1 Pendahuluan

Proyek LASSO/SOLUSI bertujuan untuk menekan laju degradasi lanskap darat dan laut di Indonesia, meningkatkan ketahanan ekosistem dan mendukung mata pencaharian yang tahan terhadap perubahan iklim. Para pemangku kepentingan nasional, sub-nasional, dan lokal akan meningkatkan perencanaan ruang dan pembangunan dengan mengintegrasikan prinsip-prinsip ekonomi hijau dan biru untuk perlindungan, pemulihan, dan pengelolaan ekosistem alami serta semi-alami. Upaya juga mencakup penanganan polusi air, promosi model bisnis berkelanjutan, ekowisata, pengelolaan sampah terintegrasi di situs ekowisata, akses ke keuangan berkelanjutan, dan kemitraan rantai pasok. Semua ini bertujuan menciptakan pengelolaan berkelanjutan sistem akuatik dan lahan pertanian serta agroforestri dari punggungan bukit hingga terumbu karang.

Proyek LASSO/SOLUSI mencakup intervensi di tingkat nasional dan regional di tiga provinsi: Jawa Tengah, Kepulauan Bangka-Belitung, dan Sulawesi Tengah. Ketiga wilayah ini menjadi fokus Bappenas dalam pendekatan terintegrasi dari lanskap darat hingga laut. Masing-masing provinsi memiliki keragaman tahapan konservasi, pemulihan, dan pengembangan sosial-ekonomi, serta dinamika pengelolaan sumber daya pesisir-laut dan perubahan penggunaan lahan di kepulauan Indonesia yang beragam. Keanekaragaman hayati tinggi terdapat di ketiga provinsi tersebut, dengan banyak spesies endemik. Namun, tekanan degradasi di area pesisir dari ekspansi akuakultur di ekosistem mangrove, penggunaan lahan industri, dan penangkapan ikan yang tidak berkelanjutan menjadi tantangan utama. Ancaman lainnya meliputi penambangan mineral dan pasir yang tidak berkelanjutan serta pengelolaan sampah yang tidak tepat, yang berdampak pada ekosistem darat dan laut di semua provinsi, menyebabkan banyak spesies terancam punah.

Dalam konteks Provinsi Sulawesi Tengah, fokus diberikan pada kecamatan dengan fitur biofisik dan sosial-ekonomi yang serupa, terutama di Kabupaten Pasigala yang mencakup Palu, Sigi, Donggala, dan Parigi Moutong. Pendekatan ini membantu dalam mengidentifikasi risiko serupa di antara kecamatan. Area homogen atau ‘tipologi’ ini didefinisikan dengan menggunakan pengelompokan hierarchical clustering, yang berdasarkan pada indikator biofisik dan sosial-ekonomi.

Tujuan analisis ini adalah untuk mengidentifikasi ‘tipologi’ kecamatan dengan karakteristik sosial-ekonomi dan lingkungan yang serupa di Provinsi Sulawesi Tengah. Pengelompokan hierarchical clustering digunakan pada data yang disederhanakan oleh PCA. Dengan demikian, diharapkan dapat mengembangkan tipologi desa dalam konteks lokal, termasuk karakteristik sosial, ekonomi, dan biofisik, serta potensi intervensi lanskap darat dan laut untuk semua desa di kabupaten sasaran. Hal ini akan menjadi dasar pemilihan lokasi dan peningkatan skala.

Bagaimana variabilitas desa-desa dalam hal lima modal, tata kelola, program, opsi mata pencaharian, bahaya, konteks, dan masalah lingkungan yang krusial untuk mata pencaharian pedesaan? - Apa saja indikator yang menjelaskan banyak perbedaan antar kelompok desa variabilitas utama yang ada? - Apakah terdapat pola, termasuk pola spasial, yang membentuk tipologi potensi desa?

2 Deskripsi wilayah & Metodologi

Unit analisis terkecil: Desa

	Proposed indcators	nama_variabel_input	Unit	Kategori Indikator	Tersedia?
1	Keberadaan (luas) kawasan hutan lindung	kawasan_lindung	Hektar	social	Yes
2	Keberadaan (luas) kawasan hutan konservasi	kawasan_konservasi	Hektar	social	Yes
3	Keberadaan (luas) lahan tahura	tahura	Hektar	social	Yes
4	Keberadaan(luas) kawasan hutan produksi	hutan_produksi	Hektar	social	Yes
5	Keberadaan (luas) kawasan APL	apl	Hektar	social	Yes
6	Keberadaan (luas) lahan kritis	lahan_kritis	fraction	biophysical	Yes
7	Keberadaan (luas) lahan perhutanan sosial	indikatif_piaps	Hektar	social	Yes
8	Keberadaan (luas) lahan perhutanan sosial: PKK	pkk	Hektar	social	Yes
9	Keberadaan (luas) lahan perhutanan sosial: PPHD	pphd	Hektar	social	Yes
10	Keberadaan (luas) lahan perhutanan sosial: PPH KM	pph_km	Hektar	social	Yes
11	Keberadaan (luas) lahan perhutanan sosial: HTR	htr	Hektar	social	No
12	RTRW Provinsi: Pertanian	rtrw_pertanian	fraction	social	Yes
13	RTRW Provinsi: Pariwisata (jarak ke area RTRW pariwisata)	rtrw_pariwisata	Meter	social	Yes
14	RTRW Provinsi: Permukiman	rtrw_permukiman	fraction	social	Yes
15	RTRW Provinsi: Kawasan Lindung diluar kawasan hutan	rtrw_kwslindung	fraction	social	Yes
16	RZWP3K: Pemanfaatan umum laut	rzwp_pftumumlaut	Meter	social	No
17	RZWP3K: KSNT laut	rzwp_kznt	Meter	social	No
18	RZWP3K: Konservasi laut	rzwp_konservasilaut	Meter	social	Yes
19	Tutupan Lahan pertanian	pertanian	Hektar	biophysical	Yes
20	Tutupan Lahan tidak produktif	lahan_tidak_produktif	Hektar	biophysical	Yes
21	Tutupan Lahan terbangun	lahan_terbangun	Hektar	biophysical	Yes
22	Tutupan Badan Air	badan_air	Hektar	biophysical	Yes
23	Tutupan Hutan Alam	hutan_alam	Hektar	biophysical	Yes
24	Tutupan Hutan Tanaman	hutan_produksi	Hektar	biophysical	Yes
25	Tutupan Perkebunan	perkebunan	Hektar	biophysical	Yes
26	Keberadaan (luas) hutan mangrove → konservasi melalui pengayaan dan ecotourism	mangrove	Hektar	biophysical	Yes
27	Keberadaan ekosistem karst	ekosistem_karst	fraction	biophysical	Yes
28	Posisi desa terhadap bentang lahan: hulu-tengah-hilir	hulu_tengah_hilir	Meter	biophysical	Yes
29	Daerah dengan resiko deforestasi	deforestasi	Hektar	social	Yes
30	Peta resiko bencana banjir	risiko_banjir	indeks	biophysical	No
31	Peta resiko bencana kekeringan	risiko_kekeringan	indeks	biophysical	No
32	Peta resiko bencana tanah longsor	risiko_longsor	indeks	biophysical	No
33	Jumlah petani yang mengusahakan komoditas X/ Jenis mata pencaharian di desa	penghasilan_utama	kategorikal	economy	Yes
34	Kelembagaan Desa: BUMDES+Koperasi	total_koperasi	Jumlah	economy	Yes
35	Institusi Keuangan: Bank BPR, Swasta, dan Negeri	total_bank	Jumlah	economy	Yes
36	Komoditi unggulan di desa X / Data sebaran komoditas unggulan	komoditi_unggulan	kategorikal	economy	Yes
37	Infrstruktur pemrosesan komoditi X atau jarak ke fasilitas pemrosesan komoditi X	total_imk	Jumlah	economy	Yes
38	Keberadaan tambak	laut_budidaya	kategorikal	economy	Yes
39	Kelembagaan kelompok tani	total_poktan	Jumlah	social	Yes
40	Jaringan jalan	jaringan_jalan	Meter	economy	Yes
41	Jaringan Sungai	jaringan_sungai	Meter	biophysical	Yes
42	Elektrifikasi (Rasio)	rasio_elektrifikasi	Persen	economy	Yes
43	Potensi timbulan sampah/Sebaran bank sampah	total_bank_sampah	Jumlah	social	Yes
44	Potensi timbulan sampah/Sebaran bank sampah	sampah_diangkut	kategorikal	social	Yes
45	Potensi timbulan sampah/Sebaran bank sampah	sampah_lubang_bakar	kategorikal	social	Yes
46	Potensi timbulan sampah/Sebaran bank sampah	sampah_badan_air	kategorikal	social	Yes
47	Potensi timbulan sampah/Sebaran bank sampah	sampah_drainase	kategorikal	social	Yes
48	Potensi timbulan sampah/Sebaran bank sampah	sampah_lainnya	kategorikal	social	Yes
49	Total KK	total_kk	Jumlah	social	Yes
50	Luas Tambak	tambak	Hektar	economy	Yes
51	Luas Kebun Campur	kebun_campur	Hektar	economy	Yes
52	Keberadaan (luas) lahan perhutanan sosial: hutan adat	hutan_adat	Hektar	social	Yes
53	Konsesi PBPH + Hutan Tanaman	konsesi_pbph	fraction	social	Yes
54	KK density	kk_dens	household/ 100 hectares	social	Yes

2.1 Intisari Hasil PCA

2.1.1 Interpretasi Komponen Utama (PCs)

2.1.2 Interpretasi Komponen Utama (PCs): Biplots

2.1.3 Hierarchical Clustering Evaluation Criterion

Titik ‘siku’ dari sebuah elbow plot adalah titik di mana menambahkan penambahan jumlah kluster tidak banyak memberikan tambahan informasi baru.

Plot siluet yang mendekati +1 menunjukkan pengelompokan yang baik, sementara nilai yang mendekati 0 atau nilai negatif menunjukkan pengelompokan yang tumpang tindih atau tidak baik.

Plot choicealpha menampilkan dua kurva yang mewakili informasi yang dijelaskan oleh data sosial-ekonomi-biofisik (D0) dan jarak geografis (D1) pada berbagai nilai alpha, membantu dalam memilih nilai alpha yang seimbang antara data dan pengelompokan berdasarkan jarak geografis.

Sumbu x,y dan z dari diagram pencar merupakan tiga komponen utama teratas dari hasil PCA.
- PC1: Predominan xxxx
- PC2: Predominan xxxxx
- PC3: Predominan xxxx
Tiap-titiknya mewakili sebuah desa di Kabupaten proyek SOLUSI di Sulawesi Tengah
Titik yang berwarna sama berarti tergolong dalam tipologi yang sama.

3 Hasil Sementara (Draft)

3.1 Peta sebaran tipologi

Tabel statistik deskriptif

Apa itu rata-rata dan standar deviasi?

Rata-Rata

Rata-rata adalah angka yang sering kita gunakan untuk mengetahui gambaran umum dari sekelompok data. Misalnya, jika rata-rata jarak ke jalan terdekat di daerah urban cuma 0,24 km, ini menunjukkan bahwa umumnya daerah tersebut dekat dengan jalan raya.

Standar Deviasi

Standar deviasi (SD) memberitahu kita seberapa besar variasi atau perbedaan antar angka dalam sekelompok data. Semakin tinggi SD, makin besar juga variasinya. Misalnya, rata-rata jarak ke jalan terdekat di daerah urban adalah 0,24 km dengan SD 0,45 km. Ini artinya yang sangat dekat dengan jalan, tetapi juga ada yang jauh—bahkan lebih dari dua kali lipat dari rata-rata.

Nilai standar deviasi (SD) yang besar, seperti contoh diatas, menjadi indikasi bahwa, rata-rata mungkin tidak memberikan gambaran yang mewakili suatu tipologi. Dalam hal ini, standar deviasi memberikan konteks tambahan yang penting untuk memahami sejauh mana data bervariasi.

Kode warna pada tabel dibawah menunjukkan rentang nilai dari variabel yang diberikan untuk masing-masing tipe wilayah. Warna biru gelap menunjukkan nilai yang lebih tinggi, sementara warna yang lebih merah terang menunjukkan nilai yang lebih rendah.