Perubahan iklim masih menjadi perhatian global. Paris Agreement adalah salah satu upaya global untuk menghadapinya. Indonesia juga berpartisipasi dalam perjanjian ini dan berkomitmen untuk mengurangi emisi gas rumah kaca. Indonesia menargetkan untuk menurunkan emisi sebesar 31,89% secara mandiri dan 43,20% dengan bantuan internasional. Indonesia juga berambisi mencapai net zero emissions pada tahun 2060. Untuk mencapai tujuan tersebut, Indonesia sedang berusaha mengatur kebijakan tentang carbon pricing. Per tahun 2021, Indonesia berhasil mengurangi emisi karbon sebesar 573,95 juta ton CO2. Beberapa faktor yang mempengaruhi emisi ini diantaranya adalah penggunaan energi, pertumbuhan ekonomi, pembangunan infrastruktur, dan transportasi. Untuk memahami lebih lanjut tentang hubungan antara faktor-faktor pendorongnya dalam mempengaruhi emisi karbon, dilakukan penelitian menggunakan model structural equation modeling (SEM) dan prediksi emisi karbon menggunakan model random forest (RF). Penelitian ini penting karena fokus pada faktor-faktor yang mempengaruhi emisi khusus di Indonesia, sehingga diharapkan dapat meningkatkan pemahaman dan upaya dalam mencapai tujuan Indonesia net zero emissions di masa depan.
Penelitian ini menggunakan data sekunder berupa harga saham, tingkat emisi karbon, dan harga komoditas di Indonesia. Penelitian ini menggunakan metode SEM dengan menguji pengaruh faktor-faktor pendorong terhadap emisi karbon. Faktor-faktor pendorong ini diantaranya adalah pertumbuhan ekonomi, konsumsi energi, transportasi dan logistik, serta infrastrukur. Hasil model SEM dapat dilihat pada Gambar 1.
* signifikansi 10%, **signifikansi 5%, ***signifikansi 1%
Gambar 1. Model SEM
Sebuah model SEM dapat dikatakan fit (sesuai) ketika nilai SRMR menunjukkan nilai kurang dari 0,10 atau 0,08. Penelitian ini menemukan bahwa hasil pada model SEM yang dibangun dan diuji sebagai model alternatif memiliki nilai standardized root mean residual (SRMR) sebesar 0,082 dan normed fit index (NFI) sebesar 0,573. Dari model SEM yang dibangun, ditemukan nilai SRMR kurang dari 0,10. Sehingga dapat disimpulkan model SEM secara keseluruhan dapat dikatakan fit.
Dalam analisis SEM, p-value dan outer loadings digunakan untuk menguji signifikansi dan kekuatan hubungan antara variabel-variabel. Jika nilai p-value ≤ 0,05, maka hal ini menunjukkan bahwa variabel tersebut memiliki pengaruh yang signifikan. Berdasarkan Gambar 1, infrastruktur serta transportasi dan logistik terbukti memiliki pengaruh yang signifikan terhadap emisi karbon dengan memiliki p-value masing-masing sebesar 0,002 dan 0,016. Faktor-faktor yang telah diuji dalam model SEM ini selanjutnya disebut sebagai model alternative. Kemudian model prediktif dibangun untuk melihat bagaimana performa faktor-faktor pendorong dalam memprediksi emisi karbon di Indonesia.
Hasil prediksi random forest pada model baseline menunjukkan performa yang lebih baik daripada model alternative. Model tersebut memiliki nilai koefisien determinan (R2) sebesar 0.9976, root mean square error (RMSE) sebesar 4.7513e-8, dan mean absolute percentage (MAPE) sebesar 0.87%.
Gambar 2. Model Random Forest
Dengan demikian, dapat disimpulkan bahwa faktor-faktor pendorong seperti pertumbuhan ekonomi, konsumsi energi, infrastruktur, dan transportasi memiliki kemampuan yang baik dalam memprediksi tingkat emisi CO2 di Indonesia. Diharapkan penelitian ini mampu menjadi salah satu bahan pertimbangan bagi instansi pemerintahan dalam mengkaji kebijakan-kebijakan terkait emisi karbon khususnya dalam mencapai net zero emissons tahun 2060.
1. Mengetahui faktor-faktor yang mempengaruhi emisi karbon di Indonesia.
2. Membangun model structural equation modeling yang sesuai untuk mengidentifikasi variabel-variabel yang relevan terhadap emisi karbon di Indonesia.
3. Mengetahui variabel-variabel yang berpengaruh secara signifikan dalam memprediksi emisi karbon di Indonesia.
4. Menjadi salah satu kajian dalam mempertimbangkan kebijakan-kebijakan terkait emisi karbon khususnya dalam mencapai Indonesia net zero emissions tahun 2060.