Prediksi Ekonomi untuk Kebijakan Tanggap Iklim

Kita jarang mempertanyakan diagnosis seorang dokter, terutama yang dianggap berpengalaman, bahkan ketika tidak disertai keterangan tambahan. Kepercayaan ini tumbuh dari keyakinan bahwa pendidikan panjang dan jam terbang membentuk intuisi yang tajam. Sikap yang sama jarang kita berikan kepada proyeksi ekonomi, yang kerap dipertanyakan manfaatnya. Padahal, sebagaimana dokter, pengalaman panjang juga membentuk intuisi ekonom dalam memproyeksikan kondisi ekonomi.

Memang proyeksi ekonomi sering meleset. Daniel Kahneman, penerima Nobel di bidang ilmu ekonomi, menyampaikan bahwa prediksi ekonomi kerap memiliki akurasi yang bahkan lebih buruk daripada tebakan acak. Bahkan satu penelitian menyebutkan bahwa prediksi ekonomi hanya tepat sekitar 23% sekalipun 53% peramal yakin prediksi mereka tepat (Campbell and Moore 2024). Sistem ekonomi memang tidak sekompleks tubuh manusia, namun ia penuh dengan kejutan dan ketidakpastian.

Persoalannya, dalam beberapa konteks, ketidakakuratan dalam proyeksi ekonomi dalam jangka panjang dapat menimbulkan biaya yang lebih besar, termasuk hilangnya kesejahteraan masyarakat. Salah satu hal yang urgen adalah proyeksi terkait dampak dari perubahan iklim terhadap ekonomi. Bencana alam yang baru saja terjadi di Sumatra sangat gamblang menunjukkan biaya dari ketidakmampuan kita dalam melihat tanda-tanda alam.

Dalam lanskap yang penuh risiko inilah, alat bantu seperti pemodelan matematika hadir menjadi laboratorium virtual untuk menguji kebijakan tanpa harus membayar risiko dengan biaya nyata. Di sinilah sesuatu yang tidak pasti, dikonversi menjadi risiko yang dapat diukur. Melalui simulasi komputer, kita bisa memprediksi perubahan iklim serta dampak ekonominya. Dengan ini, tentu kita dapat mengubah wajah kebijakan: dari yang semula reaktif menjadi proaktif, adaptif, dan tepat sasaran.

Sebagai contoh, Integrated Assessment Models (IAMs) kini menjadi jembatan antara aktivitas ekonomi manusia dan sistem Bumi. IAMs menjawab pertanyaan “apa jadinya jika” suhu meningkat hingga 1,5°C, apakah bisa diatasi dengan peningkatan biaya karbon, dan lainnya, yang kemudian menjadi dasar angka dalam dokumen strategis negara seperti Nationally Determined Contributions (NDC). Tanpa angka-angka ini, komitmen iklim kita hanyalah janji kosong di atas kertas.

Indonesia sebenarnya telah mulai mengadopsi jalan ini. Upaya ini diwujudkan melalui pengintegrasian Pembangunan Rendah Karbon (PRK) ke dalam Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2020–2024. Bappenas menggunakan model sistem dinamika untuk mensimulasikan tingkat makro dan model berbasis agen untuk menangkap interaksi tingkat mikro dalam kebijakan lingkungan. Fokus utama dari pemodelan ini adalah untuk mencapai target penurunan emisi Gas Rumah Kaca (GRK) sebesar 27,3% pada 2024 sambil tetap mempertahankan momentum pertumbuhan ekonomi.

Walaupun demikian, pada akhirnya model tetaplah alat bantu daya dukung institusi tetap harus yang utama. Banjir Sumatra akhir November kemarin adalah bukti pahit betapa tajamnya celah antara model dan realita. Meskipun peringatan dini (Siklon Senyar) sudah dikeluarkan sejak jauh hari, lemahnya mitigasi dan rendahnya kesadaran masyarakat dan pemerintah menyebabkan peringatan itu diabaikan.

Hasilnya memilukan: 1.189 nyawa melayang dan kerugian ekonomi mencapai Rp68 triliun hingga Rp200 triliun. Tragedi ini bukan sekadar bencana alam, melainkan kegagalan sistemik: dimulai dari deforestasi tanpa henti, pemotongan anggaran Badan Nasional Penanggulangan Bencana 2025 lebih dari 50%, hingga pesan yang terhenti di level birokrasi membuat manfaat pemodelan menjadi tumpul.

Kegagalan di Sumatra seharusnya menjadi titik balik untuk melihat bagaimana pemodelan yang terintegrasi dengan aksi nyata sanggup menyelamatkan ribuan nyawa dan potensi ekonomi. Jepang, melalui proyek G-Cans, berhasil memangkas durasi banjir secara drastis saat Topan Hagibis menerjang pada 2019, menyelamatkan potensi kerugian hingga US$1,76 miliar. Keberhasilan serupa terlihat di Belanda melalui strategi “Room for the River” yang berbasis simulasi hidrodinamika, serta Singapura yang membangun resiliensi melalui dam pintar dan simulasi hidrologi nasional yang presisi.

Data Bank Dunia mempertegas bahwa pemodelan bukan sekadar beban biaya, melainkan investasi strategis. Peningkatan sistem peringatan dini di negara berkembang diperkirakan dapat menyelamatkan 23.000 nyawa per tahun dan menghasilkan manfaat ekonomi tambahan hingga US$30 miliar melalui optimalisasi sektor-sektor sensitif seperti pertanian dan energi. Angka-angka ini menegaskan bahwa pemodelan bukan hanya instrumen keselamatan fisik, melainkan instrumen efisiensi ekonomi yang krusial bagi ketahanan sebuah negara.

Tantangan dalam merumuskan kebijakan ekonomi yang tepat semakin nyata di era sekarang. Ketidakpastian meningkat, teknologi berubah cepat, dan dampak perubahan iklim kian kompleks. Pemodelan matematika selayaknya menjadi alat diagnostik bagi para ekonom, ibarat CT scan atau MRI bagi seorang dokter. Ia memungkinkan pengambil kebijakan melihat apa yang tidak kasatmata: mengkuantifikasi risiko tersembunyi dan membedah potensi konsekuensi dari setiap keputusan melalui simulasi, sehingga dapat memformulasikan kebijakan yang tepat yang meminimalkan biaya kerusakan jangka panjang.