MODEL SPASIAL DEFORESTASI BERDASARKAN ASPEK
SOSIAL DI SULAWESI SELATAN DAN SULAWESI BARAT
PERIODE 1990-2016
Oleh:
NISMA YANI
M111 14 517
PROGRAM STUDI KEHUTANAN
FAKULTAS KEHUTANAN
UNIVERSITAS HASANUDDIN
MAKASSAR
2018
ii
iii
ABSTRAK
Nisma Yani (M111 14 517) Model Spasial Deforestasi Berdasarkan Aspek Sosial DiSulawesi Selatan Dan Sulawesi Barat Periode 1990-2016 dibawah bimbingan SyamsuRijal dan M.Asar Said Mahbub.
Wilayah yang mengalami deforestasi cukup besar di Sulawesi Selatan dan Sulawesi Barat.Faktor sosial berkontribusi lebih besar terhadap terjadinya deforestasi, karena itulahpenelitian ini diarahkan untuk mengkaji mengenai faktor sosial yang mendorong terjadinyadeforestasi. Lokasi penelitian di pilih berdasarkan kunci kerawanan profil deforestasi.Dalam penelitian ini menggunakan profil cukup rawan dan profil rawan. Metode spasialdeforestasi dalam penelitian ini menggunakan Metode PCA (Principal ComponentAnalysis). Hasil penelitian menjelaskan bahwa Model Spasial Deforestasi (MSD) diSulawesi Selatan dan Sulawesi Barat memiliki perbedaan berdasarkan profil tingkatkerawananya. Profil deforestasi yang dominan mempengaruhi adalah kepadatanpenduduk, umur produktif dan pekerjaan. Kepadatan penduduk memberikan pengaruhterhadap deforestasi khususnya pada profil rawan. Umur produktif dan pekerjaan jugamemberikan pengaruh yang cukup signifikan. Pendidikan kurang memberikan pengaruhterhadap deforestasi di Sulawesi Selatan dan Sulawesi Barat periode 1990-2016.
Kata kunci: Deforestasi, Aspek Sosial, PCA, Profil, Sulawesi Selatan dan SulawesiBarat
iv
KATA PENGANTAR
Puji dan syukur kepada Allah SWT atas limpahan anugerah, rahmat dan
karunianya sehingga penulis dapat dapat menyelesaikan kegiatan penelitian dan
penyusunan skripsi ini dengan judul “Model Spasial Deforestasi Berdasarkan Aspek
Sosial di Sulawesi Selatan dan Sulawesi Barat pada Periode 1990-2016”. Shalawat dan
salam juga penulis panjatkan kepada Baginda Rasulullah SAW yang membawa ajaran
yang paling benar dan sangat memuliakan yang namanya menuntut ilmu.
Pada kesempatan ini penulis dengan tulus mengucapkan banyak terima kasih yang
sebesar-besarnya kepada semua pihak yang telah membantu dalam proses penelitian
maupun saat penyusunan skripsi ini, terutama kepada Dr. Ir. Syamsu Rijal, S.Hut, M.Si.
IPM dan Dr.Ir.M.Asar Said Mahbub, M.P selaku pembimbing yang telah meluangkan
waktu, tenaga dan pemikiran dalam membantu dan mengarahkan penulis dalam
menyelesaikan skripsi ini. Selain itu, penulis juga menyampaikan terima kasih dan
penghargaan kepada:
1. Bapak Dr.Ir.Roland A. Barkey., ibu Makkarennu, S.Hut.M.Si.Ph.D., dan ibu Ira
Taskirawati, S.Hut.M.Si. Ph.D selaku penguji yang telah membantu dalam
memberikan saran, guna perbaikan skripsi ini.
2. Ketua Program Studi Kehutanan Bapak Dr. Ir. Syamsuddin Millang, M.S dan
Sekertaris Jurusan Bapak Dr. Ir. Baharudiin, M.P, serta Bapak/Ibu Dosen dan seluruh
staff administrasi Fakultas Kehutanan Universitas Hasanuddin atas segala bantuannya.
3. Teman seperjuangan AKAR-14, terkhusus A. Asryadi Pratama S.Hut, Tirza
Tirsayu, Ferdiansyah Prawira Rosa S.Hut, Safriyatun Senuk, Syakura Ismah R,
Fitriani Indah Sari dan Fitrah atas segala bantuan, motivasi dan kerjasamanya
sampai panulis bisa menyelesaikan skripsi ini.
4. Kakak-Kakak, serta teman-teman Laboratorium Perencanaan dan Sisitem Informasi
Kehutanan, terkhusus Ardisthamudi Ilyas, A.M.Imam Al-gifary, Dini Albertin
Mandy, S.Hut, Chairil A, S.Hut, Muhammad Dahri Syahbani R S.Hut, Try
Ardiansyah, Anugrah Andininasir, S.Hut.M.Si. dan Azhari Ramadhan S.Hut atas
egala bantuan dikala penulis mendapat kendala salama penelitian dan penyusunan
skripsi ini.
v
Terkhusus, penulis mengahaturkan terima kasih kepada Bapak dan Ibu tercinta
Husaini dan Mastiama atas doa, kasih sayang, perhatian, dan pengorbanan serta motivasi
dalam mendidik dan membesarkan penulis, serta saudara tercinta Jumaris, Jusman, Sabri
Anto S.Pd, Nasril dan Rizaldy atas dukungan serta doanya.
Penulis
Nisma Yani
vi
DAFTAR ISI
Halaman
HALAMAN JUDUL ........................................................................................................ i
HALAMAN PENGESAHAN ......................................................................................... ii
ABSTRAK...................................................................................................................... iii
KATA PENGANTAR .................................................................................................... iv
DAFTAR ISI................................................................................................................... vi
DAFTAR TABEL......................................................................................................... viii
DAFTAR GAMBAR ...................................................................................................... ix
DAFTAR LAMPIRAN.....................................................................................................x
I. PENDAHULUAN ......................................................................................................1
1.1 Latar Belakang ......................................................................................................1
1.2 Tujuan dan Kegunaan Penelitian ..........................................................................3
II. TINJAUAN PUSTAKA .............................................................................................4
2.1 Model Spasial Deorestasi......................................................................................4
2.2 Penggunaan Lahan ................................................................................................5
2.3 Dinamika Transformasi Penggunaan Lahan.........................................................7
2.4 Indeks Pembangunan Manusia .............................................................................8
2.4.1 Umur Produktif ............................................................................................8
2.4.2 Tingkat Pendidikan ......................................................................................8
2.5 Principal Component Analisis ..............................................................................9
2.6 Tinjauan Studi-studi Terdahulu ..........................................................................11
III. METODE PENELITIAN..........................................................................................14
3.1 Waktu dan Tempat..............................................................................................14
3.2 Alat dan Bahan....................................................................................................15
3.2.1 Alat.............................................................................................................15
3.2.2 Bahan .........................................................................................................15
3.3 Metode Pengumpulan Data.................................................................................15
3.3.1 Pengumpulan Data .....................................................................................15
3.3.2 Prosedur Penelitian ....................................................................................16
3.3.3 Analisis Data..............................................................................................19
IV. HASIL DAN PEMBAHASAN.................................................................................22
4.1 Luas Wilayah dan Luas Hutan Lokasi Penelitian ...............................................22
vii
4.2 Faktor Pendorong................................................................................................22
4.2.1 Kepadatan Penduduk .................................................................................22
4.2.2 Umur Produktif ..........................................................................................23
4.2.3 Pekerjaan pada Profil Pewakil ...................................................................24
4.2.4 Pendidikan pada Profil Pewakil .................................................................25
4.3 Pemodelan Spasial Deforestasi ...........................................................................26
4.3.1 Model Deforestasi pada Profil Rawan di Sulawesi Selatan.......................28
4.3.2 Model Deforestasi pada Profil Cukup Rawan di Sulawesi Selatan ..........30
4.3.3 Model Deforestasi pada Profil Cukup Rawan di Sulawesi Selatan ..........31
V. KESIMPULAN DAN SARAN...............................................................................33
5.1 Kesimpulan .........................................................................................................33
5.2 Saran ...................................................................................................................33
DAFTAR PUSTAKA ..............................................................................................34
LAMPIRAN..............................................................................................................40
viii
DAFTAR TABEL
Tabel Judul Halaman
Tabel 1. Profil Deforestasi Sulawesi Selatan dan Sulawesi Barat .........................16
Tabel 2. Luas Wilayah dan Luas Hutan Lokasi Penelitian ....................................22
Tabel 3. Jumlah Penduduk Profil Pewakil .............................................................23
Tabel 4. Kepadatan Penduduk Profil Pewakil .......................................................24
Tabel 5. Umur Produktif Penduduk Profil Pewakil ...............................................24
Tabel 6. Pekerjaan Penduduk Profil Pewakil.........................................................25
Tabel 7. Jumlah Pelajar Profil Pewakil..................................................................26
Tabel 8. Hasil Eigen Value Berdasarkan PCA.......................................................27
Tabel 9. Hasil Pembobotan Berdasarkan Analisis PCA ........................................27
ix
DAFTAR GAMBAR
Gambar Judul Halaman
Gambar 1. Peta Sebaran Profil deforestasi di Sulawesi Selatan dan Sulawesi Barat
................................................................................................................ 11
Gambar. Peta Lokasi Penelitian.............................................................................. 14
x
DAFTAR LAMPIRAN
Lampiran Judul Halaman
Lampiran 1. Pekerjaan di Kabupaten Kepulauan Selayar .....................................40
Lampiran 2.Pekerjaan di Kota Makassar ...............................................................40
Lampiran 3. Pekerjaan di Kabupaten Polewali Mandar ........................................40
Lampiran 4. Pekerjaan di Kabupaten Mamasa ......................................................41
Lampiran 5. Pekerjaan di Kabupaten Mamuju ......................................................41
Lampiran 6. Pekerjaan di Kabupaten Luwu Utara.................................................41
Lampiran 7.Hasil Analisis PCA Kabupaten Kepulauan Selayar ...........................41
Lampiran 8. Hasil Analisis PCA Kota Makassar...................................................42
Lampiran 9. Hasil Analisis PCA Kabupaten Polewali Mandar .............................42
Lampiran 10. Hasil Analisis PCA Kabupaten Mamasa.........................................42
Lampiran 11. Hasil Analisis PCA Kabupaten Mamuju.........................................42
Lampiran 12. Hasil Analisis PCA Kabupaten Luwu Utara ...................................43
1
I. PENDAHULUAN
1.1 Latar Belakang
Indonesia tercatat sebagai salah satu negara dengan laju deforestasi yang
tinggi (Sitorus, 2011). Direktorat Jenderal Planologi Kehutanan Kementerian
Kehutanan (2009) melaporkan bahwa laju deforestasi pada tahun 1990–1996
sekitar 1.91 juta ha per tahun, dan kemudian meningkat tajam menjadi 3.5 juta
ha/tahun pada periode 1996–2000. Pada periode 2000–2003 laju deforestasi
menurun tajam menjadi 1.1 juta ha/tahun namun kemudian meningkat kembali
menjadi 1.2 juta ha/tahun pada periode 2003–2006 dari luas hutan Indonesia 120.1
juta ha.
Deforestasi ini terjadi pada hampir semua pulau di Indonesia termasuk
Sulawesi. Laju deforestasi tahunan di Sulawesi sebesar 2.7% dari total luas hutan
di Sulawesi atau dengan kata lain terjadi deforestasi 331.822 ha/th dari luasan hutan
12 juta ha. Data tersebut menjadikan Sulawesi nomor 2 (dua) terbesar
deforestasinya setelah Kalimantan yang memiliki laju deforestasi tahunan terbesar
(7%) Selama periode 2000-2009 (Dirjen Planologi 2009). Wilayah yang mengalami
deforestasi cukup besar yaitu Sulawesi Selatan dan Sulawesi Barat. Menurut
penelitian Ramadhan (2016) luas deforestasi terbesar di Sulawesi Selatan dan
Sulawesi Barat selama periode 1990 hingga 2016 terjadi di Kabupaten Mamuju
Provinsi Sulawesi Barat. Luas deforestasi pada Kabupaten Mamuju dengan luas
66,804.31 ha. Berdasarkan analisis tutupan lahan menggunakan data tutupan lahan
Baplan 2013, diperoleh luas hutan tertinggi kabupaten pada awal pengamatan
(tahun 1990) di Kabupaten Luwu Utara, dengan luas 530.889,40 ha, Namun pada
akhir pengamatan (tahun 2016) menurun menjadi 400.358,90 ha.
Kejadian deforestasi dipengaruhi oleh berbagai faktor dan sangat kompleks.
Nawir et al (2008) mengelompokkan dua faktor penyebab deforestasi di Indonesia,
yakni faktor langsung dan tidak langsung. Penyebab langsung adalah kegiatan
penebangan hutan dengan manajemen yang tidak baik, penebangan liar, dan
kebakaran hutan. Penyebab tidak langsung yaitu persoalan sosial-ekonomi dan
2
politik. Semua hal tersebut tidak terlepas dari kepadatan penduduk yang merupakan
penjelasan fundamental akan masalah deforestasi di Indonesia (Sunderlin dan
Resosudarmo 1996). Aktivitas masyarakat seiring dengan pembangunan daerah
membuat kebutuhan akan lahan semakin meningkat, sehingga lahan hutan akan
menjadi pilihan untuk di eksploitasi. Faktor kepadatan penduduk, ekonomi dan
kebijakan memberi pengaruh yang besar terhadap sebaran deforestasi. Penduduk
yang terus bertambah berperan dalam mempengaruhi tingkat konektivitas lanskap
hutan (Liu dan Samsuri, 2014). Faktor sosial berkontribusi lebih besar terhadap
terjadinya deforestasi.
Hasil penelitian Ramadhan (2017) menunjukkan bahwa model spasial
deforestasi merupakan salah satu tahapan untuk mengetahui dan melengkapi
pengetahuan permasalahan penelitian sebagai upaya untuk mengenali lebih dalam
permasalahan deforestasi. Informasi yang dibutuhkan untuk melengkapi informasi
profil ini adalah model spasial deforestasi yang dibangun berdasarkan faktor
pemicu terjadinya deforestasi (Rijal, 2016). Aspek yang penting untuk dikaji
informasinya adalah aspek sosial, karena aspek inilah yang menjadi pendorong
utama masyarakat memanfaatkan sumberdaya alam termasuk sumberdaya hutan.
Tersedianya data yang akurat dan representatif merupakan modal utama dalam
menyusun perencanaan pengelolaan hutan.
Upaya yang dapat dilakukan untuk mendapatkan data sosial sesuai situasi dan
kondisi terkini adalah dengan melakukan penelitian. Karena itulah penelitian ini
diarahkan untuk mengkaji “Model Spasial Deforestasi Berdasarkan Aspek
Sosial di Sulawesi Selatan dan Sulawesi Barat Periode 1990-2016”. Rentang
waktu antara tahun 1990-2016 ditetapkan sebagai rentang waktu penelitian karena
pada rentang itulah terjadinya deforestasi Sulawesi Selatan dan Sulawesi Barat
dengan laju 2% per tahun dan menempati urutan kedua setelah Kalimantan
(7%/tahun).
3
1.2 Tujuan dan Kegunaan
Tujuan dari penelitian ini adalah, Menganalisis keterkaitan antara faktor
pendorong aspek sosial dengan kejadian deforestasi di Sulawesi Selatan dan
Sulawesi Barat periode 1990-2016.
Adapun kegunaan dari penelitian ini, diharapkan dapat memberikan
penjelasan terkait faktor pendorong dari aspek sosial terhadap laju deforestasi di
Sulawesi Selatan dan Sulawesi Barat periode 1990-2016.
4
II. TINJAUAN PUSTAKA
2.1 Model Spasial Deforestasi
Model spasial deforestasi merupakan penelitian yang bertujuan untuk
mengidentifikasi dan mengenali faktor pendorong (driving force) terjadinya
deforestasi pada tiap profil deforestasi (Rijal, 2016). Faktor pendorong deforestasi
setiap profil/wilayah berbeda. Faktor pendorong juga mempengaruhi intensitas
deforestasi yang berbeda pada tiap wilayah (Ferraz et al. 2009). Penelitian terkait
deforestasi, pemicu utama deforestasi adalah pertanian, perkebunan dan peternakan
(Houghton 2012). Intensitas deforestasi dipengaruhi oleh jalan dan aktifitas
ekonomi (Ferraz et al. 2009). Kebijakan pengembangan wilayah yang berbeda juga
mendorong terjadinya deforestasi (Ma dan Ru 2010). Deforestasi disebabkan pula
oleh kegiatan konversi hutan menjadi perkebunan (Morton et al. 2007). Perbedaan
kondisi sosial, ekonomi, dan kondisi geografis mempengaruhi intensitas deforestasi
(Ferraz et al. 2009).
Pemodelan spasial deforestasi yaitu pembangunan sebuah model deforestasi
dengan peubah-peubah yang berkaitan dengan faktor-faktor penyebab terjadinya
deforestasi. Beberapa teknik pemodelan yang telah digunakan dalam studi
deforestasi antara lain celluler automata (Entwisle et al. 2008), model regresi
logistik (Mulyanto dan Jaya 2004; Prasetyo et al. 2009; Kumar et al. 2014; Shehzad
et al. 2014), dan OLS regression (Romijn et al. 2013).
Pendekatan berbasis spasial juga bisa digunakan untuk memprediksi
perubahan penggunaan lahan khususnya hutan menjadi non hutan. Perubahan
penggunaan lahan di kawasan hutan sebagai interaksi masyarakat dengan hutan dan
faktor pendorongnya harus diketahui. Perubahan penggunaan lahan dapat
diprediksi secara kuantitatif dengan memasukkan faktor-faktor fisik, sosial,
ekonomi dan kebijakan (Munibah et al. 2010). Pendekatan ini bisa menggunakan
pemodelan regresi logistik. Pemodelan ini sering digunakan untuk memprediksi
deforestasi seperti yang dilakukan oleh Shamsuddin dan Yakup (2007) di Seremban
District Malaysia, serta Prasetyo et al. (2009) untuk memprediksi deforestasi di
5
Pulau jawa dengan memanfaatkan data penginderaan jauh (remote sensing) berupa
citra satelit multitemporal.
Penelitian-penelitian tentang deforestasi telah banyak dilakukan oleh penulis-
penulis sebelumnya (Lukman 2004; Hartanti 2004). Akan tetapi kegiatan penelitian
yang terkait pemodelan spasial logistik masih belum banyak dilakukan. Beberapa
prediksi deforestasi dapat dilihat pada penelitian Lukman (2004) tentang analisis
spasial degradasi hutan dan deforestasi, dan Anita (2004) tentang monitoring dan
modeling penebangan liar guna mendukung proses sertifikasi hutan. Pada
penelitian ini dikaji lebih lanjut tentang deforestasi melalui pembangunan model
spasial prediksi deforestasi.
2.2 Penggunaan Lahan
Penggunaan lahan termasuk dalam komponen sosial budaya karena
penggunaan lahan mencerminkan hasil kegiatan manusia atas lahan serta statusnya
(Bakosurtanal, 2007). Aktifitas manusia dalam menjalankan kehidupan ekonomi,
sosial dan budaya sehari-hari berdampak pada perubahan penutup/penggunaan
lahan. Diperkotaan, perubahan umumnya mempunyai pola yang relatif sama, yaitu
bergantinya penggunaan lahan lain menjadi lahan urban. Perubahan penggunaan
lahan yang pesat terjadi apabila adanya investasi di bidang pertanian atau
perkebunan (Sitorus, 2006). Harjanti (2002) mengatakan ada berbagai macam
aktivitas yang menjadi ciri perkotaan, antara lain permukiman, industri, komersial,
dan lain -lain. Perkembangannya tiap aktivitas tersebut memiliki karakteristik yang
berbeda-beda, sehingga mempengaruhi pemilihan ruang dan lokasi aktivitasnya.
Kondisi ini akan terjadi perubahan lahan hutan, semak, ataupun alang-alang
menjadi lahan perkebunan. Perubahan yang dilakukan oleh masyarakat terjadi
dalam skala kecil (Sitorus, 2006).
Perubahan vegetasi penutupan lahan mempunyai dampak yang sangat berarti
bagi lestarinya lingkungan sekitar. Perubahan penutupan lahan yang terjadi,
terutama perubahan kawasan hutan menjadi penutupan yang lain, akan mengancam
kondisi DAS dalam menjalankan fungsi ekologi, ekonomi, dan sosial budaya
6
(Dwiprabowo, 2014). Perubahan areal pertanian menjadi kawasan pemukiman atau
lahan terbangun termasuk di dalamnya industri, selain dapat mengurangi daerah
resapan air, juga adanya limbah yang dibuang pabrik-pabrik ataupun limbah rumah
tangga. Pihak lainnya adanya kerusakan vegetasi terutama di wilayah hulu dan
ancaman pendangkalan mengakibatkan kondisi ekologis DAS. Dampak yang
terjadi yaitu pada saat curah hujan tinggi, badan air (sungai) tidak mampu
menampung curahan air hujan sehingga seringkali menyebabkan banjir pada daerah
sekitar (Sitorus, 2006). Pemerintah telah menetapkan dan mempertahankan
kecukupan luas kawasan hutan secara proporsional dan penutupan hutan untuk
setiap daerah aliran sungai dan pulau yaitu minimal 30%, pada pasal 18 UU No. 41
tahun 1999. Kawasan hutan dimaksud kemudian dideliniasi sesuai dengan
fungsinya, yaitu sebagai hutan konservasi, lindung atau produksi (Dephut, 2008).
Long (2006), mengatakan akhir-akhir ini, isu yang berhubungan dengan
penggunaan lahan dan perubahan penggunaan lahan (Land Use Land Use Change,
LULC) telah menarik perhatian dari berbagai bidang penelitian. Industrialisasi,
pertambahan penduduk dan perpindahan penduduk ke Kota dinilai sebagai faktor
yang paling berkontribusi dalam perubahan penggunaan lahan dalam skala global.
Pertumbuhan penduduk, urbanisasi dan industrialisasi berkontribusi besar terhadap
penurunan luas hutan di beberapa daerah dan sebaliknya penambahan luas hutan di
beberapa kawasan lain membentuk pola umum perubahan luas tutupan hutan
seiring dengan pembangunan ekonomi. Tiga dekade terakhir, pola perubahan
tutupan hutan di Indonesia sangat terkait dengan laju pertumbuhan pembangunan
sosial dan ekonomi, semakin tinggi laju pertumbuhan sosial ekonomi mendorong
penurunan tutupan hutan. Meskipun demikian, di sejumlah wilayah justru dengan
semakin tingginya laju pertumbuhan pembangunan ekonomi cenderung
mengurangi laju kehilangan tutupan hutan akibat deforestasi dan bahkan bisa
meningkatkan tutupan hutan seperti yang disampaikan Yackulic (2011).
Berdasarkan uraian dari Utoyo (2012) fenomena terjadinya perubahan
struktur penggunaan lahan perkotaan tidak dipungkiri juga sangat dipengaruhi oleh
pertambahan jumlah penduduk dan perkembangan ekonomi. Geist dan Lambin
(2002) menyatakan aktivitas manusia pada tingkat lokal yang meliputi: 1) Perluasan
7
infrastruktur, 2) perluasan kawasan pertanian, dan 3) ekstraksi kayu. Kasus faktor
penyebab deforestasi yang terjadi di Asia berdasarkan Arifin dkk (2009) pertama
faktor kelembagaan, kedua faktor teknologi, ketiga faktor sosial budaya dan politik,
keempat faktor ekonomi, dan kelima faktor demografis. Contoh penyebab
deforestasi adalah akibat dapat berbentuk pemukiman, lahan pertanian/perkebunan,
atau pertambangan.
2.3 Dinamika Transformasi Penggunaan Lahan
Utoyo (2012) mengatakan perubahan struktur penggunaan lahan bukanlah
semata-mata fenomena fisik berkurangnya luasan lahan tertentu dan meningkatnya
penggunaan lahan untuk penggunaan lainnya, melainkan mempunyai kaitan erat
dengan perubahan orientasi ekonomi, sosial, budaya dan politik masyarakat.
Perubahan orientasi tersebut berkait dengan terjadinya proses transformasi struktur
perekonomian yang dicirikan semakin menurunnya pangsa relatif sektor primer
(pertanian dan pertambangan) dan semakin meningkatnya pangsa relative sektor
sekunder dan tersier (industri dan jasa). Dengan demikian, pembangunan ekonomi
diarahkan untuk mengurangi ketergantungan perekonomian suatu wilayah terhadap
sektor primer yang mempunyai nilai tambah (value added) yang lebih rendah
dibandingkan dengan sektor sekunder dan tersier.
Penggunaan lahan terdiri dari penggunaan lahan di pedesaan dan penggunaan
lahan di perkotaan. Contoh penggunaan lahan di pedesaan di antaranya adalah
hutan, sawah, maupun pertanian dan peternakan. Kegiatan pengelolaan hutan
contohnya adalah program hutan rakyat. Hutan Rakyat (HR) merupakan salah satu
program Kementerian Kehutanan yang tujuannya selain untuk menyokong
kebutuhan kayu industri/pertukangan, juga sebagai upaya untuk peningkatan
pendapatan masyarakat serta meningkatkan manfaat ekologis dari lahan masyarakat
karena ditanami komoditas kehutanan (Sitorus, 2006). Definisi HR menurut
Peraturan Menteri Kehutanan No.P.03/Menhut-V/2004 adalah hutan yang tumbuh
di atas tanah yang dibebani hak milik maupun hak lainnya dengan ketentuan luas
minimum 0.25 ha, penutupan tajuk tanaman kayu-kayuan dan tanaman lainnya
lebih dari 50%. Sasaran pengembangan hutan rakyat diarahkan pada lahan milik
8
rakyat, tanah adat atau lahan di luar kawasan hutan yang memiliki potensi untuk
pengembangan hutan rakyat dapat berupa lahan tegalan dan lahan pekarangan yang
luasnya memenuhi syarat sebagai hutan rakyat (Rahmayanti, 2012).
2.4 Indeks Pembangunan Manusia (IPM)
Pembangunan Manusia (IPM) diukur melalui kualitas tingkat pendidikan,
kesehatan dan ekonomi (daya beli) (Mirza, 2012). Ukuran kualitas hidup, IPM
dibangun melalui pendekatan tiga dimensi dasar. Dimensi tersebut mencakup umur
panjang dan sehat; pengetahuan dan kehidupan yang layak. Kedua dimensi tersebut
memiliki pengertian sangat luas karena terkait banyak faktor didalamnya (Susetyo,
2011). Untuk mengukur dimensi kesehatan, digunakan angka umur harapan hidup.
Kedua dimensi ini dapat dijelaskan sebagai berikut (Setiawan, 2013):
2.4.1 Umur Produktif
Penduduk umur produktif adalah penduduk umur kerja yang sudah bisa
menghasilkan barang dan jasa (Susetyo, 2011). Badan Pusat Statistik (BPS)
mengambil penduduk umur 10 tahun ke atas sebagai kelompok umur kerja. Akan
tetapi sejak tahun 1998 mulai menggunakan umur 15 tahun ke atas atau lebih tua
dari batas umur kerja pada periode sebelumnya. Kelompok penduduk umur 0-14
tahun dianggap sebagai kelompok penduduk yang belum produktif secara
ekonomis, kelompok penduduk umur 15-64 tahun sebagai kelompok penduduk
yang produktif, dan kelompok penduduk umur 64 tahun ke atas sebagai kelompok
yang tidak lagi produktif. Berbicara tentang penduduk umur produktif sangat erat
kaitannya dengan tenaga kerja dan angkatan kerja (Setiawan, 2013).
2.4.2 Tingkat Pendidikan
Untuk mengukur dimensi pengetahuan penduduk digunakan dua indikator,
yaitu rata-rata lama sekolah (means years schooling) dan angka melek huruf.
Selanjutnya rata-rata lama sekolah menggambarkan jumlah tahun yang digunakan
oleh penduduk umur 15 tahun ke atas dalam menjalani pendidikan formal.
Sedangkan angka melek huruf adalah persentase penduduk umur 15 tahun ke atas
yang dapat membaca dan menulis huruf latin dan atau huruf lainnya (Patta, 2012).
9
2.5 Principal Component Regression (PCA)
Principal Component Regression bertujuan untuk menyederhanakan variabel
yang diamati dengan cara mereduksi dimensinya. Hal ini dilakukan dengan
menghilangkan korelasi variabel melalui transformasi variabel asal ke variabel baru
yang tidak berkorelasi (Jolliffe, 2002). PCA atau Analisis Komponen Utama (AKU)
bertujuan untuk mengubah sebagian besar variabel asli yang digunakan yang saling
berkorelasi satu dengan yang lainnya, menjadi satu set variabel baru yang lebih
kecil dan saling bebas (tidak berkorelasi lagi), dan merupakan kombinasi linier dari
variabel asal. Selanjutnya variabel baru ini dinamakan komponen utama (principal
component). Secara umum tujuan dari analisis komponen utama adalah mereduksi
dimensi data sehingga lebih mudah untuk menginterpretasikan data-data tersebut.
Hal ini dilakukan dengan menghilangkan korelasi variabel melalui transformasi
variabel asal ke variabel baru (Gaspersz, 1992).
Metode regresi komponen utama (Principal Component Regression)
merupakan salah satu teknik dalam mengatasi multikolinearitas dengan cara
mereduksi variabel–variabel yang ada menjadi beberapa variabel baru yang saling
bebas dan merupakan kombinasi linier dari variabel asal (Montgomery, 1991).
Dalam menentukan komponen utama pada metode Regresi Komponen Utama
yakni melalui tahapan Principal Component Analysis (PCA). Analisis komponen
utama yang berdasarkan matriks varian kovarian sangat sensitif terhadap adanya
pencilan pada data pengamatan, sehingga untuk mengatasi masalah pencilan
diperlukan suatu metode penduga yang tegar terhadap pencilan. ROBPCA (Robust
Principal Component Analysis) adalah suatu metode yang kuat (robust) untuk PCA
terhadap keberadaan pencilan pada data, untuk mendapatkan komponen utama
yang robust diperlukan penggabungkan konsep (Notiragayu. 2008).
Proses mereduksi, diperoleh variabel yang lebih sedikit akan tetapi masih
mengandung informasi yang termuat dalam data asli/awal. Variabel hasil
mereduksi tersebut dinamakan faktor yang juga disebut komponen atau faktor
komponen. Secara teknis, analisis komponen utama merupakan suatu teknik
mereduksi data multivariat (multivariable) yang mengubah (mentranformasi) suatu
10
matriks data/asli menjadi suatu set kombinasi linier yang lebih sedikit akan tetapi
menyerap sebagian besar jumlah varian dari data awal (Jolliffe, 2002). Dalam
model analisis faktor pada SPSS terdapat beberapa metode yang dapat digunakan,
diantaranya adalah principal components, unweighted least squares, generalized
least squares, maximum likelihood, principal axis factoring, alpha factoring, dan
image factoring (Simamora, 2004). Namun metode pendugaan parameter yang
umum digunakan dalam model analisis faktor adalah metode komponen utama
(principal component analysis/method=PCA) dan metode kemungkinan maksimum
(maximum likelihood method) karena menurut Rahardi (2006), metode principal
component analysis dapat mengatasi masalah multikolinearitas ,sementara menurut
Priyanto (2008), metode maximum likelihood merupakan salah satu metode untuk
memperoleh pendugaan yang memberikan hasil yang baik.
Pada penelitian-penelitian sebelumnya, seperti penelitian Wibowo dengan
judul “Pengenalan Wajah Menggunakan Analisis Komponen Utama (Principal
Component Analysis)” menunjukkan bahwa hasil pengenalan wajah cukup baik
dengan menggunakan pengujian 4 citra latih yaitu tiga kesalahan pengenalan dari
60 pengujian. Pada penelitian lain yaitu penelitian Abiyanto yang berjudul
“Pengenalan Gigi Menggunakan Analisis Komponen Utama (Principal Component
Analysis)” menunjukkan bahwa hasil pengenalan gigi cukup baik dengan
menggunakan program yang memiliki parameter-parameter 7 buah citra latih,
ukuran citra 200x60 pixel, 20% komponen utama, didapatkan 4 hasil pengenalan
yang benar dari 55 pengenalan, sehingga persentase kebenaran pengenalan sebesar
92,73%. Sementara pada pendugaan parameter maximum likelihood, tingkat
kesalahan (error) yang ditimbulkan lebih kecil dibandingkan dengan metode
komponen utama yang sering digunakan (Dwipurwani, 2009). Pada penelitian-
penelitian sebelumnya seperti penelitian Dwipurwarni (2009) menunjukkan hasil
bahwa varians total yang mampu dijelaskan oleh faktor-faktor yang terbentuk
dengan metode maximum likelihood adalah 64%, yang artinya kebaikan model
sudah terpenuhi.
11
Tujuan utamanya ialah menjelaskan sebanyak mungkin jumlah varian data
asli dengan sedikit mungkin komponen utama yang disebut faktor. Analisis
Komponen Utama biasanya digunakan sebagai berikut (Jolliffe, 2002):
1. Identifikasi peubah baru yang mendasari data peubah ganda
2. Mengurangi banyaknya dimensi himpunan peubah yang biasanya terdiri atas
peubah yang banyak dan saling berkolerasi dengan mempertahankan sebanyak
mungkin keragaman dalam himpunan data tersebut, dan
3. Menghilangkan peubah-peubah asal yang mempunyai sumbangan informasi
yang relatif kecil.
2.6 Tinjauan Studi-studi Terdahulu
Faktor kepadatan penduduk, ekonomi dan kebijakan memberi pengaruh yang
besar terhadap sebaran deforestasi. Penduduk yang terus bertambah sangat berperan
dalam mempengaruhi tingkat konektivitas lanskap hutan. Aktifitas manusia
memberikan tekanan tersendiri dan cenderung menyebabkan fragmentasi hutan.
Tingkat kesejahteraan masyarakat yang meningkat mendorong bertambahnya
jumlah pemukiman (Rijal, 2016).
Berdasarkan analisis terhadap luas hutan pada tiap kabupaten/kota di
Provinsi Sulawesi Selatan dan Sulawesi Barat ditemukan bahwa seluruh
kabupaten/kota pada tahun awal pengamatan (1990) masih memiliki hutan.
Kabupaten yang memiliki luas hutan paling kecil yaitu Kota Makassar. Luas
deforestasi terbesar di Sulawesi Selatan dan Sulawesi Barat selama periode 1990
hingga 2016 terjadi di Kabupaen Mamuju Provinsi Sulawesi Barat. Luas
deforestasi pada kabupaten Mamuju dengan luas 66,804.31 ha atau rata-rata
508,597.43 ha/tahun (Ramadhan, 2016).
Total luas lahan yang mengalami perubahan tutupan hutan pada Provinsi
Sulawesi Barat pada tahun 1990–2016 yaitu 190.891,57 ha yang beralih fungsi
menjadi penutupan bukan hutan. Luas hutan Provinsi Sulawesi Selatan yang
beralih fungsi menjadi penutupan bukan hutan sejak periode awal pengamatan
12
(1990) hingga akhir periode pengamatan (2016) yaitu 181.385,77 ha. Hasil
analisis sebaran kejadian deforestasi memperlihatkan peta sebaran deforestasi
yang terjadi selama periode 1990—2016 Gambar 1.
Gambar 1. Peta sebaran profil deforestasi di Sulawesi Selatan dan Sulawesi
Barat (Ramadhan, 2017)
13
Faktor biofisik dan aksesibilitas, deforestasi pada tipologi 1 dan 2 juga
dipengaruhi oleh faktor kepadatan penduduk. Peluang deforestasi pada tipologi 1
semakin tinggi pada daerah dengan kepadatan penduduk yang relative rendah.
Tipologi 2 menunjukkan hasil yang berbeda dengan tipologi 1 yaitu peluang
deforestasi semakin tinggi pada daerah dengan kepadatan penduduk yang tinggi.
Beberapa hasil studi lain menunjukkan hal yang sama bahwa peluang deforestasi
semakin tinggi apabila semakin meningkatnya kepadatan penduduk (Entwisle et al.
2008; Prasetyo et al. 2009). Pengaruh wilayah berkembang pada tipologi 1
membuat semakin meluasnya wilayah perkantoran dan perdagangan sehingga
peluang kerja semakin tinggi. Peluang pekerjaan di perkotaan menjadikan dorongan
terhadap hutan semakin berkurang.
Kepadatan penduduk yang meningkat drastis akan menyebabkan peluang
deforestasi juga meningkat secara drastis. Pada tipologi ini, deforestasi yang tinggi
terjadi pada wilayah-wilayah dengan elevasi yang rendah tetapi pada konfigurasi
lahan yang relatif curam (tanda aljabar negative untuk peubah elevasi dan positif
untuk slope). Oleh karena ini tergolong pada wilayah tipologi dengan laju
deforestasi yang rendah, maka peningkatan laju deforestasi yang disebabkan karena
kepadatan penduduk tidak akan terlalu tinggi (Wijaya, 2015).
14
III. METODE PENELITIAN
3.1 Waktu dan Tempat
Penelitian ini dilakukan selama lima bulan, mulai November 2017 hingga
Maret 2018 dengan dua tahap kegiatan, yaitu tahap persiapan, mengumpulkan data
yang tersedia di badan pusat statistik Sulawesi Selatan dan Sulawesi Barat ataupun
melalui internet, buku, dokumen, jurnal, artikel, karya ilmiah dan lain-lain. Tahap
akhir dengan melakukan kegiatan analisis data yang dilakukan di Laboratorium
Perencanaan dan Sistem Informasi Spasial Kehutanan Universitas Hasanuddin.
Peta lokasi penelitian seperti tersaji pada Gambar 2 berikut:
Gambar 2. Peta Lokasi Penelitian
15
3.2 Alat dan Bahan
3.2.1 Alat
Alat – alat yang digunakan dalam penelitian ini berupa:
1. Laptop, yang memiliki aplikasi Sistem Informasi Geografis (SIG) dan
PCA; Aplikasi GIS berfungsi untuk membantu dalam pembuatan peta
deforestasi sedangkan Software SPSS adalah Aplikasi yang digunakan
untuk pengolahan data menggunakan metode PCA.
2. Kamera; befungsi untuk memudahkan dalam mendokumentasikan data.
3. Alat tulis menulis; Digunakan untuk pencatatan data.
3.2.2 Bahan
Bahan yang digunakan dalam penelitian ini adalah data profil deforestasi di
Provinsi Sulawesi Selatan dan Sulawesi Barat (Ramadhan, 2017), data sosial BPS
Sulawesi Selatan dan Sulawesi Barat berupa data jumlah penduduk, usia produktif,
pekerjaan dan pendidikan.
3.3 Metode Pengumpulan Data
3.3.1 Pengumpulan Data
Jenis data yang digunakan pada penelitian ini yaitu data sekunder yang
diperoleh dari telahan terhadap beberapa dokumen perencanaan, data BPS Sulawesi
Selatan dan Sulawesi Barat, mengutip dari berbagai sumber tertentu (jurnal,
makalah dan karya tulis ilmiah), instansi-instansi terkait dan dilakukan dengan
menggunakan literatur yang sudah ada dalam kepustakaan yang berkaitan dengan
penelitian yang dikaji. Data yang diperoleh dari proses ini yaitu data jumlah
penduduk, umur produktif, pekerjaan dan pendidikan. Penelitian ini menggunakan
2 kategori profil deforestasi di Sulawesi Selatan dan Sulawesi Barat, dimana profil
tersebut termasuk kategori “cukup rawan” dan “rawan”.
16
3.3.2 Prosedur Penelitian
Data Profil
Profil deforestasi menjelaskan bahwa nilai laju yang tinggi pada suatu
Kabupaten/Kota tidak selalu linear dengan luas hutan yang terdeforestasi. Temuan
lainnya adalah tentang nilai laju terhadap kondisi hutan suatu daerah. Nilai laju
yang rendah tidak selalu mencerminkan keadaan hutan yang lebih baik dibanding
laju yang tinggi. Laju deforestasi yang rendah pada beberapa Kabupaten/Kota di
kedua provinsi ini juga disebabkan oleh luas hutan awal yang kecil. Profil
deforestasi telah mampu menjelaskan dan mendeskripsikan kejadian deforestasi
secara lebih baik pada suatu daerah atau wilayah dibanding sebelumnya, apalagi
disertai dengan informasi model spasial deforestasi. Profil deforestasi menjadi
ukuran penilaian yang lebih baik dari penilaian selama ini (Rijal dkk, 2016). Profil
deforestasi Sulawesi Selatan dan Sulawesi Barat dapat dilihat pada Tabel 1.
Tabel 1. Profil deforestasi Sulawesi Selatan dan Sulawesi Barat
Kabupaten/Kota
LuasHuan (LH)
KejadianDeforestasi (KD)
Laju Rata-rataDeforesasi (LD)
Profil
Bulukumba 1 1 1 1-1-1
Bantaeng 1 3 1 1-3-1
Maros 1 3 1 1-3-1
Enrekang 1 1 2 1-1-2
Jeneponto 1 1 2 1-1-2
Bone 1 3 2 1-3-2
Gowa 1 3 2 1-3-2
Makassar 1 3 2 1-3-2
Pangkajene DanKepulauan 1 1 1 1-1-1
Parepare 1 3 1 1-3-1
Pinrang 1 3 1 1-3-1
Sidenreng Rappang 1 1 1 1-1-1
17
Tabel Lanjutan
Kabupaten/ Kota LuasHuan (LH)
KejadianDeforestasi (KD)
Laju Rata-rataDeforesasi (LD)
Profil
Sinjai 1 3 1 1-3-1
Soppeng 1 3 1 1-3-1
Takalar 1 1 3 1-1-1
Tana Toraja 1 3 1 1-3-1
Wajo 1 1 3 1-1-3
Barru 1 1 2 1-1-2
Luwu 2 1 1 2-1-1
Kepulauan Selayar 2 3 3 2-3-3
Polewali Mandar 2 1 2 2-1-2
Majene 2 1 1 2-1-1
Palopo 2 2 1 2-2-1
Toraja Utara 2 3 1 2-3-1
Mamuju Utara 3 1 1 3-1-1
Luwu Timur 3 1 1 3-1-1
Mamasa 3 2 1 3-2-1
Luwu Utara 3 2 1 3-2-1
Mamuju 3 3 1 3-3-1
Sumber : Ramadhan, 2017
Keterangan :
Profil Deforestasi : 1-2-3; 1 = LH 2 = KD 3 = LDLuas Hutan : 1 = Kecil; 2 = Sedang; 3 = Besar
Kejadian Deforestasi : 1 = Periode I (Pra Reformasi); 2 = Periodepertengahan kedua periode; 3 = Periode III(Pasca Reformasi)
Laju Rata-rata Deforestasi (LD): 1 = Rendah; 2 = Sedang; 3 = Tinggi
18
Penentuan Tingkat Kerawanan
Tingkat kerawanan dalam penelitian ini dibagi berdasarkan tiga kelas, yaitu
tidak rawan, cukup rawan dan rawan. Tingkat kerawanan dijadikan sebagai dasar
untuk pengambilan profil pewakil dalam penelitian ini. Pembagian tingkat
kerawanan ini berdasarkan kunci kerawanan seperti penjelasan dibawah ini :
1. Profil Rawan
Profil rawan adalah proporsi hutan rendah dengan kejadian deforestasi di
akhir pengamatan dengan laju yang tinggi. Berdasarkan kunci kerawanan profil
deforestasi yang tergolong rawan di Sulawesi Selatan yaitu profil 1-3-2 (Bone,
Gowa, Makassar) dan 2-3-3 (Kepulauan Selayar). Penelitian ini memilih Kota
Makassar dan Kabupaten Kepualauan Selayar sebagai profil pewakil rawan.
2. Cukup Rawan
Cukup Rawan adalah proporsi hutan sedang dengan kejadian deforestasi di
periode pertenagahan pengamatan dengan laju deforestasi yang sedang.
Berdasarkan kunci kerawanan profil deforestasi Sulawesi Selatan dan Sulawesi
Barat yang tergolong kategori cukup rawan berjumlah 17 Kabupaten yaitu kode
profil 1-3-1 (Bantaeng, Maros, Pare-pare, Pinrang, Sinjai, Soppeng, Tana Toraja),
kode profil 1-1-2 (Enrekang, Jeneponto, Barru), kode profil 2-1-2 (Polewali
Mandar), kode profil 2-2-1 (Polopo), kode profil 2-3-1 (Tana Toraja), 3-2-1
(Mamasa dan Luwu Utara), 3-3-1 (Mamuju).
Sulawesi Selatan memilih 1 profil pewakil yaitu Kabupaten Luwu Utara,
dengan alasan untuk dijadikan sebagai profil perbandingan dengan profil lainnya.
Sulawesi Barat memilih 3 profil pewakil yaitu Kabupaten Polewali Mandar,
Mamasa dan Mamuju. Pemilihan profil tersebut berdasarkan pada tujuan penelitian
yang ingin menganalisis kejadian deforestasinya, berhubung karena Sulawesi Barat
hanya tergolong di kategori cukup rawan dan tidak rawan, sehingga untuk profil
pewakil ketiganya diakili dari profil yang berkategorikan cukup rawan.
19
3. Profil Tidak Rawan
Profil Tidak Rawan adalah Proporsi hutan besar dengan kejadian
deforestasi di periode awal pengamatan dengan laju deforestasi yang rendah.
Berdasarkan kunci kerawanan profil deforestasi yang tergolong kategori tidak
rawan yaitu kode profil 1-1-1 (Blukumba, Pangkajene dan Kepulauan, Sidenreng
Rappang, Takalar), kode profil 2-1-1 (Luwu dan Majene), 3-1-1 (Mamuju Utara
dan Luwu Timur). Penelitian ini tidak memilih profil pewakil yang berkategorikan
tidak rawan, karena hanya berfokus pada lokasi yang memiliki tingkat deforestasi
yang perlu penanganan yang lebih.
Penentuan Pewakil Profil Deforestasi Berdasarkan Tingkat Kerawanan
Penelitian ini memilih kabupaten yang termasuk kategori “cukup rawan”
dan “rawan”. Pemilihan pewakil profil tersebut sebenarnya telah menjelaskan
terkait model deforestasi spasial yang memiliki kategori yang sama. Provinsi
Sulawesi Selatan memilih 3 profil pewakil yaitu Kabupaten/Kota Makassar, Luwu
Utara dan Kepulauan Selayar. Lokasi di Sulawesi Barat yaitu Kabupaten Mamasa,
Polewali Mandar dan Mamuju. Penelitian ini tidak memilih lokasi kategori yang
“tidak rawan” karena penelitian ini berfokus pada lokasi yang mengalami
deforestasi yang pengaruhnya berdampak cukup besar pada lokasi tersebut.
3.3.2 Analisis Data
Lokasi yang termasuk kategori “cukup rawan” dan “rawan” tersebut,
variabelnya (Jumlah penduduk, umur produktif, pekerjaan dan pendidikan) di
skoring. Skoring ini bertujuan untuk memudahkan dalam proses pengimputan data
dengan melakukan penyederhanaan data (Simbol), adapun hasil dari skoring
tersebut merupakan data yang hanya sekedar contoh dan tidak menggambarkan
lokasi tertentu. Metode Skoring menggunakan persamaan regresi yang nilainya
kemudian di standarisasi sehingga nilai skor berkisar antara 1 sampai 9. Nilai total
yang terbentuk per sub variabel distandarisasi dengan Metode Skoring (Jaya, 2009
dalam Rijal, 2016):
Score Std =( ( − ) + 1................ (1)
20
Keterangan:
Score Std : nilai standarisasi
Score input : skor input ke-i;
Score min : skor minimum
Score max : skor maksimum
Score stdmax : nilai baru maksimum
Score stdmin : nilai baru minimum
Selanjutnya data hasil skoring diolah dengan menggunakan metode PCA
(Principal Component Analysis), dan terakhir penentuan bobot masing-masing
variabel. Penentuan bobot dengan PCA mengikuti persamaan:
= . /∑ ..................................................................... (2)
Keterangan : Wj : Bobot variabel ke –j
Ei : Eigen value PC ke-i
Vij : Eigen vector PC ke –i variabel ke -j
Bobot masing-masing variabel di rescaling hingga total terbentuk untuk
semua variabel adalah 1. Nilai skor dan bobot yang terbentuk tiap variabel
digunakan untuk membentuk model spasial multikriteria deforestasi berdasarkan
fungsi matematis. Model spasial deforestasi dirumuskan sebagai berikut:
Y = f (KP, UP, PK, PDK) ............................................................................ (3)
Y = ∑bi xi .................................................................................................... (4)
MDS = W1. KP + W2. UP + W3. PK + W4.PDK .......................................(5)
Keterangan:
Wn : Bobot ke-i
MDS : Model Defrestasi Spasial
KP : Kepadatan penduduk
UP : Umur Produktif
PK : Pekerjaan
PDK : Pendidikan
21
Model spasial deforestasi tiap profil akan membentuk variasi bobot tiap
variabel yang berbeda. Bobot tersebut menjelaskan bahwa variabel berpengaruh
atau menjadi salah satu faktor pendorong yang mendukung terjadinya deforestasi.
Nilai Eigen Value yang akan menentukan model spasial.
22
IV. HASIL DAN PEMBAHASAN
4.1 Luas Wilayah dan Luas Hutan Lokasi Penelitian
Provinsi Sulawesi Selatan dan Sulawesi Barat pada tahun 1990 memiliki
luas hutan 3.550.946.13 ha dan luas wilayah 6.216.776.43 ha. Adapun luas wilayah
dan luas hutan lokasi penelitian dapat di lihat pada Tabel 2.
Tabel 2. Luas Wilayah dan Luas Hutan lokasi penelitian
No Kabupaten/Kota Luas Wilayah (Ha) Luas Hutan (Ha)Sulawesi Selatan
1 Kepulauan Selayar 117.700,21 29.177,812 Makassar 179.00,45 101,123 Luwu Utara 759.100,82 460.875,90
Sulawesi Barat4 Mamuju 801.400,44 45.3317,215 Polewali Mandar 202.200,38 34.930,756 Mamasa 297.200,12 143.967,75
Sumber : Ramadhan, 2017
4.2 Faktor Pendorong
Faktor penyebab deforestasi yang tidak langsung disebut faktor pendorong
(Rijal, 2016). Menurut Nawir (2008) penyebab deforestasi yang tidak langsung
salah satunya adalah persoalan sosial. Sumberdaya manusia merupakan faktor
utama yang berperan dalam proses pengubah lahan hutan (deforestasi). Hal ini
sejalan dengan pernyataan Carr dan Suter (2005) yang menyatakan bahwa peran
penduduk merupakan faktor pemicu dari deforestasi. Perlu diketahui bersama
bahwa pengertian sosial dalam ilmu sosial menunjuk pada objeknya yaitu
masyarakat. Dalam Kamus Besar Bahasa Indonesia, kata sosial berarti segala
sesuatu yang berkenaan dengan masyarakat (KBBI,1996).
Penelitian ini menggunakan 4 variabel yaitu jumlah penduduk, umur
produktif, pekerjaan dan pendidikan, hal ini dikuatkan oleh beberapa penelitian
sebelumnya. Variebel tersebut merupakan faktor sosial. Variabel diatas pernah
dijadikan faktor pendorong pada penelitian tentang model deforestasi. Misalnya,
Penelitian Wijaya (2015) yang menjadikan jumlah penduduk, pekerjaan dan
23
pendidikan sebagai variabel dalam penelitiannya, dan hasil akhirnya kedua variabel
tersebut sangat berpengaruh dibandingkan variabel lainnya. Penelitian Setiawan
(2015) mengungkapkan bahwa yang mendominasi terjadinya deforestasi adalah
faktor sosial. Rijal (2016) dalam penelitiannya mengenai model deforestasi
menghasilkan bahwa faktor sosial lebih mempengaruhi dari pada faktor biofisik,
variabel sosial yang digunakan adalah jumlah penduduk dan umur produktif.
4.2.1 Kepadatan Penduduk
Kepadatan Penduduk adalah perbandingan antara jumlah penduduk dan luas
wilayah. Jumlah penduduk di Sulawesi Selatan dan Sulawesi Barat selalu
mengalami peningkatan, data jumlah penduduk dapat dilihat pada tabel 3. Namun,
untuk mengukur tingkat kerawanan deforestasi yang lebih tepat dijadikan variabel
adalah kepadatan penduduk, karena kapadatan penduduk adalah variabel yang di
analisis berdasarkan luasan wilayahnya, sehingga akan jelas terlihat pengaruhnya
anatara peningkatan jumlah penduduk dan ketersediaan lahan. Data kepadatan
penduduk dapat dilihat pada Tabel 4.
Tabel 3. Jumlah Penduduk Profil Pewakil
Jumlah Penduduk
Kabupaten/Kota 1990 2000 2010 2016
Polewali Mandar 343.792 351.673 396.120 427.484
Mamasa 64.584 65.178 140.080 151.830
Luwu Utara 194.949 442.472 287.472 302.687
Mamuju 179.530 289.647 336.973 372.258
Makassar 944.372 1.100.019 1.338.663 1.449.242
Kepulauan Selayar 98.489 103.596 122.055 131.605
Sumber : Badan Pusat Statistika Sulawesi Selatan dan Sulawesi Barat
Sulawesi Selatan yang memiliki jumlah penduduk yang tinggi yaitu Kota
Makassar dimana mencapai lebih 1 juta penduduk. Hal ini disebabkan karena Kota
Makassar adalah daerah Ibu Kota di Sulawesi Selatan, dengan tingkat pendidikan
terbaik di Indonesia Timur dan Kota pusat perekonomian. Berbeda dengan
Sulawesi Barat yang memiliki jumlah penduduk yang tinggi yaitu di Polewali
24
Mandar, karena lokasi ini merupakan daerah imigrasi antara Sulawesi Selatan dan
Sulawesi Barat.
Tabel 4. Kepadatan Penduduk Profil Pewakil
Profil PewakilKepadatan Penduduk
1990 2000 2010 2016
Kepulauan Selayar 0.86 0.88 1.03 1.28
Makassar 52.76 61.45 74.78 80.95
Luwu Utara 0.25 0.58 0.37 0.49
Mamasa 0.21 0.22 0.45 0.51
Mamuju 0.22 0.36 0.42 0.46
Polewali Mandar 1.7 1.74 1.95 2.11
Wilayah Sulawesi Selatan yang memiliki kepadatan penduduk yang sangat
tinggi adalah Kota Makassar. Hal ini disebabkan oleh tidak kesimbangan antara
jumlah penduduk dan luas wilayahnya. Profil Pewakil lainnya menjelaskan bahwa
jumlah penduduk masih diimbangi dengan luas wilayah pada lokasi tersebut.
4.2.2 Umur Produktif
Umur produktif ditandai dengan usia 15-64 tahun. Pengelompokkan usia
tersebut berdasarkan penduduk yang telah mampu menghasilkan barang dan jasa
(Susetyo, 2011). Sejak tahun pengamatan 1990-2016, umur produktif Sulawesi
Selatan dan Sulawesi Barat berdasarkan pengamatan pada profil pewakil, beberapa
lokasi mengalami peningkatan. Data umur produktif dapat dilihat pada Tabel 5.
Tabel 5. Umur Produktif Profil Pewakil
Umur Produktif
Kabupaten/Kota 1990 2000 2010 2016
Polewali Mandar 199.321 214272 240155 278144
Mamasa 46.982 47.852 87.004 92.431
Luwu Utara 35.322 58.870 135.553 189.138
Mamuju 160.550 221.274 219.318 176.892
Makassar 501.775 611.007 723.310 940.129
Kepulauan Selayar 59.133 61.207 76.092 82.845
Sumber : Badan Pusat Statistika Sulawesi Selatan Sulawesi Barat
25
Profil pewakil di Sulawesi Selatan selalu mengamalami peningkatan umur
produktif. Jumlah umur produktif di Luwu Utara periode 1990 dan 2000 terbilang
sangat kecil karena pada periode tersebut Luwu Utara masih menyatu dengan
Kabupaten Luwu (belum pemekaran). Sedangkan Profil pewakil di Sulawesi Barat
terlihat Kabupaten Mamaju mengalami penurunan jumlah umur produktif pada
periode akhir tahun 2016.
4.2.3 Pekerjaan
Jumlah pekerja di Sulawesi Selatan dan Sulawesi Barat merupakan salah
satu aspek sosial yang mempengaruhi deforestasi. Pekerjaan yang terdapat di
Sulawesi Selatan dan Sulawesi Barat memiliki berbagai macam keberagaman, ini
tergantung dengan sumberdaya alam dan potensi dari penduduk lokasi tersebut.
Adapun data jumlah pekerja dapat dilihat pada Tabel 6 dibawah ini.
Tabel 6. Tabel Pekerjaan pada Profil Pewakil
PEKERJAAN
Profil Pewakil 1990 2000 2010 2016
Kepulauan Selayar 41.560 44.072 52.223 53.778
Makasar 180.225 209.039 421.346 661.971
Luwu Utara 36.333 40.873 67.299 76.004
PolewaliMandar 183.908 175.193 185.941 193.339
Mamasa 132.977 132.03 128.996 103.196
Mamuju 157.768 162.691 171.62 182.926
Sumber : Badan Pusat Statistika Sulawesi Selatan Sulawesi Barat
Nilai dari jumlah pekerja di setiap profil pewakil merupakan hasil
perjumlahan dari berbagai perkerjaan, yaitu pekerjaan di bidang Pertanian,
Kehutanan, Perburuan dan Perikanan, Industri Pengelohan, Pedagang (enceran dan
rumah makan), perhotelan dan jasa kemasyarakatan. Data jumlah pekerja yang
menampilkan secara khusus bidang pekerjaan dapat dilihat pada lampiran 1.
26
4.2.4 Pendidikan
Pendidikan menjadi salah satu aspek sosial yang dijadikan variabel, dengan
tujuan menganalisis pengaruhnya dengan kejadian deforestasi. Jumlah pelajar di
profil pewakil dapat diliat pada tabel 7, sebagai berikut:
Tabel 7. Tabel Jumlah Pelajar pada Profil Pewakil
Profil PewakilJumlah Pelajar
1990 2000 2010 2016
Kepulauan Selayar 17.962 17.144 22.598 28.862
Makassar 218.453 204.747 279.734 818.455
Luwu Utara 19.28 21.684 40.078 35.708
Polewali Mandar 68.155 48.472 75.115 74.863
Mamasa 56.568 19.255 48.493 51.566
Mamuju 34.643 10.308 79.44 56.181
Sumber : Sumber : Badan Pusat Statistika Sulawesi Selatan Sulawesi Barat
Data di atas merupakan hasil perjumlahan dari pelajar SD, SMP, SMA.
Dimana rata-rata jumlah pelajar terbanyak berada pada jenjang pendidikan sekolah
dasar, disusul dengan Sekolah Menengah Bawah. Jumlah Siswa Sekolah Menengah
Atas lebih sedikit. Namun perlu diketahui bahwa jumlah pelajar beberapa profil
mengalami peningkatan.
4.3 Pemodelan Spasial Deforestasi
Model spasial deforestasi merupakan salah satu tahapan untuk mengetahui
dan melengkapi pengetahuan terhadap permasalahan penelitian sebagai upaya
untuk mengenali lebih dalam tentang permasalahan deforestasi. Model spasial
deforestasi yang dibangun mempertimbangkan faktor sosial yang menyebabkan
deforestasi. Pembahasan terkait model spasial jika dikaitkan dengan wilayah
provinsi Sulawesi Selatan dan Sulawesi Barat tidak akan lepas dengan pembahasan
mengenai profil. Sama halnya dengan penelitian ini, bukan merujuk kepada
kabupaten tertentu, namun membahas secara keseluruhan yang memiliki profil
yang sama. Terkhusus kepada profil yang ketegori cukup rawan dan rawan. Adapun
model spasial deforestasi dapat diketahui berdasarkan perhitungan nilai eigen. Nilai
27
eigen setiap lokasi berbeda-beda. Nilai eigen dalam penelitian ini dapat dilihat pada
tabel 8 dibawah ini.
Tabel 8. Tabel Hasil Nilai Eigen Value berdasarkan PCA.
Profil PewakilNilai Eigen
KP UP PK PDK
Makassar 8.917 3.0955 1.893 0.0002
Kepulauan Selayar 2.883 6.984217 3.041 0.00041
Polewali Mandar 1.131 5.6194 2.015 0.00004
Mamasa 0.576 4.719835 1.003 0.00001
Mamuju 1.6027 7.423996 3.045 0.0006
Luwu Utara 0.2054 3.097123 1.7671 0.00084
Keterangan : KP : Kepadatan Penduduk
Up : Umur Produktif
PK : Pekerjaan
PDK : Pendidikan
Setelah mengetahui nilai eigen dari data yang telah dianalisis menggunakan
metode PCA, maka dilakukan proses pembobotan, penentuan bobot masing-masing
variabel di lihat berdasarkan nilai eigen. Hasil pembobotan dapat dilihat pada tabel
9 dibawah ini.
Tabel 9. Tabel Hasil pembombotan berdasarkan analisis PCA
Profil PewakilBobot
KP UP PK PDK
Makassar 0.641248 0.222607 0.136131 0.00001
Kepulauan Selayar 0.223339 0.54105 0.235579 0.00004Polewali Mandar 0.129029 0.641086 0.22988 0.00004Mamasa 0.091445 0.749318 0.159236 0.000006Mamuju 0.132759 0.614961 0.25223 0.00004
Luwu Utara 0.040509 0.610817 0.348509 0.000166
28
Model spasial deforestasi dapat dilihat dari nilai bobot di atas. Hasil
pembobotan didapatkan dari pengolahan menggunakan metode analisis 2 yang
telah dijelaskan sebelumnya, yaitu perbandingan keseluruhan nilai eigen dengan
nilai eigen setiap periode, sehingga jumlah bobot setiap lokasi akan berjumlah 1.
4.4.1 Model Deforestasi pada Profil Rawan di Sulawesi Selatan
Profil pewakil rawan di Sulawesi Selatan terdiri atas 2 pewakil, pemilihan
ini berdasrkan kunci tingkat kerawanan deforestasi berdasrkan profil. Kedua Profil
rawan ini memiliki proporsi hutan, kejadian deforestasi, dan laju deforestasi yang
berbeda, namun keduanya termasuk kategori rawan, sehingga itulah sebabnya profil
ini dipilih menjadi profil pewakil rawan. Profil pewakil Rawan I yaitu Kabupaten
Kepulauan Selayar dan Profil Pewakil Rawan II adalah Kota Makassar. Penjelasan
terkait model spasial deforestasi kedua profil pewakil rawan akan di uraikan
dibawah ini. Berdasarkan teknik pembobotan dengan PCA tersebut maka diperoleh
model spasial deforestasi yang terbangun pada profil pewakil I dan profil pewakil
II adalah:
MDS I = 0.223339 KP + 0.541050 JP + 0.235579 PK + 0.00004 PDK
MDS II =0.641248 KP + 0.222607 UP + 0.136131 PK + 0.00001 PDK
Keterangan :
MSD I : Model Spasial Deforestasi di Profil Pewakil Rawan I
MSD II : Model Spasial Deforestasi di Profil Pewakil Rawan II
Model deforestasi spasial di atas menjelaskan bahwa MSD I dan MSD II
memiliki karasteristik model yang berbeda. MSD I mengungkapkan bahwa yang
sangat berpengaruh adalah umur produktif. Hal ini tidak dapat dipungkiri, bahwa
kenyataannya lokasi tersebut memiliki penduduk yang dominan secara fisik, tenaga
kerja dan finansial mampu mempengaruhi kejadian deforestasi, sehingga dapat
dikatakan bahwa deforestasi di MSD I tidak akan lepas keterhubungannya dengan
penduduk yang berusia produktif. Dsisi lain, MSD II tidak lepas kaitannya dengan
29
bidang pekerjaan. Adapun pendidikan menjadi variabel yang tidak terlalu
berpengaruh.
Berbeda dengan MSD II yang kenyataannya lebih dipengaruhi oleh
kepadatan penduduknya di bandingkan variabel lain. Hal ini dapat terjadi karena
luas wilayah tidak berbanding lurus dengan jumlah penduduk, sehingga penduduk
MSD II terbilang sangat padat, hal inilah yang menyebabkan deforestasi, karena
kepadatan penduduk menyebabkan banyaknya permintaan lahan untuk
pemukiman. Umur produktif juga menjadi variabel yang berpengaruh, karena
seperti penjelasan sebelumnya, bahwa umur produktif adalah penduduk yang
mampu bekerja dengan potensi yang baik. Pekerjaan menjadi variabel ketiga yang
berpengaruh, karena perlu diketahui berasama di MSD II bidang pekerjaannya
bergerak pada pembangunan infrastruktur, dengan hal itu bisa saja menyebabkan
beberapa luasan hutan yang masih tersisa diubah menjadi areal pembangunan.
Variabel pendidikan sama dengan MSD I yang tidak menjadi variabel yang terlalu
berpengaruh.
Penjelasan di atas dapat disimpulkan bahwa, Provinsi Sulawesi Selatan
yang termasuk rawan yang berada pada wilayah kota, pada umumnya faktor
pendorongnya dipengaruhi oleh pembangunan. Berbeda dengan wilayah kategori
rawan yang berada pada daerah luar Ibukota pada umumnya dipengaruhi oleh
pertanian, kehutanan (pembalakan liar) dan industri kayu yang manajemen
pengelolaannya kurang baik, hal ini bisa berbeda karena kedua wilayah tersebut
memiliki latar belakang luasan hutan yang berbeda.
4.4.2 Model Deforestasi pada Profil Cukup Rawan di Sulawesi Selatan
Profil deforestasi di Sulawesi Selatan yang termasuk kategori cukup rawan yaitu
berjumlah 13 kabupaten. Pada profil cukup rawan telah dipilih 1 profil pewakil yaitu
Kabupaten Luwu Utara. Pemilihan Luwu Utara berdasarkan kode profilnya dan
ketersediaan data pada lokasi tersebut. Berdasarkan teknik pembobotan dengan PCA maka
diperoleh model spasial deforestasi yang terbangun pada profil pewakil cukup rawan di
Sulawesi Selatan adalah:
MSD = 0.040509 KP+0.610817 UP+0.348509 PK+ 0.000016 PDK
30
Model deforestasi pada profil pewakil cukup rawan ini, ternyata lebih
dipengaruhi oleh umur produktif. Data umur produktif di profil pewakil ini dapat
dilihat pada Tabel 5. Data tersebut menjelaskan bahwa umur produktif selalu
mengalami peningkatan. Umur yang dominan adalah 15-59 tahun (BPS, 2016).
Variabel kedua yang mempengaruhi adalah pekerjaan. Perlu diketahui bersama
bahwa, pekerjaan yang mendominasi pada MSD ini adalah di bidang pertanian
(terkhusus pada perkebunan kelapa sawit). Kepadatan penduduk menjadi variabel
ketiga yang mempengaruhi deforestasi. Pengaruhnya belum terlalu besar untuk
deforestasi di MSD ini, karena masih tersedianya cukup lahan untuk pemukiman.
Namun, perlu diketahui bersama, bahwa jumlah penduduk di setiap profil akan
selalu mengalami peningkatan, dengan hal itu, mampu mempengaruhi kepadatan
penduduknya dan mempengaruhi pula penggunaan lahan kedepannya. Pendidikan
hampir tidak mempengaruhi deforestasi. Namun, pendidikan harus tetap
diperhatikan karena variabel ini mempengaruhi latar belakang pekerjaan.
4.4.3 Model Deforestasi pada Profil Cukup Rawan di Sulawesi Barat
Profil deforestasi di Sulawesi Barat yang termasuk kategori cukup rawan
yaitu berjumlah 3 Kabupaten. Pada profil cukup rawan semua kabupaten dijadikan
sebagai profil pewakil. Hal ini secara kebetulan sesuai dengan perencanaan
penelitian yang ingin memilih masing-masing 3 profil pewakil di Sulawesi Selatan
maupun Sulawesi Barat. Berhubung karena penelitian ini tidak memilih kategori
tidak rawan, sehingga untuk profil pewakil di Sulawesi Barat semuanya termasuk
kategori cukup rawan. Profil pewakil cukup rawan I yaitu Kabupaten Polewali
Mandar, Profil pewakil cukup rawan II yaitu Kabupaten Mamasa, dan Profil
pewakil cukup rawan III yaitu Kabupaten Mamuju.
Berdasarkan teknik pembobotan dengan PCA maka diperoleh model spasial
deforestasi yang terbangun pada Profil Pewakil Cukup Rawan I adalah:
MSD I = 0.129029 KP + 0.641086 UP + 0.22988 PK + 0.00004 PDK
MSD II =0.884738 JP +0.110560 UP + 0.04697 PK + 0.000003 PDK
MSD III =0.132759 KP +0.614961 UP +0.25223 PK + 0.00004 PDK
31
MSD I, MDS II dan MDS III menjelaskan bahwa ketiga variabel (umur
produktif, pekerjaan dan kepadatan penduduk) memberikan pengaruh atau tekanan
terhadap kejadian deforestasi. Namun, yang sangat berpengaruh adalah umur
produktif. Hal ini disebabkan karena lokasi tersebut didominasi oleh penduduk
yang berumur produktif, yaitu MSD I didominasi usia 15-44 tahun, MSD II
dominan usia 15-59 tahun dan MSD III 15-42 tahun. Setiawan (2013)
mengemukakan bahwa apabila berbicara tentang penduduk umur produktif sangat
erat kaitannya dengan keahlian tenaga kerjanya. Sehingga semakin banyak umur
produktif akan lebih memungkinan deforestsi bisa terjadi. Disamping itu variabel
pekerjaan juga mempengaruhi deforestasi, dapat dilihat pada hasil MSD diatas,
pekerjaan menjadi variabel kedua yang berpengaruh setelah umur produktif.
Wilayah Provinsi Sulawesi Barat pada umumnya memiliki hutan yang luas,
sehingga memudahkan untuk terjadinya deforestasi, apalagi wilayah tersebut
didukung dengan kegiatan pembangunan. Perlu diketahui bahwa Provinsi Sulawesi
Barat merupakan Wilayah pemekaran yang saat ini proses pengembangannya
bukan hanya berpusat pada sektor pertanian, namun sangat aktif dalam proses
pembangunan Infrastuktur. Penting adanya aturan penggunaan lahan yang baik,
karena luasan hutan yang besar akan berubah dengan cepat jika manajemen
penggunaan lahannya yang tidak baik.
32
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Kesimpulan dalam penilitian ini yaitu pada profil yang rawan faktor yang sangat
mempengaruhi adalah kepadatan penduduk dan umur produktif. Profil cukup rawan
yang mendominasi terjadinya deforestasi adalah umur produktif, kepadatan
penduduk dan pekerjaan. Pendidikan tidak terlalu memberikan pengaruh secara
signifikan.
5.2 Saran
Berdasarkan hasil penelitian ini maka dapat disarankan hal berikut:
Pemodelan deforestasi sebaiknya dikembangkan berdasarkan aspek ekonomi,
kebijakan ataupun terkait dengan biofisik.
33
DAFTAR PUSTAKA
Anjani, V. 2010. Dinamika Penggunaan Lahan dan Penataan Ruang Kabupaten
Bekasi. [Skripsi]. Jurusan Ilmu Tanah dan Sumberdaya Lahan. Fakultas
Pertanian. Institut Pertanian Bogor
Bakosurtanal, 2007, Peta Provinsi Jawa Barat skala 1:1.000.000, Bakosurtanal:
Bogor
Biro Perencanaan Sekertaris Jendral Kementrian Kehutanan. 2013. Profil
Kehutanan 33 provinsi. Buku. Biro Perencanaan Kementrian Kehutanan.
Jakarta. 632 p.
BKKBN. 1999. Pemanfaatan data hasil pendataan keluarga dalam program
pembangunan. BKKBN. Jakarta
BPS (Badan Pusat Statistik). 2011. Sulawesi Selatan dalam Angka. Badan Pusat
Statistik Sulawesi Selatan, Makassar.
BPS (Badan Pusat Statistik). 2011. Sulawesi Barat dalam Angka. Badan Pusat
Statistik Sulawesi Barat, Makassar.
BPS (Badan Pusat Statistik). 2017. Sulawesi Selatan dalam Angka. Badan Pusat
Statistik Sulawesi Selatan, Makassar.
BPS (Badan Pusat Statistik). 2017. Sulawesi Barat dalam Angka. Badan Pusat
Statistik Sulawesi Barat, Makassar.
BPS (Badan Pusat Statistik). 1991. Sulawesi Selatan dalam Angka. Badan Pusat
Statistik Sulawesi Selatan, Makassar.
BPS (Badan Pusat Statistik). 2001. Sulawesi Selatan dalam Angka. Badan Pusat
Statistik Sulawesi Selatan, Makassar.
Departemen Kehutanan. 2008. Rekalkulasi Penutupan Lahan Indonesia Tahun
2008. Pusat Inventarisasi dan Perpetaan Kehutanan. Badan Planologi
Kehutanan. Departemen Kehutanan. Jakarta.
Dwiprabowo, H, dkk. 2014. Dinamika Tutupan Lahan: Pengaruh Faktor Sosial
Ekonomi. Buku. PT. Kanisius. Yogyakarta. 140 p.
Dwipurwani, O., dkk. 2009. Penerapan Analisis Faktor Dalam Membentuk Faktor
Laten Yang Mempengaruhi Prestasi Mahasiswa Di Jurusan Matematika.
34
FMIPA Universitas Sriwijaya. Jurnal Penelitian Sains.
http://eprints.unsri.ac.id/975/1/jps mipaunsri-v12-no3-01-a-oki.pdf. Diakses
16 Maret 2018.
Entwisle B, Rindfuss RR, Walsh SJ, Page PH. 2008. Population growth and its
spatial distribution as factors in the deforestation of Nang Rong, Thailand.
Geoforum. 39(2): 8 −8 .
FAO. 1990. Situation and Outlook of the Forestry Sector in Indonesia. Volume 1:
issues, findings and opportunities. Ministry of Forestry, Government of
Indonesia; Food and Agriculture Organization of the United Nations, Jakarta.
FAO. 2010. Global forest resources assessment 2010 country report Indonesia.
Forest Resource Assessment, 2010/095. Food and Agriculture Organization
of the United Nations, Rome.
Ferraz SFdB, Vettorazzi CA, Theobald DM. 2009. Using indocators deforestation
and land-use dynamics to support conservation strategies: A case study of
central Rondonia, Brazil. Forest Ecology and Management. 257(2009): 1586
– 1595.
Fraser, A.I. 1996. Social, economic and political aspects of forest clearance and
land-use planning in Indonesia. Unpublished manuscript.
Geist HJ, Lambin EF. 2002. Proximate causes and underlying driving forces of
tropical deforestation. BioScience. 52(2):143–150.
Gaspersz,Vincent. 1992. Teknik Analisis Dalam Penelitian Percobaan Edisi 2.
Bandung: Torasito
Harjanti, A. 2002. Identifikasi faktor – faktor penyebab perubahan penggunaan
lahan permukiman menjadi komersial di kawasan Kemang Jakarta Selatan.
https://core.ac.uk/download/files/379/11706182.pdf. Diakses pada tanggal
13 September 2017.
Houghton RA. 2012. Carbon emissions and the driver deforestation and forest
degradation in the tropics. Current Opinion in Environmental Sustainability.
4: 1-7.
35
Jaya INS. 2009. Teknik-Teknik Pemodelan Spasial Dalam Pengelolaan
Sumberdaya Alam dan Lingkungan. Bogor. Fakultas Kehutanan, Institut
Pertanian Bogor.
Jolliffe, I.T. 2002. Principal Component Analysis, Second Edition. US: Springer.
Jundi, M.A. 2014. Analisis faktor yang mempengaruhi tingkat kemiskinan provinsi-
provinsi di Indonesia. Skripsi. Universitas Diponegoro. Semarang. 123 p.
Kementerian Kehutanan. 2010. Rencana strategis nasional REDD+. Jakarta.
Kumar R, Nandy S, Agarwal R, Kushwaha SPS. 2014. Forest cover dynamics
analysis and prediction modeling using logistic regression model. Ecological
Indicators. 45: 444-455. doi: 10.1016/j.ecolind.2014.05.003
Lisdayanti. 2017. Peran sektor pertanian terhadap pengembangan wilayah
Kabupaten Bone. Skripsi. UIN Alauiddin Makassar. Makassar.
Liu J, Zhang Z, Xu X, Kuang W, Zhou W, Zhang S, Li R, Yan C, Yu D, Wu S,
Jiang N. 2010. Spatial patterns and Driving forces of land use change in
China during the early 21st century. Journal of Geographical Sciences. 20(4):
483–494.
Liu S, Dong Y, Deng L, Liu Q, Zhao H, Dong S. 2014. Ecological Indicators.
36(2014): 160–168. Forest fragmentation and landscape connectivity change
associatedwith road network extension and city expansion: A case study in
the Lancang River Valley.
Long, H.L, Cai, Y.L, and Wan, J. 2006. Sustainability evaluation of land use in
development zones: the case of Kunshan. ActaGeographicaSinica 55, 719-
728.
Ma Y, Xu R. 2010. Remote sensing monitoring and Driving force analysis of urban
expansion in Guangzhou City, China. Journal Habitat International. 34: 228–
235
Mirza, D.S. 2012. Pengaruh kemiskinan, pertumbuhan ekonomi, dan belanja modal
terhadap indeks pembangunan manusia di Jawa Tengah tahun 20062009.
Economics Development Analysis Journal. 1(1): 1—15.
Montgomery, D.C. dan Peck, E.A. 1991. Introduction to Linear Regression
Analysis, 2nd edition. A Wiley-Interscience, New York.
36
Morton DC, DeFries RS, Shimabukuro YE, Anderson LO, Arai E, Espirito-Santo
FB, Freitas R, Morisette J. 2007. Cropland expansion changes deforestation
dynamics in the Southern Barazilian Amazon. Proceeding of the National
Academy of Sciences of the United States of America. 103: 14637–14641.
Mulyani, Ani. 2010. Pengaruh Posisi Katup Limbah Dan Kantong Udara
Terhadap Posisi Katup Limbah Dan Debit Air. Tugas Akhir Universitas
Muhammadiyah Surakarta.
Mulyanto L. 2004. Pemodelan Spasial Perubahan Tutupan Hutan Menggunakan
Citra Landsat TM dan Sistem Informasi Geografis: Studi kasus di HPH PT.
Duta Maju Timber Provinsi Sumatera Barat. [Tesis] unpublished. Bogor.
Program Pascasarjana, Institut Pertanian Bogor.
Munibah, K., Sitorus, S.R.P., Rustiadi, E., Gandasasmita, K., dan Hartrisari, H.
2010. Dampak Perubahan Penggunaan Lahan Terhadap Erosi di DAS
Cidanau, Banten. Jurnal Tanah dan Ilkim 32 : 55-69.
Nawir AA, Muniarti dan Lukas Rumboko. 2008. Rehabilitasi Hutan di Indonesia.
CIFOR. Bogor.
Notoatmodjo, Soekidjo. 2012. Pendidikan dan Perilaku Kesehatan. Jakarta.
Rineka Cipta. h. 3
Notiragayu. 2008. Pembandingan Beberapa Metode Analisis Regresi Komponen
Utama Robust. Prosiding Seminar Hasil Penelitian dan Pengabdian kepada
Masyarakat, Universitas Lampung.
Patta, D. 2012. Analisis faktor – faktor yang mempengaruhi indeks pembangunan
manusia di Sulawesi Selatan Periode 2001 – 2010. Skripsi. Universitas
Hasanuddin. Makasar. 87 p.
Prasetyo, LB, Kartodiharjo H, Adiwibowo S, Okarda B, Setiawan Y. 2009. Spasial
Model Approach on Deforestation of Java Island, Indonesia. Journal of
Integrated Field Science, 6:37- 44.
Priyanto, A. 2008. Pendugaan Parameter Model Faktor Dengan Menggunakan
Metode Maksimum Likelihood. Jakarta: Mathematics Departement State
University. http://adia08.files.wordpress.com/2008/06/jurnal-agus-
priyanto.pdf, diakses 16 Maret 2018 Irwanto, dkk. 2002
37
Rahmayanti, S. 2012. Respon masyarakat terhadap pola agroforestri pada hutan
rakyat penghasil kayu pulp. Jurnal Mitra Hutan Tanaman. 7(2): 39—50.
Ramdani, M. 2015. Determinan kemiskinan di Indonesia tahun 1982-2012.
Economics Development Analysis Journal. 4(1): 97—104.
Rahayu, Dwi. 2007. Analisis Perubahan Penggunaan Lahan di Kecamatan
Karangmalang Kabupaten Sragen Propinsi Jawa Tengah Antara Tahun 1999
dan Tahun 2003. Skripsi. Surakarta: Universitas Muhammadiyah Surakarta.
Rahardi, D. 2006. Principal Component Analysis (PCA) Sebagai Metode Jitu Untuk
Mengatasi Masalah Multikolinearitas. http://dickyrahardi.blogspot.com/
2006/12/principal component analysis pca.html. Diakses 16 november 2018
Sunoto., 2012.
Ramadhan, Azhari. 2017. Profil Deforestasi di Sulawesi Selatan dan Sulawesi
Barat. Skripsi. Makassar : Universitas Hasanuddin
Rijal, S. 2016. Pola Spasial, Teporal dan Perilaku Deforestasi di Sumatera.
Disertasi. Bogor : Institut Pertanian Bogor.
Romijn E, Ainembabazi JH, Wijaya A, Herold M, Angelsen A et al. 2013.
Exploring different forest definitions and their impact on developing
REDD+ reference emission levels: A case study for Indonesia.
Environmental Science & Policy. 33:246-259.
Ruswandi, A., Rustiadi, E., Mudikjo, K. 2007. Konversi Lahan Pertanian dan
Dinamika Perubahan Penggunaan Lahan di Kawasan Bandung Utara.
Jurnal Tanah dan Lingkungan. 9(2): 63-70
Samsuri. 2014. Model Spasial Indeks Restorasi Lanskap Hutan Tropis
Terdegradasi Daerah Aliran Sungai Batang Toru Sumatera Utara. Institut
Pertanian Bogor. Bogor
Shamsudin S, Yakup A. 2007. Predicting and Simulating Future Land Use Pattern:
A case Study of Seremban District. Jurnal Alam Bina, jilid 09, No: 01.
Department of Urban and Regional Planning, University Teknologi Malaysia,
Skudai, Johor, Malaysia.
Simamora, B. 2004. Analisis Multivariat Pemasaran. Jakarta: PT. Gramedia
Pustaka Utama Dinas Kesehatan Propinsi Riau., 2011
38
Setiawan, M.B. dan A. Hakim. 2013. Indeks pembangunan manusia Indonesia.
Jurnal Economia. 9(1): 18—26.
Shehzad K, Qamer F, Murthy MSR, Abbas S, Bhatta L. 2014. Deforestation trends
and spatial modelling of its drivers in the dry temperate forests of northern
Pakistan a case study of Chitral. J. Mt. Sci. 11(5): 1192-1207.
Sitorus, S.R.P., W. Aurelia, dan D.R. Panuju. 2011. Analisis perubahan luas ruang
terbuka hijau dan faktor-faktor yang mempengaruhinya di Jakarta Selatan.
Jurnal Landskap Indonesia, 3:15-20.
Sunderlin WD dan Ida Aju PR. 1996. Laju dan Penyebab Deforestasi di Indonesia:
Penelaahan Kerancuan dan penyelesaiannya. Paper No (9).
Susetyo, D. 2011. Analisis pengaruh tingkat investasi, aglomerasi, tenaga kerja
dan indeks pembangunan manusia terhadap pertumbuhan ekonomi
Kabupaten/Kota di Jawa Tengah. Skripsi. Universitas Diponegoro.
Semarang. 70 p.
Utoyo, S.B. 2012. Dinamika penggunaan lahan di wilayah perkotaan (studi di Kota
Bandar Lampung). Prosiding Seminar Hasil Hasil Penelitian dan Pengabdian
Kepada Masyarakat Dies Natalis FISIP Unila Tahun 2012. 142—155.
WijanarkoV. 2013. Faktor- faktor yang mempengaruhi kemiskinan di Kecamatan
Jelbuk Kabupaten Jember. Skripsi. Universitas Jember. Jawa Timur. 88 p.
39
LAMPIRAN
Lampiran 1. Tabel Pekerjaan Kabupaten Kepulauan Selayar
PEKERJAAN
Lapangan Pekerjaan Utama 1990 2000 2010 2016
Pertanian, Kehutanan, Perburuan dan Perikanan 28.104 28.929 29.475 25.240Industri Pengelohan 2.867 2.855 2.648 6.038Perdagangan besar, Eceran, Rumah makan dan hotel 4.616 4.178 6.188 6.212
Jasa Masyarakatan 4.260 5.361 9.499 13.789
Lainnya 1.713 2.749 4.413 2.499
Jumlah 41.560 44.072 52.223 53.778
Lampiran 2. Tabel Pekerjaan di Kota Makassar
PEKERJAAN
Lapangan Pekerjaan Utama 1990 2000 2010 2016
Pertanian, Kehutanan, Perburuan dan Perikanan 24.001 25.057 25.531 24.381
Industri Pengelohan 38.069 53.312 268.477 431.981Perdagangan besar, Eceran, Rumah makan dan hotel 32.874 34.290 65.90 88.452
Jasa Masyarakatan 53.190 53.190 61.993 64.251
Lainnya 32.091 43.190 58.755 52.906
Jumlah 180.225 209.039 421.346 661.971
Lampiran 3. Tabel Pekerjaan di Polewali Mandar
PEKERJAAN
Lapangan Pekerjaan Utama 1990 2000 2010 2016
Pertanian, Kehutanan, Perburuan dan Perikanan 96.885 88.296 100.544 94.515
Industri Pengelohan 12.474 12.198 10.798 18.319
Perdagangan besar, Eceran, Rumah makan dan hotel 32.504 29.434 30.037 34.476
Jasa Masyarakatan 28.086 26.667 24.749 29.523
Lainnya 13.959 18.598 19.813 16.506
Jumlah 183.908 175.193 185.941 193.339
40
Lampiran 4. Tabel Pekerjaan di Kabupaten Mamasa
PEKERJAAN
Lapangan Usaha 2010 2016 2000 1990
Pertanian, Kehutanan, Perburuan, Perikanan 79.066 80.568 75.297 60.237
Industri Pengolahan 6.463 5.618 6.690 5.352
Perdagangan Besar, Eceran, Rumah Makan, Hotel 21.893 16.016 23.599 18.879
Jasa Kemasyarakatan, Sosial, dan Perorangan 15.845 19.656 13.809 11.047
Lainnya* 9.710 10.172 9.601 7.680
Jumlah 132.977 132.030 128.996 103.196
Lampiran 5. Tabel Pekerjaan di Kabupaten Mamuju
PEKERJAAN
Lapangan Pekerjaan Utama 1990 2000 2010 2016
Pertanian, Kehutanan, Perburuan dan Perikanan 101.989 100.119 106.727 104.763
Industri Pengelohan 8.481 10.352 9.804 9.157
Perdagangan besar, Eceran, Rumah makan dan hotel 20.531 20.993 21.487 27.675
Jasa Masyarakatan 15.233 18.959 21.901 25.655
Lainnya 11.534 12.268 11.701 15.676
Jumlah 157.768 162.691 171.620 182.926
Lampiran 6. Tabel Pekerjaan di Kabupaten Luwu Utara
PEKERJAANLapangan Pekerjaan Utama 1990 2000 2010 2016
Pertanian, Kehutanan, Perburuan dan Perikanan 25.965 27.054 48.085 50.101
Industri Pengelohan 196 233.28 378 432
Perdagangan besar, Eceran, Rumah makan dan hotel 2.521 3.531 4.670 6.539
Jasa Masyarakatan 5.520 7.886 10.224 14.604
Linnya 2.128 2.168 3.942 43.28
Jumlah 36.333 40.873 67.299 76.004
Lampiran 7. Tabel Hasil Analisis PCA Kabupaten Kepulauan Selayar
VariabelNilai Eigen Vector
Nilai Eigen BobotPC1
KP 0.995201 2.88300 0.22339
UP -0.10847 6.984217 0.54105
PK 0.893956 3.041290 0.23537
PDK -0.01446 0.00040 0.00004
Total 12.988907 1
41
Lampiran 8. Tabel Hasil Analisis PCA Kota Makassar
VariabelNilai Eigen Vector
Nilai Eigen BobotPC1
KP 0.971523 8.91700 0.641124UP -0.50176 3.09550 0.222607PK 0.418331 1.39320 0.136131PDK -0.004581 0.00020 0.000001
Total 13.4029 1
Lampiran 9. Tabel Hasil Analisis PCA Kabupaten Polewali Mandar
VariabelNilai Eigen Vector
Nilai Eigen BobotPC1
KP 0.995201 1.310493 0.129029
UP 0.109174 5.619400 0.641086
PK -0.62153 2.015000 0.229880
PDK 0.109174 0.00004 0.000004
Total 8.94493 1
Lampiran 10. Tabel Hasil Analisis PCA Kabupaten Mamasa
VariabelNilai Eigen Vector
NILAI EIGEN BobotPC1
KP 0.89721 0.576032 0.091445
UP 0.377326 4.719835 0.749318
PK 0.086645 1.003000 0.159236
PDK -0.30745 0.00001 0.000006
Total 6.299887 1
Lampiran 11. Tabel Hasil Analisis PCA Kabupaten Mamuju
VariabelNilai Eigen Vector
Nilai Eigen BobotPC1
KP 0.995201 1.60270 0.132759
UP -0.10847 07.42239 0.614961
PK 0.893956 3.045000 0.252330
PDK -0.01446 0.000060 0.000040
Total 12.9070 1
42
Lampiran 12. Tabel Hasil Analisis PCA Kabupaten Luwu Utara
VariabelNilai Eigen Vector
Nilai Eigen BobotPC1
KP 0.99821 0.20540 0.040509
UP 0.100492 3.097123 0.610817PK 0.99274 1.79671 0.348509PDK -0.12826 0.00084 0.000166
Total 5.10073 1
Top Related