Xdll_20130130_Activities Report__Ringkasan Eksekutif - Eksekutif Summary

  • View
    10

  • Download
    0

Embed Size (px)

DESCRIPTION

report

Text of Xdll_20130130_Activities Report__Ringkasan Eksekutif - Eksekutif Summary

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    1

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    Kegiatan Penyusunan PemetaanKerentananPerubahanIklimProvinsipadatahun 2010merupakan tindak lanjut dariStudiPenyusunanInformasiTematikuntukMengantisipasi Perubahan Iklim terhadapIsu Prioritas Nasional Bidang Pangan,Kesehatan,danFenomenaIklimEkstrimditingkat nasional pada tahun 2009.Berdasarkan studi tahun 2009 tersebut,Provinsi Sumatera Utara masuk dalamcluster wilayah rentan terhadap dampakperubahan iklim sehinggadirekomendasikan untuk dikaji lebihmendalam.

    In 2010, the National Council on ClimateChange has produced a Climate ChangeVulnerability Assessment in NorthSumatera Province, a follow up of the2009StudyontheThematicAssessmentinAnticipating Climate Change on PriorityIssues of Food, Health, and ExtremeClimatePhenomenaat theNationalLevel.The study suggests that North SumateraProvinceisoneoftheprovincesvulnerableto the impacts of climate change, andtherefore,an indepthassessmentstudy isrecommended.

    Tujuan kegiatan ini adalah untukmenghasilkan informasispasialdan indekskerentanan terhadap perubahan iklim di25wilayahkabupatendankotadiProvinsiSumateraUtara. Informasi tersebutdapatdigunakan sebagai bahan pertimbanganPemerintah Provinsi Sumatera Utara danPemerintahKabupaten/Kotadiwilayahnyadalam menyusun kebijakan, rencana danprogramprogram adaptasi terhadapdampakperubahaniklim.

    The Vulnerability Assessment to ClimateChange aims to generate spatialinformation and climate changevulnerability indexes in 25 Districts andcities in North Sumatera Province. Suchinformation can serve as inputs for theProvincialGovernmentofNorth Sumateraand the Districts/Municipal Governmentsinformulatingpolicies,plansandprogramsonadaptationtoclimatechange.

    Kajian Kerentanan Wilayah terhadapDampakPerubahanIklimdilakukanmelaluiserangkaian analisis yang terdiri atasanalisis karakteristik iklim, karakteristikbencana terkait iklim, dan analisiskerentanan dan kapasitas adaptif. Dalamanalisis karateristik iklim, analisis pola,tren, dan variabilitas iklim historis sertaproyeksi perubahan iklim di masa depandifokuskan pada unsur curah hujan (CH)

    Climate Change Vulnerability Assessmentincludesfollowingactivities: (i)analysisofthe climate characteristics and thecharacteristicsofclimaterelateddisasters,and (ii) analysis of vulnerability andadaptive capacity. Analysis of patterns,trends, and historical climate variabilityand projections of future climate changefocused on the elements of rainfall (CH)and air temperature. Climaterelated

    RINGKASAN EKSEKUTIF EXECUTIVE SUMMARY

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    2

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    dan suhuudara. Analisisbencana terkaitiklim yang dikaji meliputi banjir,kekeringan, tanah longsor, dan kenaikantinggimukaairlaut.PemetaanKerentananmencakup analisis terhadap indekskerentanan(vulnerabilityindex,VI),indekskapasitasadaptif(adaptivecapacity index,CI), indeks komposit bencana iklim(composite climate hazard index, CCHI),dan resiko iklim (climate risk,CR).NilaiVIdan CI ditentukan berdasarkan indikatorindikator sosialekonomi dan biofisik.Kombinasi VI dan CI menentukan indekskemampuan sistem untuk mengatasiberbagai dampak (coping capacity index,CCI)perubahan iklim.NilaiCCHIdianalisisberdasarkan akumulasi potensi kejadianbencana terkait iklim. Resultan dari CCIdan CCHI dianalisis dalam bentukmatriksresiko iklim sebagai hasil akhir darigambaran kerentanan daerah sebagaidampak perubahan iklim. Semua indekstersebut dianalisis pada kondisi saat ini(baseline, tahun 2008) dan kondisi masadepan (proyeksi, tahun 2025 dan 2050).Datasekunderyangdipakaidiperolehdariinstansi dan dinasdinas terkait (sepertiBPS,Bappeda,danBMKG).

    disasters in this assessment context referto floods, droughts, landslides, and sealevel rise. Vulnerability Mapping includesan analysis of vulnerability index (VI),adaptive capacity index (CI), compositeclimate hazard index(CCHI), and climaterisks(CR).VIandCIvaluesaredeterminedbased on socioeconomic and biophysicalindicators.CombinationofVIandCIindicesdeterminethesystem'sabilitytocopewiththe impact (coping capacity index,CCI)ofclimatechange.CCHI isanalyzedbasedonthe accumulated value of the potentialincidencesofclimaterelateddisasters.TheresultantofCCHIandCCI is thenanalyzedin a matrix of climate risks to describeareas vulnerability as a result of climatechange. All indices were analyzed in thecurrentcondition(baseline,year2008)andfuture conditions (projection, in 2025 and2050).Thesecondarydatafortheanalyseswere obtained from relevant agencies(suchasfromBPS,Bappeda,BMKG).

    Karakteristik Historis Curah Hujan danSuhuUdaraGambaranpola,tren,danvariabilitasiklimhistoris dan saat ini diperoleh dari hasilanalisis statistik terhadap data suhu dancurah hujan dari Badan Meteorologi,Klimatologi dan Geofisika (BMKG), sertadatahasilolahandalambentuk grid yangdiproduksi oleh Climate Research Unit(CRU). Versi data yang digunakan adalahCRUTS2.0periode19012002untuk suhudanCRUTS2.1periode19012002untukcurahhujan.

    Historical Characteristics of Rainfall andAirTemperatureDescription of patterns, trends, andhistoricalandcurrentclimatevariability isobtained from temperature statisticalanalysisandrainfalldatafromtheBureauof Meteorology, Climatology andGeophysics (BMKG) and from the ClimateResearchUnit (CRU).TheassessmentusestheCRUTS2.0ofthe19012002periodfortemperaturedataversionand theCRUTS2.1 period 19012002 for rainfall dataversion.

    Secara umum wilayah Sumatera Utaramemilikipolahujanekuatorialdenganduapuncak curahhujan (bimodal)dalam satutahun di sekitar bulan April/Mei dan

    In general, North Sumatera exhibitsequatorial rainfallpatternwith twopeaksofrainfall (bimodal) inoneyear inaroundApril/May and October/November.

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    3

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    Oktober/November. Umumnya polaekuatorial hujan di Sumatera UtaramemilikiketerkaitanyanglemahdenganElNino Southern Oscilation (ENSO), denganvariasi pengaruh pada berbagai wilayah.Secara umum curah hujan di wilayahSumatera Utara lebih dipengaruhi olehIndianOceanDipole(IOD).

    Generally the pattern has weak linkageswith the El Nino Southern Oscillation(ENSO),with varying influences in variousareas. In general, rainfall in NorthSumatera ismore influencedbythe IndianOceanDipole(IOD).

    Wilayah hujan Sumatera Utara dapatdikelompokkan dalam empat klaster tipecurah hujan. Masingmasing kelompokhujan memiliki pola musiman yangseragammengikuti pola hujan ekuatorial.Pembedapolaadalahjumlahrataanhujanbulanan diterima dan bulan terjadinyapuncakhujan. TipeIdicirikanolehpuncakhujan pada MaretAprilMei (MAM) danSeptemberOktoberNopember (SON),denganpuncakhujantertinggipadabulanAprildanSeptember.TipeIIdicirikanolehpuncak hujan tertinggi pada bulanNopember,danmemiliki rataaanbulanantertinggi. TipeIII dicirikan oleh puncakhujantertinggipadabulanNopember,danmemiliki rataan bulanan lebih rendah.TipeIV memiliki puncak curah hujantertinggipadabulanOktober.

    RainfallpatternsinNorthSumateracanbegrouped in four clusters. TypeI has peakrainfall in MarchAprilMay (MAM) andSeptemberOctoberNovember(SON),withthe highest peak in April and September.TypeIIhaspeakrainfall inNovember,andhas the highestmonthly average. TypeIIIhas peak rainfall in November, and haslowermonthly average. TypeIV has peakrainfallinOctober.

    Selamaperiode19012002, tren kenaikansuhu tertinggi terjadi di bagian selatanProvinsi Sumatera Utara dengan lajusebesar 0.003C/tahun; atau dalam 100tahun terakhir telah terjadi peningkatansuhusebesar0.3C.LajupeningkatansuhutertinggiterjadipadaperiodemusimMAMdan JuniJuliAgustus (JJA) dan terendahpada periode musim DesemberJanuariFebruari (DJF). Pada bagian utaraditemukantrenyangcenderungmenurun.Kondisi ini konsistendengananalisis yangdilakukanberdasarkandatabulanan.

    During the period of 19012002, thehighest temperature increase wasindicated in the southern region ofNorthSumateraatarateof0.003C/year;oranincreaseof0.3C in100years.ThehighestrateofincreaseoccurredduringMAMandJuneJulyAugust (JJA) and the lowestduring DecemberJanuaryFebruary (DJF).The northern region shows a decreasingtemperature trend. This condition isconsistentwiththeresultsofmonthlydataanalysis.

    Dalam100tahunterakhirtelahterjadipeningkatansuhusebesar0.3CdibagianselatanprovinsiSumateraUtara/Inthepast100years,thesouthernregionofNorthSumateraProvincehasexperiencedatemperatureincreaseof0,3C

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    4

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    Untuk tren curah hujan musiman, padaperiode DJF, terjadi tren penurunan diseluruh wilayah provinsi dengan lajumencapai 0.2 mm/tahun (penurunanjumlah CH musim kemarau sekitar 20.4mm). Jumlah ini cukup signifikanmengingat wilayah bagian utara ProvinsiSumateraUtaramemilikicurahhujanratarata musiman sekitar 200 mm padaperiode DJF (setara pengurangan hujansekitar10%). Padamusim lainnya terjaditren positif (peningkatan CH di sebagianbesar wilayah). Peningkatan CH tertinggipada periode SON, dimana pada periodeinibiasanyaterjadihujanyang lebihtinggidibandingkan puncak hujan lainnya yangbiasaterjadipadaperiodeMAM.

    For seasonal rainfall (CH) trends in DJFperiod, there was decreasing trendthroughout the Province, with a ratereaching0.2mm/year(arainfalldecreasein dry season of about 20.4 mm). Thisamount isquitesignificantconsideringthenorthern region had seasonal rainfallaverage of about 200 mm in DJF period(thus the decrease is equivalent toapproximately10%reductioninrainfall).Apositivetrendtakesplace inotherseasons(increaseofCHinmostareas).ThehighestrainfallincreasetakesplaceduringSON.Ingeneral, rainfall is higher in SON than inMAMperiod.

    Secara keseluruhan, laju anomali curahhujanrataratadiProvinsiSumateraUtarayaitusekitar0,0016mm/bulanatausekitar0,0192mm/tahun.Untuklajupeningkatananomali curah hujan tertinggi padaperiodeSONditemukandiwilayahpantaiBarat SumateraUtara yaitumencapai 0.6mm/tahun, (selama abad 20 terjadipeningkatan 60 mm). Adanya lajupenurunan curah hujan pada musimkemarau (DJF)dan lajupeningkatanpadamusim penghujan (SON) di ProvinsiSumateraUtaramenunjukkanbahwatelahterjadi kondisi musim kemarau yangsemakin kering dan musim penghujanyang semakin basah. Hal ini jugamengindikasikanbahwadimasayangakandatangtidaktertutupkemungkinanterjadikondisi kering di musim kemarau yangsemakin parah serta peluang kejadian

    In overall, the average rate of rainfallanomalies in North Sumatera Province isaround 0.0016 mm/month orapproximately 0.0192 mm/year. Theincreasingrateofrainfallanomalyoccureddurin SON period inwest coast region ofSumatera, reaching 0.6 mm/year(approximately 60 mm/century). Thedecreasingrainfallrateoccuringduringthedryseason(DJF)andtheincreasingrainfallrateduringtherainyseason(SON)inNorthSumateraProvince indicatedthattheareawas experiencing a dryer dryseason andwetter wetseason. It also indicates thatthere might be a severe dry conditionsduringdryseasonandanincreaseextremerainfallduringtherainyseason

    Terjadipenurunanjumlahcurahhujandimusimkemarausebesar20,4mm/Itisindicatedthatdryseasonexperincesarainfalldecreaseofabout20,4mmor

    10%oftheaveragerainfall

    LajupeningkatananomalicurahhujantertinggipadaperiodeSeptember,Oktober,NovemberditemukandiwilayahpantaibaratSumateraUtarayaitumencapai0.6mm/tahun(peningkatan60mmdalam100tahun)/TheincreasingrateofrainfallanomalyoccuredduringSeptember,October,Novemberperiodinwestcoast

    regionofNorthSumatera,reaching0.6mm/year(approximately60mm/century)

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    5

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    hujan ekstrim di musim penghujan yangsemakinmeningkat.

    Proyeksi Perubahan Iklim (Curah Hujan)MasaDepan

    ProjectionofChangesinClimate(Rainfall)intheFuture

    Proyeksi perubahan iklim di masa depandilakukan berdasarkan data proyeksirataan dari sembilan model GlobalCirculation Model (GCM) denganmelakukan analisis statistical downscalinguntukmencarihubungandataluaranGCMdengan data curah hujan lokal. Dalamanalisis perubahan iklim berdasarkanberbagai macam skenario, terdapatketidakpastian (uncertainty) yang tinggidalam memprediksi perubahan iklim dimasa depan. Kemampuan GCM yangberbedadan jugaresolusispasialnyayangterlalu kasar menyebabkan tidakterdapatnya informasiinformasi pentingyang terdapat dalam wilayah kajian yangbersifat lokal. Teknik statisticaldownscaling dalam beberapa kondisidapat mengatasi hal ini, namun adakelemahan terutama terkait informasiproyeksi dengan skala waktu lebih detilyang biasanya terkait kejadian iklimekstrim. Dalam proyeksi perubahan iklimdigunakan skenario perubahan iklimberdasarkanIPCCyaituskenarioSRESA1B,A2 dan B1. Untuk melihat kondisikerentanan di masa depan terkaitperubahan iklim dan besarnya potensibencana yang timbul dalam penyusunanCCHI, kegiatan ini hanya menggunakanskenarioSRESmoderatyaituA1B.

    Projections of future climate change isbased on the data of average projectionresulted by the nine Global CirculationModels (GCM) which perform analysis ofdownscaling statistical to find relationshipbetween GCM output data and localrainfall data. Climate change analysisbased on various scenarios is prone to ahigh uncertainty in predicting futureclimatechange.VariationsofGCMoutputscombined with coarse spatial resolutionresulted in the absence of importantinformation contained in a localized areaof study. Techniques of statisticaldownscaling in some cases cancompensate for this, but howeverweaknesses are inevitable, primarilyrelatedtoprojectioninformationinamoredetailed time scale which is usuallyassociatedwithextremeclimateevents.Inthis study, climate change projections isbasedon IPCCSRES scenarioA1B,A2andB1. This assessment study uses themoderate scenarioofSRESA1B topredictclimate change vulnerability condition infuture and disasters potential magnitudeassociatedwithCCHI.

    ProvinsiSumateraUtaramengalamilajuanomalicurahhujanyangmengindikasikankondisimusimkemarauyangsemakinkeringdanmusimpenghujansemakinbasah/NorthSumateraProvinceexperiencesrainfull

    anomalyisindicatingthatdryer dryseasonandwetterwetseasonareinevitable

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    6

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    Perubahan curah hujan masa depan(tahun 2025 dan 2050) pada 4 kelompok(klaster) hujan di Sumatera UtaraberdasarkanskenarioSRESA1B,A2danB1pada musim MAM, JJA, SON, dan DJMmenunjukkan adanya perubahan jumlahhujanyangbervariasiantara (7%)sampai(+20%).

    Futureprecipitation changes (in2025and2050) in the 4 rainfall clusters in NorthSumatera based on the rainfall scenariosSRESA1B,A2andB1intheseasonsMAM,JJA,SON,andDJMindicateachangeintheamount of rainfall between (7 %) to(+20%).

    Berdasarkan skenario SRES A1B,peningkatan CH tertinggi terjadi padaperiodeDJF (19.9%)padakelompokhujanTipeIV yang umumnya terletak di bagianutara Provinsi Sumatera Utara; danpenurunanCHtertinggipadaperiodeJJA(6.3%)padakelompokhujanTipeI.Kondisipada rataan tahun 2050 akan berubahsedikit dengan selisih sekitar 2% darikondisitahun2025.

    Based on the SRES A1B scenario, thehighest increase of CH occurred in theperiod DJF (19.9%) in TypeIV, which isgenerally located in the northern part ofNorthSumateraProvince,and thehighestCHdecline in theperiod JJA (6.3%) in theTypeI. The precipitation rate in 2050 ispredicted to change slightly, a 2%differencecomparedtothe2025condition.

    Bencana Terkait Iklim dan IndeksKompositBencanaIklimBerdasarkan potensi cakupan wilayahterdampak dan besarnya dampak padamasingmasing kabupaten (kota) makaurutantingkatbobotbencanaterkaitiklimadalah bencana banjir, kekeringan, tanahlongsordan kenaikan tinggimukaair laut(TMAL). Potensi cakupan wilayahterdampak dan besarnya dampak untukbencana banjir (BB) dideliniasi dari PetaRawan Bencana (Bappeda, 2010); untukbencanatanah longsor(TL)dideliniasidariaspekkelerengan(>40%)berdasarkandatatopografi (DEM); untuk bencanakekeringan(BK)berdasarkandatadariUnitPelaksana Teknis (UPT) Balai Proteksi

    ClimateRelatedDisastersand CompositeClimateHazardsIndexBased on the coverage area andmagnitudeof impacts ineachdistrictandcity, the followings are climaterelateddisaster inNorthSumateraProvince intheorder of importance: floods, droughts,landslides, and sea level rise (TMAL). Thefloodpotentialscopeandmagnitudeweredelineated from the Disaster Prone Map(Bappeda, 2010); the landslide weredelineatedfromtheterrainslopes (>40%)based on digital topographic data; anddroughtdisasterbasedondata fromUPT.Balai Proteksi Tanaman Pangan DanHortikultura (Food andHorticulture CropsProtection Institute, BPTPH) I. The data

    Perubahancurahhujanmasadepan(tahun2025dan2050)pada4kelompok(klaster)hujandiSumateraUtaraberdasarkanskenarioSRESA1B,A2danB1

    padamusimMAM,JJA,SON,danDJMmenunjukkanadanyaperubahanjumlahhujanyangbervariasiantara(7%)sampai(+20%)/Futureprecipitationchanges

    (in2025and2050)inthe4rainfallclustersinNorthSumaterabasedontherainfallscenariosSRESA1B,A2andB1intheseasonsMAM,JJA,SON,andDJM

    indicateachangeintheamountofrainfallbetween(7%)to(+20%).

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    7

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    TanamanPangandanHortikultura(BPTPH)I.Data inimenunjukkan bahwa beberapawilayah rawan terhadap kekeringan yangberpengaruh terhadap komoditastanaman pangan. Sedangkan untukkenaikan TMAL didasarkan pada skenariodengan laju 0.75mm/tahun.Dari analisistersebut selanjutnya dapat diketahuiindekskompositbencana iklim(compositeclimate hazard index(CCHI) yangmerupakan akumulasi dari bobotmasingmasing bencana pada masingmasingkabupaten (kota) dan dikelompokkandalam tiga kelas CCHI: Rendah (low, L),Sedang(medium,M)danTinggi(high,H).

    indicate that some areas are prone todroughtthateventuallyaffectsfoodcrops.Thesealevelrisepredictionisbasedontheincrease of 0.75mm/year scenario .CCHIwere then determined which representstheaccumulatedweightofeachdisasterineachdistrict (city)andgrouped into threeclasses CCHI: Low (L), Medium (L), andHigh(H).

    Pada tahunbaseline2008,sebagianbesarkabupatenmasukdalamkelasCCHIL,dantetappadakelastersebutpadatahun2025dan tahun 2050. Kelas CCHIH terdapatpadaKabupatenDeliSerdang,LangkatdanTanjung balai. Tiga kabupaten ini tetappada kondisiCCHIHpada tahun2025dan2050. Kelas CCHIM terdapat padaKabupaten Sibolga, Serdang Bedagai danBatu Bara. Secara umum, daerah yangawalnya berada pada kelas CCHIM akanmenjadikelasCCHIHpadatahun2025dan2050; meskipun ada yang mengalamiperbaikannilaidariCCHMmenjadiCCHILyaitu pada Kabupaten Mandailing Nataldan Pakfak Bharat. Sedangkan yangmengalami penurunan, dari CCHILmenjadi CCHIM adalah KabupatenTapanuli Tengah, Nias Selatan danLabuhanBatu.

    In the 2008 year baseline, most of thedistricts are included in class CCHIL andremainthesamein2025and2050.CCHIHclass is indicated in the Districts of DeliSerdang,LangkatandTanjungbalai.Thesethree districts are still in CCHIH in 2025and2050.CCHIM is indicated inDistrictsof Sibolga, Serdang Bedagai, andBatubara. Generally, districts originallyincluded in CCHIMwill shift to CCHIH in2025 and 2050; except two districts,Mandailing Natal and Pakfak Bharat,shifting fromCCHIM intoCCHIL.ChangeofCCHILtoCCHIMisindicatedinDistrictsof Tapanuli Tengah, Nias Selatan andLabuhanBatu.

    AnalisisKerentananWilayahKerentanan menggambarkan suatukumpulanatau interaksiberbagaikeadaanyang melekat pada suatu komunitasmasyarakat yang bisa mengarah danmenimbulkan dampak pada menurunnyadaya tangkal dan daya tahan masyarakatterhadap upayaupaya pencegahan danpenanggulangan bencana. Indikator

    RegionalVulnerabilityAnalysisVulnerability describes a collection orinteraction of a variety of circumstancesinherent in a society that can lead andhaveanimpactindecliningtheabilityandendurance of society in the efforts ofprevention and management of disaster.Regional Vulnerability Indicator orIndicatorofCumulativeVulnerability(IKKR)

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    8

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    Kerentanan Daerah atau IndikatorKumulatif Kerentanan (IKKR) merupakankumulatif dari tujuh indikator kerentananyaitu: jumlah penduduk miskin, akseslayanan air bersih, kepadatan penduduk,fraksi areal tanaman pangan, fraksi arealperkebunan, dan fraksi pantai, dan fraksinontutupanlahan.

    is a cumulative of seven vulnerabilityindicators , namely the number of poorpeople, access to cleanwater, populationdensity, fraction of food crops area,fraction of plantation area, fractions ofcoastalarea,andthefractionofopenarea(noncroppedland).

    Secara umum IKKR tingkat ProvinsiSumateraUtara termasuk kategori CukupRentan(CR).Tingkatkerentanandidaerahkota lebih baik daripada kabupaten,artinya daerah kota lebih tahan daripadakabupaten. Mayoritas kabupatentermasuk kategori Cukup Rentan (CR),hanya satu kabupaten yang kondisinyaSangat Rawan yaitu Kabupaten SerdangBedagai. Beberapa kabupaten kondisikerentanannya meningkat dalam kurunwaktu 20062008, yaitu KabupatenTapanuli Selatan, Tapanuli Tengah,Labuhan Batu, Asahan, Langkat dan NiasSelatan. Kondisimasingmasing indikatorsebagaiberikut:

    In general, IKKR of North SumateraProvince iscategorizedunder theMediumVulnerabilityCategoryorCukupRentan inIndonesianlanguage(CR).Thevulnerabilitylevelsincitiesarebetterthanthoseofthedistricts, indicating that cities are moreresistantthanthedistricts.ThemajorityofdistrictsfallinthecategoryofCR,andonlyone district is indicated under the HighlyVulnerable, which is Serdang BedagaiDistrict. Vulnerability in some districtsincreasedintheperiod20062008,suchasDistricts of Tapanuli Selatan, TapanuliTengah, Labuhan Batu, Asahan, Langkat,and Nias Selatan. The condition of eachindicatorisasfollows:

    (1) Nilai ratarata Indikator KerentananKemiskinan tingkat Provinsi semakinmenurun selama kurunwaktu20042008, iniberarti tingkat kerentanansemakin baik atau semakin tahan.Daerah dengan nilai indikatortertinggi adalah Kabupaten NiasSelatan. Hal ini karena tingginyapersentase penduduk miskin dikabupaten ini yang merupakanterbesardiwilayahProvinsiSumateraUtara yaitu mencapai 30,20 37,66%, padahal ratarata provinsi13,9618,96%.

    (1) The average Poverty VulnerabilityIndicators at the provincial levelshowedadecreasingtrendduringtheperiod 20042008, this means thatthe levelof vulnerabilitywasgettingbetter. The region with the highestindicator value (most vulnerable) isDistrictNiasSelatan,since ithasthehighestpercentageofpoorpeople inNorth Sumatera Province, in therange of 30.2 to 37.66%, while theprovincialaveragestandsat13.96to18.96%.

    (2) Ratarata indikator penggunaan airbersih nonPDAM tingkat Provinsiselama kurun waktu 20042008

    (2) The average indicator of provincialClean Water Consumption not fromDrinking Water StateOwned

    Tingkatkerentanandidaerahkotalebihbaikdaripadakabupaten/Thevulnerabilitylevelsincitiesarebetterthanthoseofthedistricts

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    9

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    menunjukkanpeningkatan,walaupunrelatif kecil. Hal ini mengindasikanbahwa laju peningkatan penduduk(rumah tangga) lebih besar dari lajupeningkatan jaringan layanan airbersih PDAM. Kabupaten Nias,Mandailing Natal, Tapanuli Selatan,Nias Selatan dan Fakfak Bharatmerupakan daerah yang sangatrentan terhadap akses air bersih.Tingginya kerentanan pada daerahtersebut disebabkan karenarendahnyapersentase rumah tanggapengguna air bersih PDAM. Daerahkotamemiliki kerentanan yang lebihrendah daripada kabupaten, hal inikarenaaksesrumahtanggaterhadaplayananairbersihPDAMlebihtinggi.

    Company (PDAM) slightly increasedduring the period 20042008. Thisindicates that thepopulationgrowthrate is greater than the rate of thePDAMsservicecoverage.DistrictsofNias, Mandailing Natal, TapanuliSelatan, Nias Selatan and FakfakBharatareveryvulnerable intermofaccess to cleanwater.Theareasareconsiderably vulnerable since accessto clean water services, catered byPDAMiseventuallylow.Citieshavealower vulnerability than the districtssinceshouseholds living incitieshavehigher access to clean water fromPDAM.

    (3) Ratarata nilai Indikator KerentananKepadatanPenduduktingkatProvinsimenunjukkan penurunan selamakurunwaktu20042008,yangberartibahwatingkatkerentanandariaspekkepadatan penduduk semakinrendah. Secara umum indikatorkerentanan di wilayah kota lebihtinggidaripadakabupaten,iniberartiwilayah kota lebih rentan daripadawilayah kabupaten. Nampak bahwaKota Sibolga dan Kota Medanmerupakan daerah dengan nilaiindikator kerentanan tertinggi,sementara kabupaten Fakfak Bharatmerupakan yang terendah. Tingkatkerentanan yang tinggi di KotaSibolga dan Medan disebabkankarena kepadatan penduduk padadaerah tersebut merupakan yangterpadat dibandingkan daerahlainnya, sementara Fakfak Bharatmemiliki tingkat kepadatanpendudukyangterendah.

    (3) The average value of the provincialPopulation Density VulnerabilityIndicators showed a decline duringtheperiod20042008.Ingeneral,thevulnerability indicators in cities arehigher than those in the Districts,indicating that cities are morevulnerable than districts area. Citiesof Sibolga and Medan have thehighest vulnerability indicator value,while District of Bharat Fakfak hasthe lowest values. The high level ofvulnerability in Cities of Sibolga andMedan were related to the highpopulation density in these area;while the District of Fakfak Bharat,hasthelowestpopulationdensity

    (4) Ratarata nilai Indikator KerentananTanaman Pangan tingkat Provinsimenunjukkan peningkatan selamakurun waktu 20042008. Kabupaten

    (4) The average Food CropVulnerabilityIndicators in the Province indicatedan increasingtrendduringtheperiod20042008. Districts of Serdang

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    10

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    SerdangBedagai,Karo,DeliSerdang,Simalungun, Kota Padangsidimpuan,KotaBinjaidanKotaPematangsiantarmerupakan daerah yang rentan.Tingginya indikator kerentanan padadaerah tersebut karena tingginyapersentaseluasarealpanentanamanpangandibandingkandaerahlainnya.

    Bedagai, Karo, Deli Serdang,Simalungun, and Cities ofPadangsidimpuan Pematangsiantar,and Binjai are categorized asvulnerable area. These areas havehigh vulnerability indicators due tothehighpercentageoftheharvestedfoodcropsthetotalareaofcomparedtootherregions.

    (5) Ratarata nilai Indikator KerentananTanaman Perkebunan tingkatProvinsi mengalami peningkatan, iniberarti Provinsi Sumatera Utaramemiliki tingkat kerentanan yangtinggi dilihat dari luas arealperkebunan, sehingga berpotensisemakin rentan. KabupatenAsahan,Labuhan Batu dan Serdang Bedagaimerupakan daerah dengan nilaiindikator kerentanan tertinggi, inimenunjukkan bahwa ketiga daerahtersebut sangat rentan jika terjadiperubahan iklim. Tingginya nilaiindikator kerentanan padaKabupaten Asahan, Labuhan Batudan Serdang Bedagai karena ketigadaerah tersebutmemilikipersentaseluas areal tertinggi dibandingkandaerah lainnya, khususnya untukperkebunan rakyat. Kabupaten lainyang memiliki nilai indikatorkerentanan cukup tinggi adalahKabupatenDeliSerdang,SimalungundanLangkat.

    (5) TheaveragePlantationsVulnerabilityIndicators in the Province increased.Districts of Asahan, Labuhan Batuand Serdang Bedagai are regionswith the highest vulnerabilityindicators. Districts of Asahan,Labuhan Batu and Serdang Bedagahave high vulnerability indicatorssince these regions have the highestpercentage of plantation areacompared to other regions. Otherdistricts that have high vulnerabilityindicators are Districts of DeliSerdang,SimalungunandLangkat.

    (6) Sebagianbesardaerahkotamemilikinilai Indikator Kerentanan NonTutupan Lahan yang lebih besardaripadawilayahkabupaten.Kondisitersebutmenunjukkanbahwatingkatkerentanan di wilayah kota lebihbesar sehingga kemungkinan resikosebagai dampak perubahan iklimakan lebih besar. Relatif tingginyanilai indikator di wilayah kotamemperlihatkan bahwa semakinmenurunnya luas areal hijau, terjadi

    (6) Most cities have NonCropped LandVulnerability Indicators higher thanthe districts. This indicates that thelevelofvulnerabilityinurbanareasishigher than in rural areas. Therelativelyhigh vulnerabiity indicatorsin the cities shows that there is adecline in green area as aconsequence of land conversion,from green area into residential,commercial,andinfrastructurearea.

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    11

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    konversi lahan untuk pemukiman,perdagangan,daninfrastruktur.

    (7) Indikator fraksi pantai didasarkanpada persentase panjang pantaiterhadap luas daerah. KabupatenNias Selatan, Tapanuli Tengah,Mandailing Natal, dan Langkatmerupakan daerah dengan nilaiindikatorkerentanantertinggi.Halinidisebabkan karena daerah tersebutmemiliki persentase panjang pantailebih tinggi dibandingkan dengandaerah lainnya. Untukdaerahkota,KotaSibolgamerupakandaerahyangtermasukrentan.

    (7) Thefractionsofcoastalareaindicatoris based on the percentage of thecoastallinetothetotalarea.DistrictsofNias,TapanuliTengah,MandailingNatal, and Langkat are the regionswith the highest vulnerabilityindicators, since coastal linepercentage is higher than otherareas. In terms of cities, Sibolga iscategorizedasvulnerablearea.

    HasilproyeksiterhadapIKKRmenunjukkanbahwa bahwa secara ratarata ProvinsiSumatera Utara nilai IKKR berada padakatagori Cukup Rentan (CR), baik padatahun2025dan2050. Namun jikadilihatper daerah, nilai IKKR tersebut bervariasimulaikategoriSangatRentan (SR) sampaidengan Sangat Tahan (ST). Daerah Kotamenunjukkan lebih tahan daripadaKabupaten. Kabupaten Serdang BedagaimerupakandaerahdengankatagoriSangatRentan pada tahun 2025 dan 2050.Sementara itu, Kabupaten Nias Selatanmengalamipeningkatanstatuskerentanandari Rentan (R) menjadi Sangat Rentan(SR),sertaKabupatenTapanuliSelatandariCukup Rentan (CR) menjadi Rentan (R).Daerah lainnya yang kondisikerentanannya semakin menurun adalahNias Selatan, Nias, Serdang Bedagai,Tapanuli Tengah, Deli Serdang, Langkat,Simalungun, Kota Binjai danPadangsidimpuan.

    The projection result shows that in 2025and 2050, North Sumatera Province isundermediumvulnerable(CR)categoryofIKKR.However, if assessed by region, theIKKRvaluewillvaryfromcategoryofVeryVulnerable (SR) to Highly Resistant (ST).Cities are predicted to be more resistantthandistricts.SerdangBedagaiisprojectedasHighlyVulnerablecityin2025and2050.Meanwhile, District of Nias Selatan willexperince Vulnerability status shift, fromVulnerable (R) to Very Vulnerable (SR),while District of Tapanuli Selatan fromMedium(CR)toVulnerable(R).

    AnalisiskapasitasadaptifwilayahIndikator KapasitasDaerah atau IndikatorKapasitas Kumulatif (IKKP)memperlihatkan derajat atau tingkatankemampuan/kapasitas daerah dalam

    RegionalAdaptiveCapacityAnalysisRegional Adaptive Capacity Indicator orCumulativeCapacityIndicator(IKKP)showsthe degree or level of ability/capacitywithintheregiontocopeoranticipatethe

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    12

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    mengatasi atau mengantisipasi dampakperubahan iklim. IKKP ini merupakankumulatif dari lima indikator yaitu: (1)pendidikan,(2)ekonomi,(3)kesehatan,(4)infrastruktur jalan, dan (5) energi listrik.Hasilanalisismemperlihatkanbahwaratarata IKKP Provinsi Sumatera Utaratergolongi Cukup (C) Tinggi (T), namunterdapat penurunan IKKP antar waktusertaIKKPdaerahkotalebihbaikdaripadakabupaten.Untukmasingmasingindikatorkondisinyasebagaiberikut:

    impact of climate change. IKKP is acumulativeoffiveindicators:(1)education,(2) economic, (3) health, (4) roadinfrastructure, and (5) electricity service.Theanalysisshowsthattheaveragevaluesof IKKP in North Sumatera Province iscategorizedasMedium (C) High (T),buttherewasadecreaseofIKKPovertimeandalso cities IKKP are better than those ofdistricts.Theconditionofeach indicator isasfollows:

    1.

    Ratarata nilai Indikator KapasitasPendidikantingkatprovinsicenderungmeningkat, artinya secara umumkapasitas pendidikan masyarakatmengalami peningkatan. KabupatenToba Samosir, Karo dan TapanuliUtaramerupakandaerahdengannilaiindikator terendah, yangmenunjukkan rendahnya AngkaPartisipasi Sekolah dan rasio fasilitaspendidikanterhadappenduduk.

    1. The average Education CapacityIndicators in the Province tend toincrease, indicating that the capacityof public education have increased.Districts of Toba Samosir, TapanuliUtara, and Karo are the regionswiththe lowest indicator, indicating alsothat schoolparticipation rateand theratio of educational facilities topopulationarestilllow.

    2. Ratarata IndikatorKapasitasEkonomitingkat provinsi memperlihatkan nilaiyang relatif konstan, walaupunterdapat perubahan namun relatifkecil. Nilai indikatorkapasitasdaerahkota lebih tinggidaripada kabupaten.Hal ini karena struktur ekonomipenduduk kota lebih besar di sektornonpertanian terutama industri,perdagangan dan jasa, berbedadengan kabupaten yang masihdidominasi sektor pertanian, sertapendapatanperkapitapendudukkotalebih tinggi daripada kabupaten.Daerah yang nilai indikatornyaekonominya rendah adalahKabupaten Padang Lawas Utara,Padang Lawas, Pakfak Bharat, NiasSelatandanNias.

    2. The average Economic CapacityIndicators in the Province shows arelatively constant value with onlysmallchanges.The indicatorsofcitiesare higher than the districts. Theeconomic structure in cities mostlydepend on nonagricultural sector,especiallyindustry,tradeandservices,in contrast to districts that are stilldominated by the agricultural sector.Incomepercapitaofpopulation livingin cities are higher than in districts.Padang LawasUtara, Padang Lawas,PakfakBharat,Nias SelatanandNiasare districts that have low economicindicators

    3. Ratarata Indikator KapasitasKesehatan tingkat provinsi

    3. The average Health CapacityIndicators in the Province showed

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    13

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    menunjukkan peningkatan dari tahunke tahun, ini menunjukkan bahwakapasitas kesehatan penduduksemakinmeningkat.Daerahkotalebihmemiliki indikator lebih tinggidaripada kabupaten, karena fasilitaskesehatan dan tenaga medis diwilayah kota lebih baik daripadakabupaten.Terdapatlimakabupatenyang memiliki indikator terendah,yaitu Kabupaten Serdang Bedagai,Batubara, Langkat, Simalungun danPadangLawas.

    improvement from year to year.Urbans have higher indicator thanRurals, due to better medical andhealthfacilities inUrbanthan inRuralarea. The lowest health indicatorswere found in 5 Districts, namelySerdang Bedagai, Batubara, Langkat,SimalungunandPadangLawas.

    4. Ratarata nilai indikator KapasitasInfrastruktur Jalan untuk tingkatprovinsi menunjukkan peningkatanwalaupun pada tahun 2007mengalami penurunan. Tidak adaperbedaan yang signifikan antarawilayah Kota dan Kabupaten. KotaSibolga dan Kabupaten Asahanmerupakan wilayah dengan indikatorterendah.

    4. The average Road InfrastructureCapacity Indicators in the Provinceshowed improvement in2007despiteexperiencing a decline. Therewas nosignificant difference between citiesand districts. Districts of Asahan andSibolga are regions with the lowestRoadInfrastructureCapacityindicator.

    5. Ratarata IndikatorKapasitas LayananListrik untuk tingkat provinsimenunjukkan peningkatan, hal iniberarti jangkauan fasilitas listriksemakin meningkat dari tahun ketahun. Nilai indikator untuk wilayahkota lebih tinggidaripada kabupaten,karena jangkauan jaringan listrik diwilayah Kota lebih besar daripadakabupaten. KabupatenNiasdanNiasSelatan merupakan daerah denganindikatorterendah.

    5. TheaverageElectricalServiceCapacityIndicators in the Province showedimprovement, indicating that thecoverage of access to electricity hasincreased from time to time. Citieshave higher indicator than districts,since electricity coverage in cities isgreater than in districts. Districts ofNiasandNiasSelatanare the regionswiththelowestindicator.

    Hasil proyeksi Indikator KumulatifKapasitas daerah memperlihatkan bahwasecara ratarata untuk tingkat provinsiindikator kapasitas daerah mengalamipenurunan. Kapasitas daerah kota lebihbaik daripada kabupaten. Beberapa

    The projection shows that CumulativeCapacity Indicator at provincial level hasdeclined. The capacity of cities is betterthandistricts.Someareashasexperiencedacapacitydecline, suchas theDistrictsofTapanuliSelatan,DeliSerdangandFakfak

    Kapasitasdaerahkotalebihbaikdaripadakabupaten/Thecapacityofcitiesisbetterthandistricts

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    14

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    daerah mengalami penurunan tingkatkapasitas yaitu Kabupaten TapanuliSelatandarikondisiRendah(R)padatahun2008, menjadi Sangat Rendah (SR) padatahun 2025 dan 2050. Hal yang samaterjadi dengan Kabupaten Deli Serdang,FakfakBharat,bahkanuntukwilayahkotamengalami penurunan kapasitas padahampir semua kota, walaupun statusnyamasih lebih baik dari kabupaten. Padatahun 2008 hanya terdapat 5 kabupatenyang kapasitasnya tidak tergolong SangatRendah,sementarauntukkotakondisinyasebagian besar Tahan (T) dan SangatTahan(ST).

    Bharat,fromLow(R)in2008toaVeryLow(SR) in 2025 and 2050. Almost all citieswentthroughacapacitydecline,althoughthe indicator is higher in the districts. In2008 there were only 5 districts, whosecapacitywere not classified as Very Low,while most cities were classified asResistant(T)andHighlyResistant(ST).

    Kapasitas Adaptif Dalam MengatasiBencanaKapasitas adaptif dalam mengatasibencana digambarkan oleh nilai CopingCapacity Index (CCI), yang merupakankombinasi dari Indikator KerentananKumulatif (IKKR) dan Indikator KapasitasKumulatif (IKKP). Berdasarkan keduaindikator tersebut, diperoleh empatkatagori/kelompok (kuadran) CCI, yaitu :(1) Kuadran I mencakup wilayah yangmemiliki kerentanan rendah, kapasitastinggi; (2) Kuadran II mencakup wilayahyang memiliki kerentanan rendah,kapasitas rendah; (3) Kuadran IIImencakup wilayah yang memilikikerentanan tinggi, kapasitas tinggi (4)Kuadran IV mencakup wilayah yangmemiliki kerentanan tinggi, kapasitasrendah. Urutan kuadran memperlihatkanurutan kondisi CCI dari yang terbaiksampaiyangterjelek.(Gambar1)

    CopingCapacityIndex

    Adaptive capacity for disastersmanagement is described as the value ofCopingCapacityIndex(CCI);acombinationof Cumulative Vulnerability Indicators(IKKR) and Cumulative Capacity Indicator(IKKP).Combinationofthesetwoindicatorsproduce four categories/groups(quadrants)ofCCI,namely: (1)Quadrant Iincludesareaswith lowvulnerability,highcapacity, (2) Quadrant II includes areasthat have low vulnerability, low capacity,(3) Quadrant III includes areas that havehigh vulnerability, high capacity (4)Quadrant IV includes areas of highvulnerability, low capacity. The sequencefromQuadrant I to IV shows theorderofCCI condition, from best toworst. (Figure1)

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    15

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    Gambar1/Figure1PengelompokanKabupaten/KotaberdasarkanCopingCapacity(modifikasidariBoeretal,2010)

    GroupingofDistricts/CitiesbasedonCopingCapacty(modificationfromBoeretal,2010)

    Untuk kondisi saat ini, hasil analisismenunjukkan terdapatpenurunan kondisiCopingCapacity Index (CCI) selama kurunwaktutahun20062008.Padatahun2006dan 2007, secara ratarata CCI tingkatProvinsi Sumatera Utara tergolong padakuadran I, namun pada tahun 2008menjadikuadranIV.

    The analysis suggests a decrease in CCIconditionduring theperiod20062008. In2006 and 2007, the average CCI inNorthSumateraProvinceisclassifiedinQuadrantI,butin2008itmovedtoQuadrantIV.

    Hasil proyeksi CCI menunjukkan bahwasebagian besar daerah berada padakuadran IV, hanya sebagian kecil yangberada di kuadran I. Kondisi copingcapacity tahun 2025 dan tahun 2050menunjukkan bahwa posisi daerahsemakin terkonsentrasi di kuadran IV,yaitu wilayah yang memiliki kerentanantinggi dengan kapasitas rendah, sehinggakondisi ini memperlihatkan bahwasemakin banyak daerah yang posisi CCIsecara kualitas semakin menurun,sehinggaperluantisipasidanpenangananyang serius untuk menggeser posisitersebutkeposisiyanglebihbaik.

    The projection of Coping Capacity Index(CCI) showed that most areas are inquadrantIV,onlyasmallportionislocatedin quadrant I.The condition suggests thatmore areas are getting worse andanticipationeffortsareneededtoshifttoabetterquadrant.

    Kondisicopingcapacitytahun2025dantahun2050menunjukkanbahwaposisidaerahsemakinterkonsentrasidikuadranIV/TheNorthSumateracopingcapacity

    in2025and2050willlikelybeconcentratedinquadrantIV

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    16

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    ResikoBencanaIklimResikobencanaiklimdigambarkansebagairesultan (matriks) dari nilai CCI (empatkuadran:I,II,III,IV)danCCHI(tigakelas:L,M, H); sehingga diperoleh 12 kombinasiyang dikelompokkan menjadi 5 kelasresiko iklim: Sangat Rendah (SR), Rendah(R),Sedang(S),Tinggi(T)danSangatTinggi(ST). Sebagai contoh, kabupaten denganCCIIV dan CCHIH merupakan kabupatendenganresikoiklimSangatTinggi.

    ClimateDisasterRiskTheriskofclimatedisastersisdescribedasa resultant (matrix) of the CCI (fourquadrants: I, II, III, IV) and CCHI (threeclasses: L, M, H); in order to obtain 12combinations grouped into 5 classes ofclimate risks: Very Low (SR), Low (R),Medium (S),High (T) and VeryHigh (ST).Forexample,districtswithCCIIVandCCHIHarethosewithVeryHighclimaterisks.

    Pada kondisi baseline tahun 2008,sebagian besarwilayah perkotaan yangmemiliki CCI pada kuadran I (kerentananrendah, kapasitas tinggi) dan dikombinasidenganCCHIkategoriLmemiliki tingkatresiko iklim Sangat Rendah. Kondisi initerdapat pada Kota Pematangsiantar,Tebing Tinggi, dan Medan. Resiko iklimyang Tinggi lebih banyak dijumpai padawilayah kabupaten dengan CCI yangkurang bagus (kategori III dan IV,kerentanan tinggi) dan CCHI yang relatiftinggi (kelas M dan L). Kabupaten yangmemiliki tingkat resiko iklim sangat tinggiadalah Kabupaten Deli Serdang, LangkatdanSerdangBedagai.

    Using 2008 as the baseline, most urbanareas with CCI in quadrant I (lowvulnerability,highcapacity)andcombinedwithCCHI category LhasVery Low levelofclimate risk.We can find thisconditionin the Cities of Pematangiantar, TebingTinggi,andMedan.Veryhighclimaterisksaremoreprevalent indistrictswitha lessgood CCI (category III and IV, highsusceptibility) and relatively high CCHI(Class M and L), such as Deli Serdang,LangkatandSerdangBedagai

    Resiko iklimyangSangatTinggi,baikpadatahunbaseline2008ataupunpadakondisiproyeksi tahun 2025 dan 2050, terdapatpada Kabupaten Langkat dan SerdangBedagai sebagai hasil dari kombinasi nilaiCCIIV dan CCHIH. Sedangkan wilayahyang akan memiliki resiko iklim sangattinggipada tahun2050adalahKabupatenBatubara dan Nias Selatan karenamengalami perubahan dari CCHIMmenjadiCCHIH.

    Districts of Langkat and serdang Bedagaiare disctricts that have VeryHigh Risk ofclimate, both in 2008 baseline or inprojection year of 2025 and 2050, as aresult of the combination of CCIIV andCCHIH. Mean while districts of BatubaraandNias Selatan are projected to have averyhighriskin2050,duetotheshiftfromCCHIMtoCCHIH

    ResikoiklimyangSangatTinggi,baikpadatahunbaseline2008ataupunpadakondisiproyeksitahun2025dan2050,terdapatpadaKabupatenLangkatdanSerdang

    Bedagai/DistrictsofLangkatandserdangBedagaiaredisctrictsthathaveVeryHighRiskofclimate,bothin2008 baselineorinprojectionyearof2025and2050

  • PenyusunanPemetaanKerentananPerubahanIklimProvinsiClimateChangeVulnerabilityAssessmentinaProvince

    17

    RIN

    GK

    ASA

    N E

    KSEK

    UTI

    F

    EX

    ECU

    TIV

    E SU

    MM

    AR

    Y

    TA.2010

    Untukmendapatkan informasi lebih lanjutdapatmenghubungi:

    Formoresomeinformationpleasecall:

    DewanNasionalPerubahanIklimGedungBUMNLt.18Jl.MedanMerdekaSelatan.13JakartaTelp:62213511400.http://www.dnpi.go.id

    NationalCouncilonClimateChangeBUMNBuilding18FloorJl.MedanMerdekaSelatan.13JakartaTelp:62213511400.http://www.dnpi.go.id

    PemerintahProvinsiSumateraUtaraJl.P.DiponegoroNo.30,MedanTelp:+62614156000,4538549http://www.sumutprov.go.id

    NorthSumateraRegionalGovernmentJl.P.DiponegoroNo.30,MedanTelp:+62614156000,4538549http://www.sumutprov.go.id