Setiap prakiraan karbon adalah satu angka yang dihasilkan oleh belasan asumsi. Analisis sensitivitas menanyakan asumsi mana yang benar-benar menentukan angka itu. Jawabannya hampir tidak pernah asumsi yang paling lama dibahas tim.
Metodenya
Ubah satu asumsi dalam rentang yang masuk akal, tahan semua yang lain tetap, lalu catat seberapa besar hasilnya bergeser. Ulangi untuk setiap asumsi. Urutkan berdasarkan pengaruhnya.
| Asumsi yang diubah | Pengaruh umum pada prakiraan restorasi |
|---|---|
| Tingkat hidup | Besar — menskalakan seluruh hasil |
| Lintasan pertumbuhan | Besar, dan terakumulasi seiring waktu |
| Pilihan persamaan alometrik | Sedang hingga besar, tergantung spesies |
| Sumber kerapatan kayu | Sedang, linear |
| Kerapatan tanam | Sedang, tetapi berinteraksi dengan tingkat hidup |
| Fraksi karbon | Kecil — terkendali dengan baik |
Polanya selalu berulang: parameter dengan rentang paling lebar dan pengaruh penskalaan paling langsung akan mendominasi. Parameter ini sering kali diambil dari nilai bawaan tanpa banyak dikaji.
Mengapa Prakiraan Satu Angka Menyesatkan
Prakiraan yang disajikan sebagai satu angka menyiratkan presisi yang tidak dimiliki model. Lebih buruk lagi, angka itu mendorong pembaca menganggapnya sebagai komitmen.
Menyajikan rentang, dengan asumsi di balik setiap ujungnya dinyatakan secara jelas, lebih jujur dan lebih aman secara komersial. Pembeli yang tahu bahwa skenario terburuk mengasumsikan tingkat hidup 60% dapat menilai apakah angka itu masuk akal untuk lokasi tersebut. Pembeli yang hanya diberi satu angka hanya bisa menerima atau menolaknya.
Isi Skenario Terburuk yang Kredibel
Bukan potongan persentase seragam. Skenario terburuk yang dibuat dengan memotong estimasi tengah tidak menjelaskan mengapa hasilnya bisa lebih rendah.
Skenario yang berguna menyebut mekanismenya: tingkat hidup di bawah rencana akibat kekeringan pada tahun-tahun awal penanaman, atau pertumbuhan di bawah rencana karena kualitas tapak ternyata lebih rendah daripada tegakan acuan. Setiap penyebab itu dapat diperiksa, dan masing-masing mengarah pada langkah mitigasi.
Kaitannya dengan Pengambilan Contoh
Analisis sensitivitas pada model menunjukkan asumsi ex-ante mana yang paling berpengaruh. Logika yang sama berlaku untuk pengukuran ex-post: tentukan komponen galat mana yang paling besar dalam total ketidakpastian sebelum memutuskan di mana anggaran plot dibelanjakan.
Tim yang melakukan keduanya biasanya menemukan bahwa keduanya menunjuk hal yang sama, yaitu parameter yang paling kurang didukung oleh bukti lokal.
Ubah Ketidakpastian Menjadi Rencana
Desain pengambilan contoh dan asumsi pertumbuhan menentukan berapa banyak karbon terukur yang lolos dari pemotongan konservatif. TREEO Carbon Simulator memodelkan skenario penyerapan karbon dan pertumbuhan biomassa sebelum musim lapangan.



