.6 7.57 7.71 7.84 8.48 9.22 9.38 9.47 10.02 10.27 10.27 5.47 5.48 5.48 5.48 5.49 5.5 5.5 3.94 4.09 4.33 4.49 4.76 5.34 7.08 1.21 1.32 1.32 1.39 1.57 2.34 3.55 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0 0 0 0 0 0 0 0.04 0.04 0.04 0.04 0.04 0.04 0.04 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.04 0.04 0.06 0.21 0.23 0.23 0.25 0.03 0.03 0.03 0.03 0.03 0.03 0.03 39.95 45.52 49.47 53.28 58.48 64.94 73.69

Berdasarkan

simulasi

model

2018 2019 2020 44.68 47.31 50.26 0.18 0.18 0.18 1.3 1.3 1.3 8.02 8.2 8.23 10.27 10.27 10.27 5.5 5.51 5.52 7.75 8.69 9.62 4.78 6.42 7.66 0.17 0.17 0.17 0 0 0 0.04 0.04 0.04 0.01 0.01 0.01 0.26 0.27 0.27 0.03 0.03 0.03 82.99 88.4 93.56

dari

Annual 2021 2022 2023 2024 2025 Growth 52.5 56.12 59.75 63.37 67.00 11.37% 0.18 0.18 0.18 0.18 0.18 0.00% 1.3 1.3 1.3 1.30 1.30 0.00% 8.31 8.71 9.11 9.50 9.90 6.25% 10.42 10.56 10.71 10.85 11.00 1.88% 5.52 5.54 5.56 5.58 5.60 0.17% 10.25 10.87 11.48 12.09 12.70 8.71% 7.77 8.43 9.09 9.74 10.40 16.62% 0.17 0.17 0.17 0.17 0.17 0.00% 0 0 0 0.00 0.00 0.00% 0.04 0.04 0.04 0.04 0.04 0.00% 0.01 0.01 0.01 0.01 0.01 0.00% 0.27 0.27 0.27 0.27 0.27 15.00% 0.03 0.03 0.03 0.03 0.03 0.00% 96.78 102.23 107.69 113.15 118.60 8.08%

proses

pembangkitan

dengan

memperhatikan perkembangan jumlah kapasitas dan capacity factor dari masingmasing pembangkit maka didapatkan jumlah listrik tersalurkan di tahun 2025 akan mencapai 553 Twh dengan tingkat pertumbuhan rata-rata per tahun 8.21 persen. Sebagian besar produksi listrik dipasok dari PLTU sebanyak 339 Twh atau 61 persen dari total keseluruhan. Gambar dan tabel berkut ini memperlihatkan perkembangan jumlah listrik yang dihasilkan masing-masing pembangkit. Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi 69

Gambar 23. Proyeksi Produksi Listrik Sampai Tahun 2025 Tabel 10. Perkembangan Produksi Listrik Berdasarkan Jenis Pembangkit Sampai Tahun 2025 Dalam GWh PLTU B PLTU G PLTU MFO PLTG PLTGU PLTD PLTA PLTP PLTMG PLT Bayu PLTGB PLTS PLTU Biomasa PLT MSW Total

2011 81 1.16 6.38 11.05 45.21 16.58 12.42 9.37 0.05 0 0 0 0.2 0 183.4

Selain

2012 92.2 1.02 5.64 10.47 43.45 14.67 11.39 9.04 0.13 0 0 0 0.23 0 188.3

2013 107.6 1.03 5.67 11.46 44.39 14.74 12.12 9.11 0.13 0 0 0 0.38 0 206.6

2014 122.6 1.04 5.76 13.18 45.53 14.99 12.74 9.69 0.13 0 0 0 1.27 0 227

peningkatan

2015 134.7 1.05 5.81 17.96 48.61 15.15 13.65 11.1 0.14 0 0 0 1.38 0 249.5

2016 154 1.03 5.66 17.82 48.56 14.77 14.92 16.11 0.13 0 0 0 1.39 0 274.4

2017 173.8 0.98 5.42 17.36 46.53 14.16 18.95 23.41 0.13 0 0 0 1.43 0 302.2

kapasitas

2018 197.3 0.94 5.16 16.91 44.29 13.5 19.74 29.97 0.12 0 0 0 1.44 0 329.4

2019 211.9 0.95 5.24 17.54 44.92 13.71 22.44 40.82 0.12 0 0 0 1.49 0 359.1

Annual 2020 2021 2022 2023 2024 2025 Growth 227 246.39 267.24 289.56 313.46 339.09 10.77% 0.96 0.99 1.01 1.03 1.05 1.07 -0.54% 5.28 5.49 5.57 5.67 5.78 5.92 -0.54% 17.75 18.63 19.81 21.08 22.45 23.93 5.68% 45.3 47.74 49.11 50.67 52.42 54.36 1.33% 13.84 14.39 14.65 14.96 15.33 15.73 -0.37% 25.06 27.76 29.84 32.08 34.49 37.07 8.12% 49.15 51.81 57 62.53 68.43 74.73 15.99% 0.12 0.13 0.13 0.13 0.13 0.14 7.82% 0 0 0 0 0 0 -0.54% 0 0 0 0 0 0 N/A 0 0 0 0 0 0 -0.54% 1.51 1.56 1.59 1.61 1.65 1.69 16.53% 0 0 0 0 0 0 N/A 386 414.9 445.95 479.33 515.2 553.74 8.21%

pembangkit,

kehandalan

infrastruktur

kelistrikan didorong oleh peningkatan efisiensi dari masing-masing pembangkit. Untuk menjaga ketersediaan kelistrikan maka ditentukan planning reserve margin yang diperkirakan pada tahun 2011-2025 akan berkisar antara 30-38 persen dari jumlah beban puncak. Selain pembenahan dalam infrastruktur pembangkit, kondisi transmisi dan distribusi listrik juga perlu dibenahi agar dapat mengurangi losses dari energi listrik yang dihasilkan sampai ke tingkat konsumen. Berdasarkan data historis Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi 70

tahun 2002-2011, tingkat losses semakin berkurang dari 16 persen menjadi hanya 9 persen di tahun 2011. Diharapkan pada tahun 2025, tingkat losses akan menjadi hanya 6.54 persen. Kondisi lainnya yang akan mendukung perbaikan sistem kelistrikan di Indonesia adalah perbaikan load factor. Pada tahun 2000, load factor hanya mencapai 69.54 persen yang artinya sebanyak kapasitas yang ada hanya digunakan secara rata-rata sebanyak 69.54 persen dari total waktu pada tahun 2000 sehingga cenderung tidak efisien. Pada tahun 2011, kondisi load factor sudah membaik menjadi 78.53 persen dan diperkirakan pada tahun 2025 akan mencapai lebih dari 90 persen. 4.4.2.2. Penyediaan Minyak Bumi dan BBM Sampai saat ini tidak dapat dipungkiri bahwa peranan BBM (termasuk hasil blending) masih sangat tinggi dalam energi Indonesia. Sebagian besar dari BBM ini dikonsumsi oleh sektor transportasi. Pada tahun 2011, tercatat 76.1 persen dari total 364 juta SBM BBM yang ada dikonsumsi oleh sektor transportasi. Porsi ini akan semakin terus meningkat apabila tidak ada upaya masiv dari pemerintah dalam konversi ke bahan bakar lain seperti gas dan listrik. Pada tahun 2025, diperkirakan porsi BBM sektor transportasi akan mencapai 85.3 persen dari total 812 juta SBM BBM yang ada (Gambar 24)

Gambar 24. Proyeksi Komposisi Jumlah Kebutuhan BBM Per Sektor Pengguna (dalam juta SBM)


Dengan kondisi kilang yang ada saat ini, Indonesia akan semakin kekurangan pasokan BBM dalam negeri sehingga impor BBM akan semakin meningkat. Pada tahun 2015 diperkirakan impor BBM akan mencapai 53 juta kilo liter dan akan terus meningkat menjadi 74 juta kilo liter di tahun 2019 dan 130 juta kilo liter di tahun 2025 (Gambar 25 dan Tabel 11). Hal ini tentunya akan membebani neraca perdagangan Indonesia yang mulai tahun 2013 mengalami defisit. Selain itu jumlah BBM bersubsidi yang semakin meningkat tiap tahunnya akan semakin membebani anggaran negara disetiap tahunnya. Apabila tidak ada pengurangan atau penghapusan subsidi BBM, maka BBM bersubsidi akan mencapai 48 juta kilo liter dan akan semakin meningkat menjadi 62 juta kiloliter dan 101 juta kilo liter (Tabel 12).

Diesel Supply

Avgas Supply

Avtur Supply

FO Supply

Gasoline Supply

Kerosene Supply

Non BBM Supply

Bio Solar Supply

Bio Premium Supply

Diesel Demand

Avgas Demand

Avtur Demand

FO Demand

Gasoline Demand

Kerosene Demand

Non BBM Demand

Bio Solar Demand

Bio Premium Demand

Diesel Listrik

Biosolar Listrik

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

160 140 120 100 80 60 40 20 0 2000

160 140 120 100 80 60 40 20 0

Gambar 25. Proyeksi Supply dan Demand BBM Berdasarkan Jenis BBM Sampai Tahun 2025 (dalam juta KL)


Tabel 11. Proyeksi Perkembangan Supply dan Demand BBM Berdasarkan Jenis BBM Sampai Tahun 2025 (dalam juta KL) Supply - Demand (juta KL) Demand BBM Diesel Demand 19.8402 Avgas Demand 0.00059 Avtur Demand 3.84861 FO Demand 1.25334 Gasoline Demand 31.3426 Kerosene Demand 0.44697 Non BBM Demand 11.2606 Bio Premium Demand 0 Bio Solar Demand 11.7361 Input Biosolar 6.68154 Input Biopremium 0 Diesel Listrik 8.30066 Biosolar Listrik 0 FO Listrik 2.53178 Total Demand 97.243 Supply BBM Diesel Supply 18.7547 Avgas Supply 0.00089 Avtur Supply 2.21254 FO Supply 2.50162 Gasoline Supply 11.4911 Kerosene Supply 0.7611 Non BBM Supply 0.89593 Bio Solar Supply 7.16662 Bio Premium Supply 0 Total Supply 43.7845 Supply-Demand -53.459

22.2572 0 4.76201 1.3396 39.1552 0 13.6308 0 18.5666 6.68154 0 7.54861 0 2.24865 116.19

28.2417 0 7.07988 1.75298 57.9843 0 17.1861 0 39.3834 6.68154 0 9.49846 0 2.85321 170.662

17.9553 0.00085 2.26056 1.98334 11.4384 0.23498 0.85715 7.16662 0 41.8973 -74.293

16.8028 0.0008 2.22943 1.40011 11.3281 0.04031 0.80211 7.16662 0 39.7703 -130.89

Tabel 12. Proyeksi Jumlah BBM Bersubsidi Sampai Tahun 2025 (dalam juta KL) Total Solar dan Biosolar subsidi (juta KL) Total Premium Subsidi (juta KL) Total BBM Subsidi

2015 18.62 29.47 48.09

2019 25.63 36.82 62.45

2025 47.15 54.69 101.84

Di sisi hulu, pasokan minyak bumi akan semakin menurun. Sesuai dengan data historis 2000-2011, apabila tidak ada pengembangan lapangan baru maka produksi minyak bumi akan mengalami penurunan sekitar 4 persen sehingga diperkirakan tingkat produksi pada tahun 2015 hanya akan mencapai 252 juta SBM atau 690 ribu barel per harinya. Pada tahun 2019, tingkat produksinya semakin menurun menjadi 213.93 juta SBM atau 586 ribu barel per hari. Sebagian dari produksi minyak dalam negeri diekspor dan sebagian lagi justru diimpor. Hal ini


disebabkan spesifikasi kilang dalam negeri yang tidak bisa menyerap minyak dalam negeri. Berikut gambaran proyeksi dari supply demand dari minyak bumi nasional sampai tahun 2025. 400

400

350

350

300

300

250

250

200

200

150

150

100

100

50

50

0

0 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 Exports

Kilang Minyak

Production

Imports

Gambar 26. Proyeksi Supply dan Demand Minyak Bumi Nasional (dalam juta Barel) 4.4.2.3. Penyediaan Gas Bumi dan Batubara Gas bumi dan batubara diperkirakan akan menjadi sumber energi yang memainkan peranan penting di masa depan seiring dengan peningkatan kebutuhan dalam negeri. Oleh karenanya pemenuhan penyediaan dari kedua sumber energi tersebut menjadi sangat penting. Selama ini sebagian besar produksi dari gas dan batubara masih ditujukan untuk ekspor namun di masa mendatang diperkirakan sebagian besar akan ditujukan untuk memenuhi kebutuhan dalam negeri. Pemanfaatan gas untuk dalam negeri meningkat dari tahun ke tahun. Pada tahun 2000, pemanfaatan gas bumi dalam negeri hanya 38.38 persen yang kemudian terus meningkat menjadi 43.41 persen di tahun 2011. Kecilnya peningkatan ini disebabkan oleh masih adanya kontrak ekspor gas yang umumnya bersifat jangka panjang. Dengan berakhirnya kontrak ekspor gas di beberapa waktu dekat ini, peluang peningkatan pemanfaatan gas dalam negeri menjadi terbuka lebar. Tercatat kontrak ekspor gas dalam LNG yang akan berakhir diantaranya kontrak ekspor LNG Bontang sebanyak 0,17 MTPA ke pembeli Jepang (Medium City Gas Coorporations) yang akan berakhir 2015, kontrak ekspor LNG Bontang ke pembeli Korea, Kogas


sebanyak 1,1 MTPA berakhir di waktu yang sama. Sementara pada tahun 2017, terdapat kontrak ekspor Badak 5 dengan pembeli asal Jepang dengan volume kontrak 1 MTPA dan kontrak ekspor LNG dari Badak 6 sebanyak 1,89 MTPA dengan pembeli asal Taiwan. Di sisi hulu, produksi gas diperkirakan akan terus meningkat dengan tingkat pertumbuhan rata-rata sebesar 1.06 persen per tahun sampai tahun 2018, sehingga pada tahun 205 jumlah produksi gas diperkirakan mencapai 610 juta SBM atau 3.396 juta mmscf. Dari tahun 2018, apabila tidak ditemukan daerah prospek baru maka produksi gas akan mengalami penurunan sebesar 4 persen sehingga pada tahun 2019 produksi gas akan menjadi 604 juta SBM atau 3.363 juta mmscf dan akan terus menurun sampai tahun 2025 menjadi 472 juta SBM atau 2.628 juta mmscf. Dari proyeksi supply demand gas sampai 2025 seperti pada gambar 27, ternyata kebutuhan gas di Indonesia untuk dalam negeri masih belum dapat dipenuhi. Pada tahun 2015, terjadi defisit sebesar 195 ribu mmscf yang kemudian berkurang dan dapat terpenuhi di tahun 2018. Sementara setelah tahun 2018, seiring dengan penurunan produksi gas, defisit gas meningkat kembali hingga mencapai 1.327 juta

4.50

4.50

4.00

4.00

3.50

3.50

3.00

3.00

2.50

2.50

2.00

2.00

1.50

1.50

1.00

1.00

0.50

0.50

-

Millions

Millions

mmscf di tahun 2025.

2015

2016

2017

2018

2019

2020

2021

2022

2023

2024

2025

Kontrak Ekspor

Reinjeksi/EOR

Input Kilang Minyak

Input Kilang LNG&LPG

Own Use dan Losses

Pembangkit Listrik

Demand Rumah Tangga

Demand Industri

Demand Transportasi

Demand Komersial

Non Energi

Produksi

Regasifikasi LNG

Gambar 27. Proyeksi Supply dan Demand Gas Bumi Nasional (dalam juta mmscf)


Khusus untuk batubara, daya serap domestik saat ini masih sangat rendah yaitu sekitar 30 persen sehingga sebagian besar lebih banyak diekspor. Oleh karenanya dalam draft Kebijakan Energi Nasional yang sedang dalam tahap finalisasi, pembatasan produksi dan ekspor batubara menjadi suatu wacana yang sangat penting sehingga peningkatan produksi di masa depan tidak akan meningkat drastis seperti selama satu dekade terakhir ini bahkan cenderung stagnan. Di tahun 2015, produksi batubara nasional akan mencapai 1687 juta SBM atau 394 juta ton batubara yang kemudian meningkat sedikit menjadi 1768 juta SBM atau 413 juta batubara di tahun 2019 dan 1768 juta SBM atau 422 juta ton batubara di tahun 2025. Kondisi supply dan demand dari batubara nasional sampai tahun 2025 memperlihatkan peningkatan porsi pemanfaatan batubara dalam negeri dari 29 persen di tahun 2015 menjadi 60 persen di tahun 2025 (Gambar 28). 450

450

400

400

350

350

300

300

250

250

200

200

150

150

100

100

50

50

0

2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

Energi Industri

44

48

51

55

59

64

69

75

81

88

95

Pembangkit Listrik

71

81

90

101

107

113

122

130

140

149

160

Pabrik Briket Batubara Produksi

0

0

0

0

0

0

0

0

0

0

0

395

401

406

410

414

416

418

419

420

421

422

Pabrik Briket Batubara

Pembangkit Listrik

Energi Industri

0

Produksi

Gambar 28. Proyeksi Supply dan Demand Batubara Nasional (dalam juta ton)


BAB 5 KESIMPULAN DAN REKOMENDASI 5.1.

Kesimpulan Model energi diperlukan untuk menggambarkan sistem energi yang kompleks

yang merepresentasikan karakteristik yang khas semaksimal mungkin dalam bentuk yang sesederhana mungkin. Model energi yang baik juga dapat membantu mengorganisasikan data yang sangat besar dan menyediakan kerangka yang konsisten untuk menguji hipotesis melalui data empiris, data statistik, tren data historis dan asumsi lainnya. Model energi saat ini tidak hanya bertujuan menganalisis aspek ketahanan energi teteapi juga mencoba menganalisis dampak ekonomi dan lingkungan dari kebijakan di sektor energi. Secara umum, Model Energi dibagi menjadi dua jenis berdasarkan pendekatannya yaitu : 1. Model sistem energi yaitu untuk mengetahui tingkah laku sistem energi secara keseluruhan (daerah, negara, dunia). Jenis model ini sering disebut model bottom up 2. Model Ekonomi Energi yaitu untuk mengetahui dampak sistem energi pada ekonomi secara luas. Jenis model ini sering disebut model top-down 3. Model Hibrid yang mencoba menggabungkan kelebihan dan kekurangan dua model di atas melalui penggabungan pendekatan Setiap jenis model energi memiliki keunggulan dan kelemahan dalam merepresentasikan sistem energi. Sebagai contoh, model energi top-down memiliki keunggulan dalam memberi feedback tentang kesejahteraan, lapangan kerja, dan pertumbuhan ekonomi namun di sisi lain model top-down kurang memiliki detail teknologi dan cenderung menyajikan informasi yang lebih general. Sebaliknya model bottom-up memiliki tingkat detail teknologi yang tinggi sehingga dapat menyajikan gambaran permintaan energi dan teknologi pasokan energi yang sangat rinci. Di sisi lain, hal ini justru menyebabkan model bottom-up menjadi sangat tergantung pada ketersediaan dan kredibilitas data. Selain itu model ini kurang dapat menganalisis dampak makroekonomi dari kebijakan energi. Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi 77

Pemanfaatan model energi awalnya dilakukan dengan menggunakan asumsi dan pendekatan sistem energi negara maju. Pada kenyataanya sistem energi dari negara berkembang berbeda jauh dengan negara-negara maju (industri) yang memiliki keteraturan dalam sistem energi. Sistem energi dari negara berkembang seperti Indonesia berbeda dengan negara maju diantaranya : A. Tingginya kontribusi sektor informal dan kurangnya data energi B. Konsumsi energi tradisional (non komersil) yang cukup tinggi C. Kehandalan infrastruktur energi yang masih rendah D. Rasio elektrifikasi yang masih rendah E. Transisi struktur ekonomi tradisional ke modern F. Struktur masyarakat yang kompleks Umumnya kondisi energi negara Indonesia sebagian besar model sudah dapat memperhitungan aspek elektrifikasi, biomassa tradisional dan pembagian kota dan desa. Karakteristik penting lainnya seperti kehandalan infrastruktur energi, perubahan struktur ekonomi, investasi, subsidi dan terutama ekonomi informal dan transaksi non moneter masih belum diakomodir oleh model yang sudah ada. Hal ini disebabkan model itu sendiri umumnya dikembangkan dengan tujuan khusus dan tidak dibuat untuk menyelesaikan permasalahan yang diluar lingkupnya. Model yang paling optimal untuk digunakan untuk negara berkembang seperti Indonesia adalah model bottom-up accounting atau model hibrid dengan pendekatan accounting. Model bottom-up accounting dapat menggambarkan kondisi negara berkembang dengan sistem energi yang tidak sepenuhnya dipengaruhi perilaku pasar. Kondisi batasan produksi energi dan juga detail teknologinya dapat secara eksplisit dimodelkan. Selain itu kemampuan model ini dalam memodelkan struktur masyarakat pedesaan dan sektor informal yang umumnya terdapat di negara berkembang cukup dapat diandalkan. Dari aspek kebutuhan data yang umumnya menjadi kendala di negara berkembang, model ini memiliki fleksibilitas yang tinggi. Sementara model hibrid berusaha menggabungkan keunggulan dan kekurangan dari masing-masing pendekatan model bottom-up dan top-down melalui pendekatan yang disesuaikan dengan tujuan model, kebutuhan data dan hasil yang diinginkan. Dengan penggabungan ini, model ini lebih bersifat fleksibel sehingga dapat cocok untuk Kajian Pengembangan Model Dalam Mendukung Perencanaan Energi 78

negara berkembang. Model dengan pendekatan accounting baik dari jenis model hibrid maupun bottom-up akan menjadi model yang cukup mampu dalam mensimulasikan perencanaan energi di negara berkembang. Beberapa model energi yang termasuk golongan model ini adalah LEAP, POLES dan WEM. Kekurangan model dengan pendekatan ‘accounting’ adalah pendorong utama seperti permintaan, perubahan teknologi dan sumber daya bersifat eksogen dan ‘given’ sehingga pemodelan ini kurang dapat menghasilkan analisis dampak perubahan demand dan sumber daya terutama yang disebabkan oleh perubahan harga. Dengan kata lain, model ini kurang dapat menganalisis dampak ekonomi dari perubahan kebijakan. 5.1.1. Hasil Pemodelan Energi Skenario Dasar Pada kajian ini, pemodelan energi dilakukan dengan menggunakan software LEAP. Hal ini didasari dengan fleksibilitas pendekatan pemodelan yang dapat mengakomodir karakteristik negara berkembang seperti Indonesia. Salah satu keunggulan dari LEAP adalah kefleksibelannya tergantung tingkat kesulitan dari perencanaan energi dan kualitas model yang diharapkan. Dengan kefleksibelannya, LEAP dapat dioperasikan mulai dari ahli energi dengan reputasi global yang ingin mendesain kebijakan dan membantu sumbang saran bagi pengambil keputusan sampai pengajar untuk pengembangan kapasitas pemula. Dari sisi demand, metodologinya dapat berupa pendekatan bottom-up dengan teknik ‘accounting’ end user atau pendekatan top-down makroekonomi. Dari sisi suplai, LEAP mendukung metodologi simulasi dan accounting yang cukup baik untuk memodelkan perencanaan tenaga listrik tetapi cukup fleksibel dan transparan. Selain itu, Indonesia merupakan negara dengan pengguna LEAP terbesar di dunia dimana sampai akhir tahun 2013 mencapai 1715 dengan pengguna aktif diperkirakan sebanyak 200 orang. Selain itu, LEAP dapat diperoleh dengan mudah, karena merupakan software yang tidak berbayar untuk kegiatan non profit (pendidikan, pemerintahan, penelitian, dan lain-lain). Berdasarkan hasil simulasi pada skenario DASAR, kebutuhan energi final di tahun 2025 diperkirakan akan mencapai 2442 juta SBM atau lebih dari 2 kali kebutuhan energi final pada tahun 2011. Pada kurun RPJMN tahap III (2015-2019),


kebutuhan energi final akan berkisar dari 1363 sampai 1689 juta SBM atau rata-rata meningkat dengan laju pertumbuhan sebesar 5.5 persen per tahun. Sektor industri diperkirakan akan menjadi sektor yang dominan dalam konsumsi energi final yang kemudian disusul oleh sektor transportasi. Berdasarkan jenis energi finalnya, secara keseluruhan Bahan Bakar Minyak (BBM) masih mendominasi pemanfaatan energi final. Sampai tahun 2025, pemanfaatannya terus meningkat menjadi 752 juta SBM. Pada tahun 2015-2019, konsumsi BBM meningkat dari 476 juta SBM menjadi 564 juta SBM dengan laju pertumbuhan rata-rata 4.33 persen per tahun. Walau demikian, pangsa BBM cenderung akan menurun dari 38.18 persen di tahun 2011 menjadi 30.82 persen di tahun 2025. Pangsa BBM di tahun 2015 sampai 2019 akan menurun dari 34.92 persen menjadi 33.40 persen. Untuk sektor industri di tahun 2015-2019, jenis energi yang masih akan mendominasi adalah batubara. Sampai tahun 2025, pemanfaatan batubara diperkirakan terus meningkat dari 144 juta SBM di tahun 2011 menjadi 406 juta SBM atau 95 juta ton. Pada tahun 2015-2019, pemanfaatannya akan berkisar antara 189-254 juta SBM atau 44-59 juta ton dengan pertumbuhan rata-rata 7.62 persen per tahun. Walau demikian pangsa batubara di tahun 2011 sampai 2025 cenderung stabil antara 40 sampai 42 persen. Hal ini disebabkan adanya pertumbuhan yang signifikan dari konsumsi gas dan listrik. Kebutuhan energi sektor transportasi sampai tahun 2025 masih didominasi oleh ssubsektor transportasi darat. Kebutuhan energi subsektor transportasi darat di tahun 2011 mencapai 242 juta SBM atau 83.76 persen dari total kebutuhan sektor transportasi. Di tahun 2015 dan 2019, kebutuhannya meningkat menjadi 298 juta SBM (88.88 persen) dan 388 juta SBM (89.92 persen). Laju pertumbuhan rata-rata subsektor ini sampai tahun 2025 mencapai 7.12 persen. Pemanfaatan energi final yang digunakan di sektor rumah tangga di tahun 2025-2019 masih akan di dominasi oleh energi biomassa tradisional yaitu kayu bakar. Walau demikian, porsi pemanfaatannya akan semakin berkurang seiring dengan

perkembangan

kesejahteraan

terutama

di

daerah

pedesaan

yang

menyebabkan pergeseran pemanfaatan energi final dari biomassa (kayu bakar) ke energi lainnya seperti LPG dan listrik.


Untuk sektor komersial yang terdiri dari subsektor perdagangan (termasuk hotel dan restauran), keuangan dan jasa, jenis energi yang akan mengalami peningkatan pesat adalah gas dan listrik dengan tingkat pertumbuhan rata-rata masing-masing 13.30 persen per tahun dan 9.09 persen per tahun. Untuk sektor lainnya, seluruh energi yang dikonsumsi berasal dari BBM yang didominasi oleh jenis Diesel dan Gasoline. Sementara konsumsi komoditi energi sebagai bahan baku untuk industri yang didominasi oleh gas dan produk kilang non BBM diperkirakan akan meningkat dari 98 juta SBM di tahun 2011 menjadi 210 juta SBM di tahun 2025 dengan laju pertumbuhan rata-rata 5.58 persen per tahun Untuk memenuhi kebutuhan energi, diperlukan sistem penyediaan energi yang handal. Total Primary Energy Supply (TPES) atau total penyediaan energi utama sampai tahun 2025 akan meningkat menjadi 3183 juta SBM dengan tingkat pertumbuhan rata-rata sebesar 6.14 persen. Jenis energi batubara, gas bumi dan BBM (termasuk yang blending dengan BBN) akan menjadi jenis energi yang dibutuhkan. Kondisi ini disebabkan tingkat kebutuhan yang akan sangat tinggi ke depannya dan kapasitas infrastruktur konversi energi saat ini yang masih sangat rendah khususnya untuk BBM Sebagai konsekuensi, impor beberapa jenis energi akan meningkat diantaranya LPG, BBM dan minyak bumi. Program konversi minyak tanah ke LPG membuat peningkatan tajam dari permintaan LPG. Impor BBM terutama dari sektor transportasi akan terus meningkat seiring dengan pertumbuhan ekonomi yang terus membaik dan juga tidak adanya penambahan kilang baru. Di sisi lain pasokan minyak bumi sebagai bahan baku kilang juga terus menurun dari tahun ke tahun. Sedikitnya penemuan lapangan baru berakibat kurangnya pengembangan sumursumur baru yang dapat meningkaatkan produksi minyak bumi. Dengan merujuk pada hasil simulasi tersebut, diperkirakan pada tahun 2024, Indonesia akan menjadi net energy importir. 5.2.

Rekomendasi dan Tindak Lanjut Untuk mendukung perencanaan energi secara terintegrasi baik antar sektor

maupun antar pusat dan daerah atau antar daerah perlu adanya penyeragaman model energi yang mudah dipahami sekaligus dipelajari dan memiliki fleksibilitas yang tinggi dalam mengakomodasi karakteristik sistem energi di negara berkembang


seperti Indonesia dan karakteristik kedaerahan yang tentunya akan berbeda di setiap daerah. Selain itu, model energi tersebut harus dapat menjadi tool pengembangan database dan menyediakan ruang atau kerangka yang cukup sebagai alat analisis kebijakan energi. Dalam rangka mencapai hal tersebut, salah satu model energi yang dapat secara optimal untuk perencanaan energi secara keseluruhan pada saat ini adalah model LEAP. Oleh karena itu, perlu disosialisasi dan didiseminasikan mengenai konsep, metodologi dan asumsi dari model LEAP secara masiv tidak hanya untuk sektor penyedia energi tetapi juga untuk sektor pemanfaatan energi seperti sektor industri, sektor perhubungan dan transportasi dan sektor lainnya baik di tingkat pusat maupun di tingkat daerah. Untuk mendukung hal ini, perlu dilakukan pengembangan database energi yang terintegrasi melalui pengayaan data yang melibatkan berbagai stakeholder penyedia (KESDM, BUMN Energi) dan pemanfaat energi (Kementerian Perindustrian, Kementerian Perhubungan, Asosiasi Industri, Asosiasi Perhubugan dan lainnya). Walau demikian, dengan memperhatikan keterbatasan fungsi dari model LEAP itu sendiri, perlu dilakukannya kombinasi dengan pemanfaatan model energi lainnya terutama model energi top-bottom yang memiliki keunggulan dalam menganalisis dampak ekonomi dari suatu kebijakan khusus yang memiliki peran strategis menyangkut energi seperti halnya pengurangan subsidi, atau konversi BBM ke gas, dan lainnya. Kombinasi pemodelan tersebut dapat saja dilakukan dalam LEAP sendiri dengan memasukkan persamaan-persamaan ekonometrik yang dihasilkan dari perhitungan model top-down atau dilakukan terpisah dalam suatu model tersendiri melalui metode top-down yang berbeda (ekonometrik, IO, CGE atau lainnya). Selain itu, perencanaan energi pada beberapa subsektor energi komersial yang memiliki keterkaitan dengan pasar yang ditandai dengan kuatnya hubungan supplai demand (pengaruh subsidi sangat kecil) dan sedikitnya faktor atau sektor informal dapat dipertajam dengan menggunakan model energi berbasis optimasi seperti model Markal, IIEEM dan lainnya untuk mendukung tingkat keakuratan dari perencanaan energi yang dihasilkan. Sebagai contoh, perencanaan pemanfaatan


subsektor kelistrikan dan subsektor migas pada sektor industri atau sektor transportasi non subsidi. Dalam implementasi dari penggunaan pemodelan energi yang beragam tersebut, perlu ada suatu wadah kelembagaan khusus sebagai sarana komunikasi dan analisis para modeler yang selanjutnya dapat menjadi think tank kebijakan sektor energi. Memperhatikan fungsi dari kelembagaan tersebut, Dewan Energi Nasional merupakan suatu kandidat lembaga yang paling cocok melalui restrukturisasi kelembagaan DEN sehingga dapat mengakomodir dan mengkoordinasikan modelmodel energi yang ada beserta analisisnya. Hasil pemodelan LEAP pada kajian ini merupakan proyeksi dasar yang akan menjadi acuan dalam mengembangkan dan ‘mengexercise’ berbagai skenario kebijakan energi yang perlu dilakukan pada RPJMN 2015-2019. Dalam hal substansi, perencanaan energi pada model ini sebagaimana yang dilakukan pada beberapa model energi selama ini masih berfokus pada supply management yang artinya lebih pada kebijakan penyediaan energi baik energi fosil (minyak, gas dan batubara) maupun energi terbarukan. Sementara demand management yang meliputi aspek konservasi energi, atau diversifikasi energi melalui stimulasi pemanfaatan energi di sektor pengguna seperti halnya konversi minyak tanah ke gas di sektor rumah tangga, atau BBM ke gas dan konversi BBM ke BBM blending di sektor transportasi masih minim. Dengan konservasi energi yang tepat, tingkat penggunaan energi akan menurun tanpa atau sangat sedikit dampak bagi pertumbuhan ekonomi. Sementara stimulasi pemanfaatan energi yang dilakukan dengan baik dan konsisten dapat secara efektif dan signifikan merubah bauran energi yang pada akhirnya dapat mengurangi ketergantungan terhadap suatu jenis energi tertentu.


DAFTAR PUSTAKA

__________. 2012. Handbook of Energy and Economic Statistic 2012.Pusat Data dan Informasi, KESDM. Jakarta __________. 2012. Outlook of Energy 2012. Pusat Teknologi Sumber Daya Energi, BPPT. Jakarta __________. 2013. Rencana Pengembangan Sub Sektor Ketenagalistrikan Tahun 2015–2019 .Bahan Presentasi. Direktorat Pembinaan Program Kelistrikan, KESDM. Jakarta __________. 2012. Draft Rencana Umum Kelistrikan Nasional (versi 12 Oktober 2012). Ditjen Ketenagalistrikan, KESDM. Jakarta __________. 2012. Rencana Umum Penyediaan Tenaga Listrik 2012-2021. Perusahaan Listrik Negara-PT. PLN (Persero). Jakarta __________. 2012. Perencanaan Efisiensi Dan Elastisitas Energi 2012. Balai Besar Teknologi Energi, BPPT. Jakarta __________. 2011. Neraca Gas Bumi Indonesia 2012-2025. Ditjen Migas, KESDM. Jakarta __________. 2012. Target Realistis Pengembangan EBTKE Sampai Tahun 2025. Bahan Presentasi. Ditjen EBTKE, KESDM. Jakarta __________.2011. Data Survey Ekonomi Sosial Nasional 2011. Badan Pusat Statistik. Jakarta Bhattacharyya, S.C. and Timilsina, S.C. 2010.A Review Of Energy System Models (International Journal of Energy Sector Management) Vol 4. Emerald Group Publishing Limited. Bingley, UK. Bhattacharyya, S.C. and Timilsina, G.R.. 2010. Modelling Energy Demand Of Developing Countries: Are The Specific Features Adequately Captured (Energy Policy Vol. 38). Elsiver. Philadelphia, USA. Bahttacahryya, S.C. 2012. Energy Access Programmes And Sustainable Development: A Critical Review And Analysis (Energy For Sustainable Development Volume 16).Elsiver. Philadelphia, USA. Dale, Michael. 2006. Global Energy Modeling–A Biophysical Approach. World Energy Council. London, UK. Deendarlianto. 2013. Energy Modeling & Optimization Techniques in Markal Model. Bahan Presentasi. Pusat Studi Energi, UGM. Yogyakarta.


Hannon, Bruce and Ruth, Mattias. 1994. Dynamic Model. Springer-Verlag. California. Herbst, Andrea, et. al. 2012. Introduction to Energi Sistems Modelling (Swiss Journal of Economics and Statistics). Geneva. Swiss. Herran, D. Silva and Nakata. 2012. Design Of Decentralized Energy Systems For Rural Electrification In Developing Countries Considering Regional Disparity (Applied Energy volume 91). Elsiver. Philadelphia, USA. Heaps, C. 2002. Integrated Energy-Environment Modelling And LEAP. Stockholm Environment Institute. Massachusetts. USA Heaps, C. 2008. An introduction to LEAP. Stockholm Environment Institute. Massachusetts. USA Heaps, C. 2012. Long-range Energy Alternatives Planning (LEAP) system. [Software version 2012.0055]. Stockholm Environment Institute. Massachusetts. USA. Kristijo, Hary dan Nugroho, Hanan. 2004. Menuju Pemanfaatan Energi yang Optimum di Indonesia: Pengembangan Model Ekonomi-Energi dan Identifikasi Kebutuhan Infrastruktur Energi. Bappenas. Jakarta. Pandey. 2002. Energy Policy Modelling: Agenda For Developing Countries (Energy Policy volume 30). Elsiver. Philadelphia, USA. Permana, Adhi. 2013. Perencanaan Energi Dengan Model Markal. Bahan Presentasi. Pusat Teknologi Sumber Daya Energi, BPPT. Jakarta. Purwanto, Widodo. 2013. Tinjauan Umum Pemodelan dan Analysis Kebijakan Energi di Indonesia. Bahan Presentasi. Departemen Teknik Kimia, UI. Jakarta Prawaningtyas, TD. 2009. Proyeksi dan Optimasi. Bahan Ajar. Fakultas Teknik UI. Jakarta. Ruijven, B.V. et al. 2008. Modeling Energy and Development: An Evaluation of Models and Concepts (World Development volume 36). Elsiver. Philadelphia, USA. Urban et al. 2007. Modeling Of Energy System For Developing Countries (Energy Policy volume 35). Elsiver. Philadelphia, USA. esdm.go.id/statistik/data-sektor-esdm.html www.iiee.or.id http://www.energycommunity.org


DAFTAR ISI DAFTAR ISI... 1 DAFTAR GAMBAR... 3 DAFTAR TABEL... 4 BAB 1 PENDAHULUAN Latar Belakang Tujuan Sasaran

Recommend Documents