Hasil Analisis Korelasi Tahun 2000 - 2008 Analisis Desa

0.461 0.000 X3 0.015 -0.108 -0.091 0.903 0.372 0.453 X4 -0.070 0.096 -0.025 -0.095 0.564 0.428 0.839 0.432 X5 0.051 0.081 -0.084 0.123 0.212 0.673 0.503 0.488 0.309 0.078 X6 -0.176 -0.148 -0.094 -0.109 0.192 0.085 0.145 0.220 0.437 0.368 0.112 0.484 X8 0.144 -0.125 -0.049 0.137 -0.218 -0.113 -0.102 0.233 0.301 0.687 0.257 0.070 0.352 0.400 Cell Contents: Pearson correlation P-Value Correlations: pemukiman ; Y, X1, X2, X3, X4, X5, X6, X8 Y X1 X2 X3 X4 X5 X6 X1 0.004 0.956 X2 0.108 0.398 0.146 0.000 X3 0.152 -0.066 -0.072 0.039 0.370 0.333 X4 -0.064 0.097 0.105 -0.004 0.391 0.192 0.156 0.962 X5 0.029 -0.004 -0.087 0.060 0.025 0.693 0.960 0.242 0.416 0.736 X6 0.017 0.031 -0.021 -0.057 0.088 0.030 0.819 0.675 0.772 0.443 0.236 0.684 X8 0.388 -0.040 0.049 0.150 -0.002 -0.180 -0.021 0.000 0.587 0.510 0.043 0.983 0.014 0.778 Cell Contents: Pearson correlation P-Value Correlations: sawah ; Y, X1, X2, X3, X4, X5, X6, X8 Y X1 X2 X3 X4 X5 X6 X1 -0.109 0.136 X2 0.042 0.237 0.563 0.001 X3 -0.054 -0.094 -0.116 0.458 0.200 0.113 X4 0.131 0.028 0.059 0.027 0.073 0.700 0.418 0.717 X5 0.038 0.018 -0.024 0.064 0.030 0.603 0.811 0.744 0.385 0.686 X6 0.131 -0.042 -0.039 -0.068 0.060 -0.031 0.073 0.566 0.597 0.353 0.413 0.674 X8 -0.061 0.002 -0.014 0.218 -0.008 -0.177 -0.049 0.406 0.976 0.844 0.003 0.912 0.015 0.502 Cell Contents: Pearson correlation P-Value Correlations: semak ; Y, X1, X2, X3, X4, X5, X6, X8 Y X1 X2 X3 X4 X5 X6 X1 -0.045 0.740 X2 0.177 0.019 0.187 0.891 X3 -0.110 -0.044 -0.082 0.416 0.746 0.544 X4 -0.012 0.030 0.065 0.053 0.927 0.823 0.629 0.696 X5 -0.097 0.056 0.043 0.066 0.038 0.471 0.680 0.752 0.626 0.779 X6 0.291 -0.066 0.009 -0.051 0.035 0.036 0.028 0.624 0.946 0.705 0.794 0.789 X8 0.036 0.041 -0.117 -0.024 0.150 -0.395 -0.006 0.791 0.764 0.388 0.861 0.266 0.002 0.963 Cell Contents: Pearson correlation P-Value Lampiran 2 Hasil Analisis Regresi Berganda a. Hasil Analisis Regresi Tahun 1990 - 2000 Analisis Kecamatan Regression Analysis: hutan ; Y versus X3, X5, X6, X8 The regression equation is Y = - 0.730 + 2.37 X3 - 36.3 X5 + 352 X6 + 1.39 X8 Predictor Coef SE Coef T P VIF Constant -0.7296 0.7590 -0.96 0.374 X3 2.3677 0.9997 2.37 0.056 4.1 X5 -36.27 20.57 -1.76 0.128 3.4 X6 352.0 436.6 0.81 0.451 1.6 X8 1.393 3.131 0.44 0.672 2.5 S = 0.438376 R-Sq = 63.0 R-Sqadj = 38.3 Analysis of Variance Source DF SS MS F P Regression 4 1.9631 0.4908 2.55 0.146 Residual Error 6 1.1530 0.1922 Total 10 3.1161 Durbin-Watson statistic = 1.46513 Regression Analysis: kebun campuran ; Y versus X2, X5, X6, X7, X8 The regression equation is Y = 0.0260 + 0.0526 X2 + 0.40 X5 + 8.2 X6 + 0.00872 X7 + 0.401 X8 Predictor Coef SE Coef T P VIF Constant 0.02597 0.06652 0.39 0.704 X2 0.05257 0.03786 1.39 0.193 1.1 X5 0.403 2.799 0.14 0.888 3.6 X6 8.19 34.62 0.24 0.817 1.8 X7 0.008722 0.009934 0.88 0.399 1.3 X8 0.4014 0.4356 0.92 0.377 4.7 S = 0.103407 R-Sq = 42.8 R-Sqadj = 16.9 Analysis of Variance Source DF SS MS F P Regression 5 0.08818 0.01764 1.65 0.227 Residual Error 11 0.11762 0.01069 Total 16 0.20580 Durbin-Watson statistic = 1.70471 Regression Analysis: kebun jati ; Y versus X2, X5, X6 The regression equation is Y = 0.248 + 0.004 X2 + 36.7 X5 + 989 X6 Predictor Coef SE Coef T P VIF Constant 0.2481 0.1018 2.44 0.093 X2 0.0042 0.2187 0.02 0.986 1.1 X5 36.68 29.39 1.25 0.301 1.2 X6 989.4 133.7 7.40 0.005 1.2 S = 0.112765 R-Sq = 95.3 R-Sqadj = 90.6 Analysis of Variance Source DF SS MS F P Regression 3 0.77007 0.25669 20.19 0.017 Residual Error 3 0.03815 0.01272 Total 6 0.80822 Durbin-Watson statistic = 2.86516 Regression Analysis: kebun tebu ; Y versus X1, X7, X8 The regression equation is Y = - 0.0026 + 0.00997 X1 - 0.00068 X7 + 0.114 X8 Predictor Coef SE Coef T P VIF Constant -0.00260 0.05145 -0.05 0.968 X1 0.009969 0.006611 1.51 0.373 3.3 X7 -0.000683 0.005816 -0.12 0.926 4.7 X8 0.1138 0.2511 0.45 0.729 4.1 S = 0.0215730 R-Sq = 85.8 R-Sqadj = 43.2 Analysis of Variance Source DF SS MS F P Regression 3 0.0028118 0.0009373 2.01 0.468 Residual Error 1 0.0004654 0.0004654 Total 4 0.0032772 Durbin-Watson statistic = 1.50782 Regression Analysis: ladang ; Y versus X2, X5, X7, X8 The regression equation is Y = 0.0449 + 0.151 X2 - 4.27 X5 - 0.00045 X7 + 0.227 X8 Predictor Coef SE Coef T P VIF Constant 0.04494 0.05986 0.75 0.474 X2 0.1512 0.2133 0.71 0.499 1.5 X5 -4.272 3.103 -1.38 0.206 1.5 X7 -0.000451 0.008705 -0.05 0.960 1.9 X8 0.2266 0.4915 0.46 0.657 2.6 S = 0.0716124 R-Sq = 24.1 R-Sqadj = 0.0 Analysis of Variance Source DF SS MS F P Regression 4 0.013017 0.003254 0.63 0.652 Residual Error 8 0.041027 0.005128 Total 12 0.054044 Durbin-Watson statistic = 1.18886 Regression Analysis: pemukiman ; Y versus X2, X3, X6, X7, X8 The regression equation is Y = - 0.0033 + 0.0126 X2 + 0.0302 X3 + 13.3 X6 - 0.00874 X7 + 0.186 X8 Predictor Coef SE Coef T P VIF Constant -0.00328 0.03256 -0.10 0.921 X2 0.012565 0.007669 1.64 0.122 1.1 X3 0.03019 0.03877 0.78 0.448 1.3 X6 13.28 18.54 0.72 0.485 1.6 X7 -0.008737 0.004500 -1.94 0.071 1.2 X8 0.1856 0.1474 1.26 0.227 1.9 S = 0.0589967 R-Sq = 40.6 R-Sqadj = 20.9 Analysis of Variance Source DF SS MS F P Regression 5 0.035753 0.007151 2.05 0.129 Residual Error 15 0.052209 0.003481 Total 20 0.087962 Durbin-Watson statistic = 1.94708 Regression Analysis: sawah ; Y versus X2, X3, X5, X6, X7 The regression equation is Y = 0.293 + 0.104 X2 + 0.751 X3 + 0.32 X5 + 58 X6 - 0.0429 X7 Predictor Coef SE Coef T P VIF Constant 0.2926 0.2563 1.14 0.271 X2 0.1039 0.2087 0.50 0.626 1.2 X3 0.7510 0.3861 1.94 0.071 1.1 X5 0.315 1.122 0.28 0.783 1.1 X6 57.8 158.7 0.36 0.721 1.1 X7 -0.04290 0.05059 -0.85 0.410 1.2 S = 0.629574 R-Sq = 22.3 R-Sqadj = 0.0 Analysis of Variance Source DF SS MS F P Regression 5 1.7050 0.3410 0.86 0.530 Residual Error 15 5.9454 0.3964 Total 20 7.6504 Durbin-Watson statistic = 1.21137 Regression Analysis: semak ; Y versus X3, X5, X7, X8 The regression equation is Y = - 0.025 + 0.360 X3 + 3.2 X5 - 0.0360 X7 + 0.91 X8 Predictor Coef SE Coef T P VIF Constant -0.0245 0.4542 -0.05 0.959 X3 0.3603 0.5830 0.62 0.564 2.4 X5 3.24 11.73 0.28 0.793 3.1 X7 -0.03598 0.03895 -0.92 0.398 1.9 X8 0.909 2.086 0.44 0.681 3.2 S = 0.249642 R-Sq = 35.5 R-Sqadj = 0.0 Analysis of Variance Source DF SS MS F P Regression 4 0.17172 0.04293 0.69 0.630 Residual Error 5 0.31161 0.06232 Total 9 0.48332 Durbin-Watson statistic = 1.39070 a. Hasil Analisis Regresi Tahun 2000 - 2008 Analisis Kecamatan Regression Analysis: hutan ; Y versus X3, X5, X7, X8 The regression equation is Y = 1.17 + 0.0468 X3 - 21.9 X5 - 0.0266 X7 + 6.35 X8 Predictor Coef SE Coef T P VIF Constant 1.1674 0.3656 3.19 0.019 X3 0.04683 0.09427 0.50 0.637 1.0 X5 -21.95 34.92 -0.63 0.553 1.3 X7 -0.02663 0.09206 -0.29 0.782 1.3 X8 6.350 2.746 2.31 0.060 1.1 S = 0.510798 R-Sq = 49.9 R-Sqadj = 16.5 Analysis of Variance Source DF SS MS F P Regression 4 1.5599 0.3900 1.49 0.314 Residual Error 6 1.5655 0.2609 Total 10 3.1254 Durbin-Watson statistic = 1.83766 Regression Analysis: kebun campuran ; Y versus X3, X5, X6, X7, X8 The regression equation is Y = 0.0352 + 0.0307 X3 - 0.094 X5 + 4.98 X6 - 0.00375 X7 + 0.490 X8 Predictor Coef SE Coef T P VIF Constant 0.03524 0.03967 0.89 0.395 X3 0.03069 0.01948 1.58 0.146 1.5 X5 -0.0936 0.4988 -0.19 0.855 1.2 X6 4.977 5.282 0.94 0.368 1.3 X7 -0.003750 0.007340 -0.51 0.621 1.0 X8 0.4899 0.3200 1.53 0.157 1.3 S = 0.0688517 R-Sq = 30.3 R-Sqadj = 0.0 Analysis of Variance Source DF SS MS F P Regression 5 0.020609 0.004122 0.87 0.534 Residual Error 10 0.047406 0.004741 Total 15 0.068014 Durbin-Watson statistic = 1.98750 Regression Analysis: kebun jati ; Y versus X2, X3, X5 The regression equation is Y = 0.074 + 0.646 X2 + 0.138 X3 - 90 X5 Predictor Coef SE Coef T P VIF Constant 0.0744 0.2558 0.29 0.790 X2 0.6464 0.4981 1.30 0.285 14.9 X3 0.1384 0.1706 0.81 0.477 3.7 X5 -89.7 123.1 -0.73 0.519 11.1 S = 0.226225 R-Sq = 62.8 R-Sqadj = 25.7 Analysis of Variance Source DF SS MS F P Regression 3 0.25955 0.08652 1.69 0.338 Residual Error 3 0.15353 0.05118 Total 6 0.41308 Durbin-Watson statistic = 2.48235 Regression Analysis: kebun tebu ; Y versus X2, X8 The regression equation is Y = 0.0099 + 0.0396 X2 + 0.052 X8 Predictor Coef SE Coef T P VIF Constant 0.00986 0.01879 0.52 0.652 X2 0.039620 0.006546 6.05 0.026 1.1 X8 0.0517 0.1105 0.47 0.686 1.1 S = 0.0187103 R-Sq = 94.9 R-Sqadj = 89.9 Analysis of Variance Source DF SS MS F P Regression 2 0.0131127 0.0065563 18.73 0.051 Residual Error 2 0.0007001 0.0003501 Total 4 0.0138128 Durbin-Watson statistic = 1.98397 Regression Analysis: ladang ; Y versus X2, X5, X7, X8 The regression equation is Y = 0.0008 + 0.0042 X2 + 7.33 X5 - 0.00982 X7 + 0.312 X8 Predictor Coef SE Coef T P VIF Constant 0.00076 0.03940 0.02 0.985 X2 0.00422 0.01666 0.25 0.805 1.3 X5 7.334 4.380 1.67 0.122 1.4 X7 -0.009817 0.007812 -1.26 0.235 1.1 X8 0.3121 0.1453 2.15 0.055 1.1 S = 0.0704557 R-Sq = 40.1 R-Sqadj = 18.4 Analysis of Variance Source DF SS MS F P Regression 4 0.036628 0.009157 1.84 0.191 Residual Error 11 0.054604 0.004964 Total 15 0.091232 Durbin-Watson statistic = 1.52138 Regression Analysis: pemukiman ; Y versus X2, X3, X5, X7, X8 The regression equation is Y = 0.110 + 0.00053 X2 + 0.0093 X3 + 0.407 X5 - 0.0058 X7 + 0.047 X8 Predictor Coef SE Coef T P VIF Constant 0.10955 0.04094 2.68 0.017 X2 0.000528 0.004533 0.12 0.909 1.0 X3 0.00927 0.02234 0.42 0.684 1.1 X5 0.4072 0.7089 0.57 0.574 1.1 X7 -0.00585 0.01095 -0.53 0.601 1.0 X8 0.0466 0.1953 0.24 0.815 1.0 S = 0.106029 R-Sq = 6.4 R-Sqadj = 0.0 Analysis of Variance Source DF SS MS F P Regression 5 0.01159 0.00232 0.21 0.955 Residual Error 15 0.16863 0.01124 Total 20 0.18022 Durbin-Watson statistic = 1.87706 Regression Analysis: sawah ; Y versus X2, X3, X7, X8 The regression equation is Y = 0.819 + 0.0048 X2 + 0.040 X3 - 0.0337 X7 + 1.21 X8 Predictor Coef SE Coef T P VIF Constant 0.8191 0.2157 3.80 0.002 X2 0.00478 0.02138 0.22 0.826 1.1 X3 0.0396 0.1529 0.26 0.799 1.2 X7 -0.03370 0.06353 -0.53 0.604 1.0 X8 1.209 1.182 1.02 0.323 1.1 S = 0.615562 R-Sq = 8.1 R-Sqadj = 0.0 Analysis of Variance Source DF SS MS F P Regression 4 0.4999 0.1250 0.33 0.854 Residual Error 15 5.6837 0.3789 Total 19 6.1837 Durbin-Watson statistic = 1.44937 Regression Analysis: semak ; Y versus X5, X6, X7 The regression equation is Y = 0.235 + 8.9 X5 + 20 X6 - 0.0450 X7 Predictor Coef SE Coef T P VIF Constant 0.2351 0.1056 2.23 0.068 X5 8.89 27.47 0.32 0.757 3.3 X6 19.9 195.5 0.10 0.922 3.1 X7 -0.04495 0.04630 -0.97 0.369 1.4 S = 0.247332 R-Sq = 14.2 R-Sqadj = 0.0 Analysis of Variance Source DF SS MS F P Regression 3 0.06070 0.02023 0.33 0.804 Residual Error 6 0.36704 0.06117 Total 9 0.42774 Durbin-Watson statistic = 1.89912 b. Hasil Analisis Regresi Tahun 2000 - 2008 Analisis Desa Regression Analysis: hutan ; Y versus X3, X5, X6 The regression equation is Y = 0.353 + 0.0670 X3 + 0.47 X4 + 0.0 X6 Predictor Coef SE Coef T P VIF Constant 0.35302 0.06620 5.33 0.000 X3 0.06704 0.03877 1.73 0.090 1.1 X4 0.471 1.434 0.33 0.744 1.1 X6 0.01 47.14 0.00 1.000 1.0 S = 0.370269 R-Sq = 5.5 R-Sqadj = 0.0 Analysis of Variance Source DF SS MS F P Regression 3 0.4126 0.1375 1.00 0.399 Residual Error 52 7.1292 0.1371 Total 55 7.5417 Durbin-Watson statistic = 2.58481 Regression Analysis: kebun campuran ; Y versus X3, X4, X5, X8 The regression equation is Y = 0.0931 + 0.0119 X3 + 0.214 X4 + 0.044 X5 + 0.0952 X8 Predictor Coef SE Coef T P VIF Constant 0.09307 0.02271 4.10 0.000 X3 0.011911 0.008940 1.33 0.186 1.1 X4 0.2136 0.4225 0.51 0.614 1.0 X5 0.0444 0.4577 0.10 0.923 1.0 X8 0.09517 0.06609 1.44 0.153 1.1 S = 0.177679 R-Sq = 5.3 R-Sqadj = 1.5 Analysis of Variance Source DF SS MS F P Regression 4 0.17539 0.04385 1.39 0.243 Residual Error 100 3.15699 0.03157 Total 104 3.33238 Durbin-Watson statistic = 2.13582 Regression Analysis: kebun jati ; Y versus X1, X3, X5, X8 The regression equation is Y = 0.451 + 0.098 X1 + 0.0125 X3 + 6.96 X5 + 0.269 X8 Predictor Coef SE Coef T P VIF Constant 0.45112 0.07289 6.19 0.000 X1 0.0984 0.3094 0.32 0.752 1.1 X3 0.01248 0.02077 0.60 0.551 1.1 X5 6.963 8.311 0.84 0.407 1.0 X8 0.2693 0.2265 1.19 0.241 1.0 S = 0.327833 R-Sq = 5.8 R-Sqadj = 0.0 Analysis of Variance Source DF SS MS F P Regression 4 0.2831 0.0708 0.66 0.624 Residual Error 43 4.6214 0.1075 Total 47 4.9045 Durbin-Watson statistic = 2.15446 Regression Analysis: kebun tebu ; Y versus X2, X8 The regression equation is Y = 0.122 + 0.283 X2 + 0.256 X8 Predictor Coef SE Coef T P VIF Constant 0.12183 0.05185 2.35 0.039 X2 0.2828 0.1061 2.67 0.022 1.3 X8 0.2562 0.1964 1.30 0.219 1.3 S = 0.115340 R-Sq = 57.9 R-Sqadj = 50.2 Analysis of Variance Source DF SS MS F P Regression 2 0.20094 0.10047 7.55 0.009 Residual Error 11 0.14634 0.01330 Total 13 0.34728 Durbin-Watson statistic = 1.68204 Regression Analysis: ladang ; Y versus X1, X5, X6, X8 The regression equation is Y = 0.113 + 0.0033 X1 + 0.332 X5 + 4.73 X6 + 0.111 X8 Predictor Coef SE Coef T P VIF Constant 0.11334 0.03139 3.61 0.001 X1 0.00330 0.01649 0.20 0.842 1.1 X5 0.3323 0.5138 0.65 0.520 1.0 X6 4.734 3.543 1.34 0.186 1.0 X8 0.11137 0.09811 1.14 0.260 1.0 S = 0.190457 R-Sq = 5.4 R-Sqadj = 0.0 Analysis of Variance Source DF SS MS F P Regression 4 0.13515 0.03379 0.93 0.451 Residual Error 65 2.35780 0.03627 Total 69 2.49295 Durbin-Watson statistic = 1.96491 Regression Analysis: pemukiman ; Y versus X2, X3, X5, X6, X8 The regression equation is Y = 0.0720 + 0.0266 X2 + 0.00849 X3 + 0.162 X5 + 1.08 X6 + 0.259 X8 Predictor Coef SE Coef T P VIF Constant 0.07196 0.01743 4.13 0.000 X2 0.02663 0.01733 1.54 0.126 1.0 X3 0.008492 0.006048 1.40 0.162 1.0 X5 0.1623 0.1112 1.46 0.146 1.0 X6 1.084 2.478 0.44 0.662 1.0 X8 0.25892 0.04681 5.53 0.000 1.1 S = 0.167703 R-Sq = 18.0 R-Sqadj = 15.7 Analysis of Variance Source DF SS MS F P Regression 5 1.09785 0.21957 7.81 0.000 Residual Error 178 5.00612 0.02812 Total 183 6.10397 Durbin-Watson statistic = 2.15019 Regression Analysis: sawah ; Y versus X2, X4, X5, X6 The regression equation is Y = 0.616 + 0.0147 X2 + 0.719 X4 + 0.126 X5 + 5.23 X6 Predictor Coef SE Coef T P VIF Constant 0.61562 0.02910 21.16 0.000 X2 0.01475 0.02609 0.57 0.572 1.0 X4 0.7192 0.4380 1.64 0.102 1.0 X5 0.1262 0.2322 0.54 0.587 1.0 X6 5.234 3.006 1.74 0.083 1.0 S = 0.358757 R-Sq = 3.6 R-Sqadj = 1.4 Analysis of Variance Source DF SS MS F P Regression 4 0.8687 0.2172 1.69 0.155 Residual Error 183 23.5533 0.1287 Total 187 24.4219 Durbin-Watson statistic = 1.97640 Regression Analysis: semak ; Y versus X2, X6, X8 The regression equation is Y = 0.293 + 0.172 X2 + 106 X6 + 0.077 X8 Predictor Coef SE Coef T P VIF Constant 0.29320 0.04872 6.02 0.000 X2 0.1725 0.1235 1.40 0.168 1.0 X6 106.06 47.31 2.24 0.029 1.0 X8 0.0767 0.1690 0.45 0.652 1.0 S = 0.281733 R-Sq = 11.8 R-Sqadj = 6.8 Analysis of Variance Source DF SS MS F P Regression 3 0.56437 0.18812 2.37 0.081 Residual Error 53 4.20679 0.07937 Total 56 4.77116 Durbin-Watson statistic = 2.4569 ANALISIS PERUBAHAN PENGGUNAAN LAHAN DAN ASPEK SOSIAL EKONOMI YANG MEMPENGARUHINYA Di DAS Cipunagara dan Sekitarnya, Jawa Barat Oleh : IVONG VERAWATY A14063518 PROGRAM STUDI MANAJEMEN SUMBERDAYA LAHAN DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR 2011 RINGKASAN IVONG VERAWATY . Analisis Perubahan Penggunaan Lahan dan Aspek Sosial Ekonomi Yang Mempengaruhinya Di DAS Cipunagara dan Sekitarnya, Jawa Barat. Dibawah bimbingan KOMARSA GANDASASMITA dan KHURSATUL MUNIBAH . Peningkatan jumlah penduduk menyebabkan peningkatan kebutuhan pangan, sandang, dan papan. Permintaan akan lahan untuk mencukupi kebutuhan tersebut juga meningkat. Sementara itu, ketersediaan lahan untuk memenuhi semua kebutuhan hidup manusia terbatas. Hal ini akan mendorong terjadinya perubahan penggunaan lahan menjadi bentuk penggunaan lahan lainnya. Perubahan penggunaan lahan disebabkan oleh banyak faktor, diantaranya adalah faktor sosial dan ekonomi. Misalnya, perubahan hutan menjadi ladang karena nilai ekonomi komoditas tertentu yang tinggi, dan karena kebutuhan pangan yang meningkat seiring dengan peningkatan jumlah penduduk. Penelitian ini menggunakan data PODES dan Kabupaten dalam Angka untuk menentukan faktor penduga kondisi sosial dan ekonomi, kemudian dilakukan analisis multiple regression untuk melihat besarnya pengaruh faktor penduga terhadap perubahan penggunaan lahan yang terjadi pada daerah penelitian. Perubahan luas penggunaan lahan dianalisis pada tahun 1990 - 2000, dan 2000 - 2008. Analisis pada tahun 1990 - 2000 dilkukan per kecamatan, dan analisis tahun 2000 - 2008 dilakukan secara 2 tahap, yaitu analisis per kecamatan dan per desa. Hasil penelitian menunjukkan bahwa penggunaan lahan terbesar pada tiga titik tahun pengamatan adalah sawah, berkisar 45 dari luas total penggunaan lahan. Besar perubahan luas penggunaan lahan yang sama antara periode tahun 1990 - 2000 berbeda dengan periode tahun 2000 - 2008, begitu pula dengan faktor sosial dan ekonomi yang mempengaruhinya. Perubahan luas penggunaan lahan pada tahun 1990 - 2000 terbesar adalah hutan yang mengalami penurunan luasan sebesar 26,8 dari total perubahan. Pada tahun 2000 - 2008, perubahan luas penggunaan lahan terbesar adalah pemukiman yang mengalami peningkatan sebesar 36,6. Secara umum, perubahan luasan penggunaan lahan di kawasan DAS Cipunagara pada rentang periode tahun 1990 - 2000 dan 2000 - 2008, dipengaruhi aksesibilitas jarak ke pasar dan kerapatan jalan. Sedangkan menurut hasil analisis desa faktor dominan yang menyebabkan perubahan penggunaan lahan adalah aksesibilitas kerapatan jalan. Sementara itu, perubahan penggunaan lahan non komersial dipengaruhi oleh jumlah fasilitas pendidikan dan jumlah pasar, sedangkan perubahan penggunaan lahan komersial dipengaruhi oleh ketersediaan lahan luas lahan lain yang mungkin berubah menjadi penggunaan lahan tersebut dan kerapatan jalan. SUMMARY IVONG VERAWATY. Land Use Change Analysis and Social Economic Aspects that Regard It At Cipunagara Watershed and Around It, West Java. Supervised by KOMARSA GANDASASMITA and KHURSATUL MUNIBAH . Increased population causes an increase in food, clothing, and shelter. The demand for land to meet those needs is also increasing. Meanwhile, the availability of land to meet all the needs of human life is limited. This will encourage land use changes into other forms of land use. Changes in land use caused by many factors, including the social and economic factors. For example, the change of forest to farm because of the economic value of commodities, and because of the need for food increases with the increase of population. This study uses PODES data and Regency in Figures to determine estimators factor of social and economic conditions, then performed a multiple regression analysis to see the huge influence estimators factor of land use change that occurred in the study area. Changes in land use area was analyzed in the year 1990 - 2000, and 2000 - 2008. Analysis in the year 1990 - 2000 is done by district, and analysis of the year 2000 - 2008 conducted in 2 phases, namely district analysis and about rural. The results showed that the largest land use in three years of observation is the rice fields, ranging from 45 of total land use. Large changes in the same land use area between the years 1990 - 2000 differ from the period 2000 - 2008, as well as social and economic factors that influence it. The greatest changing of land use extent in 1990 - 2000 is forest area that decrease by 26,8 of the total changing. In the year 2000 - 2008, the greates of changing land use extent is settlement increased by 36,6. In common, changes in land use area in Cipunagara watershed in the range year period 1990 - 2000 and 2000 - 2008, influenced by accessibility distance to markets and road density. Meanwhile, according to the rural analysis of dominant factors that cause land use change is the accessibility road density. Meanwhile, non-commercial land use change is influenced by a number of educational facilities and markets, while commercial land use change is influenced by availability of land land that might turn into certain land use and road density.

I. PENDAHULUAN

1.1 Latar Belakang

Peningkatan jumlah penduduk menyebabkan peningkatan kebutuhan pangan, sandang, dan papan. Permintaan akan lahan untuk mencukupi kebutuhan tersebut juga turut meningkat. Sementara itu, ketersediaan lahan untuk memenuhi semua kebutuhan hidup manusia terbatas. Dengan meningkatnya permintaan terhadap lahan untuk kebutuhan tertentu, akan mendorong terjadinya perubahan penggunaan lahan menjadi bentuk penggunaan lahan lainnya. Penggunaan lahan merupakan bentuk campur tangan manusia terhadap sumberdaya lahan dalam rangka memenuhi kebutuhan hidupnya, baik materil maupun spiritual Vink, 1975. Supriyati 2006 menyatakan bahwa penggunaan lahan dipengaruhi oleh banyak faktor, antara lain karakteristik fisik lahan, teknologi yang berkembang, karakteristik ekonomi, dan karakteristik sosial termasuk tingkat kepadatan penduduknya. Hal yang menarik adalah faktor sosial dan ekonomi mampu mempengaruhi perubahan penggunaan lahan. Misalnya, perubahan hutan menjadi ladang karena kebutuhan pangan yang meningkat seiring dengan meningkatnya jumlah penduduk, atau justru karena nilai ekonomi komoditas tertentu yang tinggi. Menurut Rustiadi 2007 proses perubahan penggunaan lahan pada dasarnya dapat dipandang sebagai suatu bentuk konsekuensi logis dari adanya pertumbuhan dan transformasi perubahan struktur sosial dan ekonomi masyarakat yang sedang berkembang. Perkembangan yang dimaksud tercermin dengan adanya : a pertumbuhan aktivitas pemanfaatan sumberdaya lahan akibat meningkatnya jumlah penduduk, serta b adanya pergeseran kontribusi sektor- sektor pertanian dan pengolahan sumberdaya alam ke aktivitas sektor-sektor sekunder manufaktur dan tersier jasa. Di dalam hukum ekonomi pasar, alih fungsi lahan terjadi dari aktivitas dengan landrent yang lebih rendah ke aktivitas- aktivitas dengan landrent yang lebih tinggi. Daerah DAS Cipunagara dan sekitarnya memiliki kondisi fisik yang heterogen. Penggunaan lahannya juga beranekaragam dan didominasi oleh tipe penggunaan lahan sawah. Selain itu, Kabupaten Subang dan Indramayu yang berada dalam lingkup DAS tersebut merupakan daerah lumbung padi nasional Indonesia, sehingga perubahan luas sawah menjadi penting karena menyangkut eksistensinya sebagai lumbung padi nasional. Penurunan maupun peningkatan luas sawah dipengaruhi oleh perubahan luas penggunaan lahan lainnya. Misalnya, hutan berubah menjadi sawah sehingga luas sawah meningkat, atau sawah terkonversi menjadi pemukiman yang menyebabkan luas sawah menurun. Sebagai daerah dengan tingkat perkembangan awal, diperkirakan hubungan antara perubahan luas penggunaan lahan dengan kondisi sosial dan ekonomi dapat dipelajari secara obyektif.

1.2 Perumusan Masalah

Berdasarkan data Subang dalam Angka tahun 2000, di provinsi Jawa Barat hasil produksi sektor pertanian khususnya padi dari Kabupaten Subang merupakan salah satu komoditas andalan daerah. Hal ini karena Subang merupakan kabupaten yang memiliki areal sawah terluas ketiga se-Jawa Barat setelah Karawang dan Indramayu. Sementara itu, pada tahun 2000 - 2010 telah terjadi pertambahan penduduk sebesar 8,3 di Kabupaten Subang, 7,4 di Kabupaten Indramayu dan 14 di Kabupaten Sumedang BPS, 2010. Pertambahan penduduk tentu saja menuntut pertambahan terhadap pangan dan pemukiman, juga fasilitas baik itu fasilitas ekonomi maupun pendidikan. Perkembangan fasilitas merupakan salah satu indikator pertumbuhan ekonomi daerah. Pembangunan fasilitas lebih banyak dilakukan di daerah dataran yang merupakan lahan pertanian produktif. Sehingga hal ini akan mempengaruhi luas sawah dan fungsi daerah sebagai daerah penghasil pangan. Berdasarkan latar belakang tersebut, maka permasalahan yang ada di lokasi penelitian antara lain : a. Seberapa besar perubahan penggunaan lahan yang terjadi di daerah penelitian dan ke arah mana perubahan tersebut. Sehingga dapat dipantau perubahan yang mungkin terjadi pada masa yang akan datang dan dapat dilakukan perencanaan yang lebih terarah dalam penggunaan lahan yang berkelanjutan. b. Pada penelitian ini perubahan yang terjadi dibatasi oleh faktor sosial dan ekonomi daerah setempat. Perlu diketahui sejauh mana faktor-faktor tersebut mampu mempengaruhi perubahan penggunaan lahan, dan faktor apa saja yang lebih berperan dalam mempengaruhi perubahan. Dengan demikian dapat dilakukan upaya tepat dalam menanggulangi permasalahan yang timbul, agar perubahan yang terjadi tidak mengurangi eksistensi daerah sebagai daerah penghasil pangan.

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah: a. Mengkaji perubahan penggunaan lahan di DAS Cipunagara dan sekitarnya pada periode tahun 1990 - 2000, dan tahun 2000 - 2008, b. Mengetahui faktor-faktor sosial dan ekonomi yang berpengaruh terhadap perubahan luas penggunaan lahan.

1.4 Manfaat Penelitian

Hasil penelitian ini diharapkan mampu memberikan gambaran tentang keberadaan penggunaan lahan jika pada masa mendatang terjadi perubahan- perubahan kondisi sosial dan ekonomi, sehingga dapat dirumuskan kebijakan yang lebih antisipasif.