BAB III METODOLOGI PENELTIAN
A. Ruang Lingkup Penelitian Penelitian ini bertujuan untuk mengetahui dampak dari perubahan iklim terhadap kerentanan penghidupan rumah tangga petani dan sektor pertanian di Kabupaten Sukoharjo. Penelitian ini akan menggunakan alat analisis berupa Sistem Informasi Geografi (SIG) untuk mengidentifikasi wilayah dengan lahan sawah rawan banjir di Kabupaten Sukoharjo. Setelah teridentifikasi, maka akan dilakukan
perhitungan
kerentanan
penghidupan
pada
wilayah
tersebut.
Selanjutnya, akan diteliti dampak dari perubahan iklim terhadap sektor pertanian di Kabupaten Sukoharjo, yang akan difokuskan pada subsektor tanaman bahan pangan saja. Tahun penelitian ditentukan menyesuaikan dengan ketersediaan data yang ada, yaitu dalam data World Bank Tahun 2016, emisi CO2 per kapita Indonesia hanya tersedia hingga tahun 2011, sehingga agar dapat diperoleh hasil yang relevan maka seluruh data yang digunakan untuk mengetahui dampak perubahan iklim terhadap sektor pertanian menggunakan data tahun 2007 – 2011. Pemilihan lokasi penelitian dilakukan berdasarkan hasil pemetaan Sistem Informasi Geografis (SIG). Alasan lainnya adalah karena Kelurahan Sonorejo memiliki luas sawah terbesar dibandingkan dengan kelurahan-kelurahan lain di Kecamatan Sukoharjo (Tabel 1.3), namun lahan sawahnya merupakan yang paling rawan mengalami bencana banjir.
32
B. Desain Penelitian Penelitian ini menggunakan desain penelitian analisis deskriptif. Penelitian deskriptif adalah suatu metode penelitian yang dilakukan dengan tujuan utama untuk membuat deskripsi atau gambaran mengenai suatu keadaan secara objektif. Penelitian deskriptif menurut Nazir (2003), adalah penelitian yang digunakan untuk menemukan fakta dengan interpretasi yang tepat. Penelitian ini menggunakan jenis penelitian kuantitatif, dimana penelitian kuantitatif diartikan sebagai nilai-nilai dari perubahan yang dapat dinyatakan dalam angka. Pada penelitian ini, penelitian kuantitatif digunakan untuk menggambarkan tingkat kerentanan petani terhadap perubahan iklim dan juga dampak dari perubahan iklim terhadap pertumbuhan sektor pertanian di Kabupaten Sukoharjo. C. Jenis dan Sumber data Data yang digunakan dalam penelitian ini adalah: 1.
Data Primer, yaitu data yang diperoleh dari hasil survei lapangan dalam bentuk wawancara yang dibantu dengan daftar pertanyaan
dengan para
responden langsung serta pengamatan langsung di lapangan. Responden dalam penelitian ini adalah petani padi sawah di Kelurahan Sonorejo yang dijadikan sampel. Data digunakan untuk mengukur indeks kerentanan dengan menggunakan pendekatan Livelihood Vulnerability Indeks (LVI).
33
2.
Data Sekunder, yaitu data yang diperoleh dari instansi atau lembaga yang terkait dengan penelitian ini sebagai data pendukung. Data sekunder juga berfungsi sebagai penguat dari data primer, dengan melakukan studi pustaka, dan laporan berbagai instansi yang berhubungan dengan penelitian seperti Kantor Kelurahan, Badan Penanggulangan Bencana Daerah, Badan Pusat Statistik, Dinas Pertanian, serta data yang diperoleh secara online dari Germanwatch dan World Bank.
D. Teknik Pengumpulan Data 1. Wawancara, yaitu salah satu cara untuk mengumpulkan data dengan cara menanyakan secara langsung kepada responden peneliti yaitu petani di Kelurahan Sonorejo yang lahan sawahnya rawan terhadap banjir/genangan. 2. Observasi, yaitu melakukan pengamatan langsung dan pencatatan secara sistematis di daerah penelitian. 3. Kajian Pustaka, yaitu dengan megambil data-data dari buku, jurnal ilmiah dan laporan dari instansi yang terkait dengan penelitian ini.
E. Populasi, Sampel dan Teknik Pengambilan Sampel Populasi adalah wilayah generalisasi yang terdiri dari objek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2003). Populasi dalam penelitian ini adalah semua petani di Kelurahan Sonorejo dengan karakteristik tertentu yang ditetapkan oleh peneliti sebagai objek penelitian dan kemudian
34
ditarik kesimpulannya, yaitu petani yang lahan sawahnya rawan terhadap banjir/genangan. Berdasarkan pemetaan dengan Sistem Informasi Geografi (SIG) diketahui bahwa Dusun yang lahan sawahnya rentan terhadap banjir/genangan di Kelurahan Sonorejo ini adalah Dusun Langsur dan Dusun Ngiser. Kelurahan Sonorejo sendiri memiliki 9 kelompok tani yang disajikan pada Tabel 3.1. Tabel 3.1 Kelompok Tani Wilayah Binaan Sonorejo, tahun 2016 No.
Nama Jumlah Dusun Kelompok Tani Anggota 1 Tani Makmur Langsur 40 2 Kridho Tani Ngiser 69 3 Sri Makmur Langsur 46 4 Karya Makmur Sayemrejo 40 5 Karya Mukti Cebukan 68 6 Karya Tani Kayen 46 7 Ngudi Rahayu Gedong 44 8 Dewi Sri Jomblang 45 9 Agung Rejeki Gabahan 42 Jumlah 440 Sumber: Ketua Gapoktan dan Ketua Poktan Kelurahan Sonorejo
Berdasarkan Tabel 3.1 dapat dilihat jumlah dari anggota kelompok tani yang berada di kampung langsur dan ngiser adalah sebanyak 155 orang petani yang terdiri dari anggota kelompok tani Kridho Tani, Tani Makmur, dan Sri Makmur. Sehingga, populasi dari penelitian ini adalah sebanyak 155 orang. Sampel adalah sebagian dari jumlah populasi yang akan diteliti dan dianggap mampu mewakili seluruh populasi (Sugiyono, 2003). Sampel dalam penelitian ini yaitu petani yang bekerja pada lahan sawah yang terdapat di Dusun Langsur dan Ngiser. 35
Salah satu metode yang digunakan untuk menentukan jumlah sampel adalah menggunakan rumus Slovin sebagai berikut:
Dengan, n: Jumlah sampel N: Jumlah populasi e : Batas kesalahan yang dapat ditolerir (10%) Untuk menentukan jumlah petani yang diambil sebagai sampel penelitian dapat dihitung dengan menggunakan rumus slovin (Marmi, 2008) sebagai berikut:
dibulatkan menjadi 61 sampel. Dengan demikian 61 sampel tersebut diambil dari 2 dusun dan 3 kelompok tani yang terpilih sebagai sampel penelitian. Pengambilan sampel dilakukan dengan metode non probability sampling secara purposive, yaitu hanya petani yang beraktivitas di lahan sawah yang rawan banjir di Kelurahan Sonorejo.
36
F. Definisi Operasional Variabel Definisi operasional variabel merupakan penjelasan dari masing-masing variabel yang digunakan dalam penelitian. Variabel dalam penelitian ini adalah: a. Kerentanan (Vulnerability) Adalah fungsi dari karakter, besaran, dan tingkat variasi iklim dimana suatu sistem terpapar (exposed), pada kepekaan dan kapasitas adaptasinya. b. Sosial-demografi (Social-demography) Adalah suatu ilmu yang mempelajari struktur dan proses penduduk di suatu wilayah yang perubahan struktur penduduknya dipengaruhi oleh proses-proses sosial dan perubahan sosial masyarakat. c. Strategi penghidupan (Livelihood Strategy) Adalah adalah berbagai kegiatan atau upaya yang dilakukan oleh rumahtangga untuk memenuhi kebutuhan hidupnya. d. Kesehatan (Health) Adalah situasi sejahtera dari keadaan fisik, mental, dan sosial bukan hanya ketiadaan penyakit atau kelemahan. e. Makanan Adalah segala bahan yang kita makan atau masuk ke dalam tubuh yang membentuk atau mengganti jaringan tubuh, memberikan tenaga, atau mengatur semua proses tubuh.
37
f. Air Adalah cairan jernih tidak berwarna, tidak berasa, dan tidak berbau yang terdapat dan diperlukan dalam kehidupan manusia, hewan, dan tumbuhan yang secara kimiawi mengandung hydrogen dan oksigen. g. Jaringan Sosial Adalah hubungan-hubungan yang tercipta antar banyak individu dalam suatu kelompok atau antar suatu kelompok dengan kelompok lainnya. h. Bencana Alam dan variabilitas iklim Bencana alam dalah peristiwa atau rangkaian peristiwa yang mengancam dan
mengganggu
kehidupan
dan
penghidupan
masyarakat
yang
disebabkan oleh alam. Variabilitas iklim adalah suatu fenomena terkait kondisi cuaca ekstrem yang terjadi dalam rentang waktu tertentu. i. Keterpaparan (Exposure) Adalah potensi kerugian akibat dampak bencana. j. Kapasitas adaptasi (Adaptive Capacity) Adalah potensi atau kemampuan dari sistem untuk menyesuaikan diri dengan perubahan iklim termasuk variabilitas iklim dan ekstrem. k. Kepekaan (Sensitivity) Adalah sejauh mana sistem akan terpengaruh atau merespon rangsangan dari perubahan iklim. l. Tingkat pertumbuhan sektor pertanian Adalah proses kenaikan output sektor pertanian 38
m. Emisi CO2 Adalah buangan atau hasil dari gas-gas yang dikeluarkan dari hasil pembakaran senyawa yang mengandung karbon khususnya karbon dioksida dibobot dengan jumlah penduduk n. Indeks produksi pertanian Adalah suatu angka yang digunakan untuk mengetahui perubahan yang terjadi pada produksi pertanian. o. Perubahan iklim Adalah keadaan terjadinya perubahan cuaca yang terjadi dalam jangka waktu yang panjang. p. Skor perubahan iklim Adalah skor dari perubahan iklim yang diperoleh dari Climate Risk Index (CRI).
G. Metode dan Analisis Data Untuk mengetahui wilayah dengan lahan sawah yang rawan terhadap banjir/genangan digunakan alat analisis yaitu Sistem informasi Geografi (SIG). Setelah itu, akan dilakukan analisis tingkat kerentanan rumah tangga petani akibat dari kejadian banjir/genangan tersebut dengan menggunakan Livelihood Vulnerability Index (LVI). Perhitungan LVI ini menggunakan aplikasi microsoft excel berdasarkan data primer yang didapat. Selanjutnya hasil tersebut dijelaskan secara deskriptif.
39
Untuk analisis dampak perubahan iklim terhadap pertumbuhan sektor pertanian dilakukan dengan mengidentifikasi hubungan antara indeks perubahan iklim dan pertumbuhan sektor pertanian di Kabupaten Sukoharjo. Dengan Sumber data yang digunakan adalah
kompilasi data dari
Badan Pusat Statistik,
Germanwatch, dan Worldbank. Data tersebut kemudian diolah dengan menggunakan Microsoft excel dan dijelaskan secara deskriptif. Tabel 3.2 Ringkasan Metode Penelitian Tujuan Penelitian Pemetaan wilayah lahan sawah rawan banjir di Kelurahan Sonorejo, Kecamatan Sukoharjo Indeks Kerentanan penghidupan petani di Kelurahan Sonorejo, Kecamatan Sukoharjo Dampak perubahan iklim terhadap pertumbuhan sektor pertanian
Alat Analisis SIG
Data
Hasil
Data Primer Peta kerawanan Data Sekunder dan kerentanan
Statistik Deskriptif
Data Primer
Statistik Deskriptif
Data sekunder
Indeks Kerentanan (Livelihood Vulnerability Index) Hubungan antara perubahan iklim dan pertumbuhan sektor pertanian.
1. Analisis dengan Sistem Informasi Geografi (SIG) Penggunaan SIG telah banyak dilakukan untuk mengidentifikasi wilayah-wilayah potensi bencana, seperti yang dilakukan oleh: Wood dan Good (2004) menggunakan SIG untuk mengidentifikasi kerawanan pada
40
bandara dan pelabuhan akibat bencana bumi dan tsunami, dan Rashed (2003), mengukur konteks lingkungan pada kerawanan sosial akibat bencana bumi. Dalam penelitian ini Sistem Informasi Geografi (SIG) akan digunakan untuk
memetakan
wilayah
yang
lahan
sawahnya
rawan
banjir/genangan di Kecamatan Sukoharjo, Kabupaten Sukoharjo.
terhadap Dengan
mempertimbangkan beberapa variabel, yaitu data kejadian banjir, daerah lengkungan sungai, kemiringan lereng, dan penggunaan lahan. 2. Indeks Kerentanan a. Pendekatan Livelihood Vulnerability Index Indeks Kerentanan atau Livelihood Vulnerability Index (LVI) telah dikembangkan oleh Hahn et al. (2009), Lohani (2007), Etwire et al. (2013), Razafindrabe (2007), Eriksen dan Kelly (2006), dan Madhuri (2014). Namun dalam penelitian ini menggunakan LVI yang dikembangkan oleh Hahn et al. (2009) yang terdiri dari tujuh komponen utama, yaitu : 1. Profil sosial-demografi (SDP) 2. Strategi penghidupan (LS) 3. Kesehatan (H) 4. Makanan (F) 5. Air (W) 6. Jaringan sosial (SN) 7. Bencana alam (ND) dan Variabilitas Iklim
41
Komponen LVI yang di kembangkan oleh Hahn et al. (2009) diatas, terdiri dari beberapa indikator atau sub-komponen. Sub-komponen ini dikembangkan berdasarkan hasil tinjauan kepustakaan dari masing-masing komponen utamanya. Pada Tabel 3.3 terdapat penjelasan mengenai bagaimana
masing-masing
sub-komponen
diperhitungkan,
dan
batas
kemampuan atau potensi bias. Dalam penelitian ini LVI dihitung dengan menggunakan pendekatan balanced weighted average (Sullivan et al. 2002) dimana masing-masing dari sub-komponen memiliki kontribusi yang sama pada keseluruhan indeks, meskipun masing-masing komponen utama terdiri dari jumlah sub-komponen yang berbeda-beda. Masing-masing sub-komponen dihitung dengan skala yang berbedabeda, sehingga diperlukan standarisasi menjadi suatu indeks agar dapat diperhitungkan secara keseluruhan. Oleh karena itu, digunakan pendekatan indeks komposit untuk mengkonversi skala dari masing-masing subkomponen yang diperoleh dari the life expectancy index (UNDP, 2007) dengan perhitungan sebagai berikut:
Dengan Sb adalah nilai dari sub-komponen wilayah b, Smin dan Smax adalah nilai minimum dan maksimum dari setiap sub-komponen yang ditentukan berdasarkan data wilayah studi. Setelah distandarisasi, sub-
42
komponen dirata-rata dengan menggunakan rumus berikut, untuk kemudian menghitung nilai komponen utamanya.
Dengan nilai Mb sama dengan satu dari komponen utama pada wilayah b (SDP, LS, H, F, W, SN dan ND). Indeksbi mencerminkan nilai dari subkomponen yang diindeks oleh i. Berdasarkan persamaan tersebut maka dapat diperoleh nilai LVI:
Persamaan tersebut dapat ditulis ke dalam persamaan berikut:
WSDPSDPb +WLSLSb + WHHb +WFFb + WWWb + WSNSNb + WNDNDb
LVIb = WSDP + WLS + WH + WF + WW + WSN +WND
Sumber: Hahn et al. (2009) Dengan LVIb adalah nilai indeks kerentanan untuk suatu wilayah b yang dibobot oleh tujuh komponen utama, WMi ditentukan oleh jumlah subkomponen yang mencerminkan setiap komponen utama, yang memiliki kontribusi sama untuk keseluruhan LVI (Sullivan et al. 2002). Skala dari nilai LVI berkisar antara: 1. 0 – 0,2
= tidak rentan
2. 0,21 – 0,4
= rentan/sedang
0,41 – 0,5
= sangat rentan
3.
43
Tabel 3.3 Komponen utama dan sub-komponen Livelihood Vulnerability Index (LVI) Komponen Sub-komponen Penjelasan Batas kemampuan Utama Sub-komponen Profil sosial- Rasio ketergantungan Rasio dari populasi Penambahan demografi yang berumur dibawah keluarga besar , 15 tahun dan diatas 65 tidak tahu siapa tahun saja yang tinggal dirumah, ketiadaan akta kelahiran Persen perempuan sebagai kepala keluarga
Persentase dari rumah tangga yang orang dewasa utamanya adalah perempuan. Jika kepala keluarga lakilakinya sudah tidak ada dirumah >6 bulan setahun
Persen kepala keluarga yang tidak bersekolah
Persentase dari kepala keluarga yang tidak mendapatkan pendidikan di sekolah Persentase dari anggota rumah paling sedikit satu orang yang membutuhkan bantuan sehari-hari misalnya karena umur, kondisi fisik atau mental, atau sakit atau berketerbatasan Persentase dari rumah tangga yang anggotanya paling sedikit 1 orang bekerja di luar kota untuk memenuhi kebutuhan pokok
Persen dari anggota rumah yang membutuhkan bantuan
Strategi Persen dari rumah penghidupan tangga dengan anggota yang bekerja di luar kota
Persen dari rumah tangga yang sumber
Persentase dari rumah tangga yang tercatat
44
Tidak dapat menentukan siapa kepala keluarga dirumah karena terdapat lebih dari 1 keluarga yang tinggal bersama atau suaminya tidak ada.
Tidak mengetahui siapa saja anggota keluarganya, tidak menghitung berapa anggota keluarga yang sebelumnya sudah bekerja ke luar kota, Survei ini hanya menanyakan
pendapatan utamanya bergantung pada sektor pertanian
Kesehatan
Makanan
sumber pendapatan utamanya hanya dari bertani/berkebun/beterna k Rata-rata indeks kebalikan dari (jumlah penggolongan dari aktivitas pertanian penghidupan sektor +1) misalnya rumah pertanian (range: 0.20 tangga yang bertani, - 1) berkebun, beternak akan memiliki indeks penggolongan livelihood = 1 / (3 + 1) = 0.25 Rata-rata waktu yang Rata-rata waktu yang dibutuhkan (menit) dibutuhkan anggota rumah untuk mencapai fasilitas kesehatan terdekat Persen dari rumah Persentase dari rumah tangga yang anggota tangga yang dilaporkan keluarganya memiliki memiliki paling tidak 1 penyakit kronis orang anggota keluarga yang memiliki penyakit kronis Persen dari rumah Persentase dari rumah tangga yang sumber tangga yang makanannya paling mendapatkan sumber banyak berasal dari makanan utamanya lahan pertaniannya paling banyak dari hasil sendiri pertaniannya sendiri Rata-rata jumlah Rata-rata jumlah dalam dalam sebulan rumah sebulan rumah tangga tangga kesulitan kesulitan/tidak untuk makan (range: berkecukupan makanan 0-12) untuk keluarga mereka
Persen dari rumah tangga yang tidak
Persentase dari rumah tangga yang tidak
45
tentang 3 sumber utama pendapatan keluarga di daerah penelitian. Survei ini hanya menanyakan tentang 3 sumber utama pendapatan keluarga di daerah penelitian. Diluar sektor pertanian tidak termasuk. Estimasi subjektif dari waktu perjalanan
Penyakit kronis yang di definisikan secara subjektif oleh responden Definisi subjektif dari “paling banyak”
Definisi subjektif dari “berkecukupan”, mungkin tidak akan memperlihatkan keseluruhan tren dari kelangkaan makanan (biasanya responden paling ingat tahun sekarang) Tidak memperhitungkan
Air
menyimpan hasil panen
menyimpan hasil panen untuk cadangan
Persen dari rumah tangga yang memanfaatkan sumber air alami
Persentase dari rumah tangga yang mendapatkan sumber airnya utamanya dari kali, sungai, danau, atau sumur Rata-rata waktu yang dibutuhkan anggota rumah tangga untuk menuju ke sumber air utama mereka
Rata-rata waktu yang dibutuhkan untuk ke sumber air (menit)
Jaringan Sosial
Persen dari rumah tangga yang tidak mempunyai persediaan air yang konsisten
Persentase dari rumah tangga yang tidak memiliki air pada sumber air utamanya sehari-hari
Kebalikan dari ratarata jumlah air dalam liter yang disimpan per rumah tangga (range: >0-1) Rata-rata menerima: rasio memberi (range: 0-15)
Kebalikan dari (rata-rata jumlah air dalam liter yang disimpan oleh masing-masing rumah tangga +1) Rasio dari (jumlah dari jenis bantuan yang diterima oleh rumah tangga dalam satu bulan terakhir +1) dengan (jumlah dari jenis bantuan yang diberikan oleh rumah tangga kepada orang lain dalam satu bulan terakhir +1) Rasio dari rumah tangga yang meminjam uang dalam sebulan terakhir dengan rumah tangga yang memberi pinjaman uang dalam sebulan
Rata-rata meminjam: rasio memberi pinjaman uang (range: 0.5 - 2)
46
keluarga yang menjual hasil panen dan menyimpan uangnya Membingungkan ketika keluarga responden memiliki lebih dari satu sumber air Estimasi subjektif dari waktu perjalanan, anggota keluarga lain yang mengambil air Disebut bias (biasanya yang suka diingat hanya beberapa hari berturut-turut saja berkekurangan air) Kekurangan informasi tentang ukuran dari bak penampungnya Kebingungan tentang siapa keluarga dan siapa sanak/saudara, kepercayaan pada jenis bantuan yang dilaporkan sendiri
Kepercayaan pada yang dilaporkan sendiri bertukaran uang, tidak mempertimbangka n pertukaran dari
Persen dari rumah tangga yang tidak pernah pergi ke pemerintahan daerah/lokal untuk meminta bantuan dalam 1 tahun terakhir
Bencana alam dan variabilitas iklim
Rata-rata dari jumlah bencana banjir/kekeringan/ang in ribut dalam 5 tahun terakhir (0-7) Persen dari rumah tangga yang tidak menerima peringatan tentang kedatangan bencana alam
Persen dari rumah tangga yang menjadi korban dari bencana alam paling besar dalam 5 tahun terakhir
Nilai rata-rata standar
terakhir. Misalnya jika suatu rumah tangga meminjam uang tetapi tidak meminjamkan uang, rasionya = 2:1 atau 2 dan jika mereka meminjamkan tetapi tidak meminjam uang, rasionya = 1:2 atau 0.5 Persentase dari rumah tangga yang tidak pernah meminta bantuan dari pemerintah daerah/lokal dalam 1 tahun terakhir
Total jumlah dari banjir/kekeringan/angin ribut yang dilaporkan oleh rumah tangga dalam 5 tahun terakhir Persentase dari rumah tangga yang tidak menerima peringatan mengenai kejadian paling besar seperti banjir, kekeringan, dan angin ribut dalam 5 tahun terakhir Persentase dari rumah tangga yang salah satu anggota keluarganya menjadi korban dari kejadian banjir, kekeringan dan angin ribut dalam 5 tahun terakhir Standar deviasi dari
47
barang yang tidak dapat dihitung secara nilai uang
Kepercayaan pada yang dilaporkan sendiri mengenai kunjungan ke pemerintahan, disebut bias (biasanya yang diingat adalah pergi ke pemerintahan untuk persoalan yang menakutkan ) Disebut bias (yang paling sering terjadi yang biasanya diingat ) Definisi subjektif dari “peringatan”
Disebut bias (luka besar biasanya yang diingat)
Periode waktu
deviasi dari rata-rata suhu udara maksimum per bulan
rata-rata suhu udara maksimum per bulan antara 2009 – 2013 adalah rata-rata dari masing-masing provinsi Nilai rata-rata standar Standar deviasi dari deviasi dari rata-rata rata-rata suhu udara suhu udara minimum minimum per bulan per bulan antara 2009 – 2013 adalah rata-rata dari masing-masing provinsi Nilai rata-rata standar Standar deviasi dari deviasi dari rata-rata rata-rata hujan per bulan hujan per bulan antara 2009 – 2013 adalah rata-rata dari masing-masing provinsi Sumber: Desain LVI dikembangkan oleh Hahn et al. (2009)
yang singkat
Periode waktu yang singkat
Periode waktu yang singkat
b. Pendekatan LVI – IPCC (Livelihood Vulnerability Index – Intergovernmental Panel of Climate Change) Indeks LVI-IPCC adalah metode alternatif yang digunakan untuk menghitung LVI yang digabungkan dengan definisi kerentanan menurut IPCC. Dalam tabel 3.4 diperlihatkan susunan dari tujuh komponen utama pada pendekatan LVI-IPCC. Keterpaparan (exposure) dari populasi penelitian ini diukur berdasarkan jumlah dari bencana banjir yang terjadi selama 5 tahun terakhir. Dengan variabilitas iklim diukur berdasarkan rata-rata standar deviasi dari suhu maksimum dan minimum bulanan dan curah hujan bulanan selama periode 5 tahun. Kapasitas adaptasi (adaptive capcity) adalah diukur dengan profil demografi dari wilayah (kepala keluarga perempuan), jenis pekerjaan dari strategi penghidupan, dan jaringan sosial
(persentase dari rumah tangga
48
yang membantu
tetangganya). Kemudian kepekaan (sensitivity) diukur dengan menentukan status pangan sekarang, jaminan air, dan status kesehatan dari suatu wilayah. Tabel 3.3 juga digunakan untuk menghitung LVI-IPCC. LVIIPCC berbeda dari LVI ketika komponen utamanya digabungkan. Dibandingkan dengan pemisahan komponen utama menjadi LVI dalam satu langkah, pertama-tama akan digabungkan dahulu berdasarkan kategori rencana pada Tabel 3.4 dengan menggunakan persamaan sebagai berikut:
Dengan CFd adalah definisi faktor kontribusi IPCC (exposure, kepekaan, atau kapasitas adaptasi) untuk wilayah d (Kelurahan Sonorejo), Mdi adalah komponen utama untuk wilayah d yang di indeks dengan i, WMi adalah bobot komponen utama, dan n adalah jumlah dari komponen utama masing-masing faktor kontribusi. Kombinasi dari ke tiga faktor kontribusi tersebut dihitung dengan menggunakan persamaan:
Dengan LVI-IPCCd adalah indeks LVI wilayah d yang dinyatakan menggunakan kerangka kerentanan dari IPCC, e adalah skor wilayah d (sama dengan komponen utama bencana alam dan variabilitas iklim), a adalah skor kapasitas adaptasi untuk wilayah d
49
(dibobot dari rata-rata komponen utama sosial-demografi, strategi penghidupan, dan jaringan sosial) dan s adalah skor kepekaan untuk wilayah d (dibobot dari rata-rata komponen utama kesehatan, makanan, dan air).
Skala dari LVI-IPCC ini berkisar antara -1 – (-
0,4) yaitu tidak rentan, -0,41 – 0,3 adalah sedang, dan 0,31 - 1 sangat rentan. Tabel 3.4 Faktor kontribusi Kerentanan IPCC Faktor kontribusi terhadap kerentanan Keterpaparan (Exposure)
Komponen utama Bencana alam variabilitas iklim
dan
Kapasitas adaptasi (Adaptive Profil sosial demografi Strategi penghidupan Capacity) Jaringan sosial Kesehatan Makanan Air
Kepekaan (Sensitivity) Sumber: Hahn et al. (2009)
3. Analisis Dampak Perubahan Iklim terhadap Pertumbuhan Sektor Pertanian Analisis ini bertujuan untuk mengetahui hubungan antara perubahan iklim dan sektor pertanian di Kabupaten Sukoharjo. Sumber data yang digunakan diperoleh dari Badan Pusat Statistik, Germanwatch dan World Bank.
50
Tabel 3.5 Variabel dampak perubahan iklim terhadap pertumbuhan sektor pertanian Variabel 1
Variabel 2
Model 1
Tingkat Pertumbuhan Sektor Pertanian
Model 2
Emisi CO2 per kapita
Skor Perubahan Iklim Indeks Produksi Pertanian
Model 3
Indeks Produksi Pertanian perkapita
51
Emisi CO2 per kapita
Hipotesis Negatif
Negatif
Negatif
