[DRAFT] Pengembangan Tipologi Wilayah Berdasarkan Karakteristik Modal Penghidupan Desa: Provinsi Jawa Tengah

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 Kepulauan Bangka-Belitung, fokus diberikan pada kecamatan dengan fitur biofisik dan sosial-ekonomi yang serupa, terutama di Kabupaten Cilacap, Kebumen, dan Banyumas. 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 Kepulauan Bangka-Belitung. 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 Ha social Yes
2 Keberadaan (luas) kawasan hutan konservasi kawasan_konservasi Ha social No
3 Keberadaan (luas) lahan tahura tahura Ha social Yes
4 Keberadaan(luas) kawasan hutan produksi hutan_produksi Ha social Yes
5 Keberadaan (luas) kawasan APL apl Ha social Yes
6 Keberadaan (luas) lahan kritis lahan_kritis Ha biophysical No
7 Keberadaan (luas) lahan perhutanan sosial indikatif_piaps Ha social Yes
8 Keberadaan (luas) lahan perhutanan sosial: PKK pkk Ha social No
9 Keberadaan (luas) lahan perhutanan sosial: PPHD pphd Ha social Yes
10 Keberadaan (luas) lahan perhutanan sosial: PPH KM pph_km Ha social Yes
11 Keberadaan (luas) lahan perhutanan sosial: HTR htr Ha social Yes
12 RTRW Provinsi: Pertanian rtrw_pertanian Ha social Yes
13 RTRW Provinsi: Perkebunan rtrw_perkebunan Ha social Yes
14 RTRW Provinsi: Permukiman rtrw_permukiman Ha social Yes
15 RTRW Provinsi: Kawasan Lindung diluar kawasan hutan rtrw_kwslindung Ha social Yes
16 RTRW Provinsi: Sempadan Sungai rtrw_sempadan_sungai Ha social Yes
17 RZWP3K: KSNT laut rzwp_kznt Meter social No
18 RZWP3K: Konservasi laut rzwp_konservasilaut Ha social Yes
19 Tutupan Lahan pertanian pertanian Ha biophysical Yes
20 Tutupan Lahan tidak produktif lahan_tidak_produktif Ha biophysical Yes
21 Tutupan Lahan terbangun lahan_terbangun Ha biophysical Yes
22 Tutupan Badan Air badan_air Ha biophysical Yes
23 Tutupan Hutan Alam hutan_alam Ha biophysical Yes
24 Tutupan Hutan Tanaman hutan_produksi Ha biophysical Yes
25 Tutupan Perkebunan perkebunan Ha biophysical Yes
26 Keberadaan (luas) hutan mangrove → konservasi melalui pengayaan dan ecotourism mangrove Ha biophysical Yes
27 Keberadaan ekosistem karst ekosistem_karst Ha biophysical No
28 Posisi desa terhadap bentang lahan: hulu-tengah-hilir elevasi_median Meter biophysical Yes
29 Daerah dengan resiko deforestasi deforestasi Ha social Yes
30 Peta resiko bencana banjir risiko_banjir indeks biophysical Yes
31 Peta resiko bencana kekeringan risiko_kekeringan indeks biophysical Yes
32 Peta resiko bencana tanah longsor risiko_longsor indeks biophysical Yes
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 jarak_ke_jalan Meter economy Yes
41 Jaringan Sungai jarak_ke_sungai Meter biophysical Yes
42 Elektrifikasi (Rasio) persentase_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 Ha economy No
51 Luas Kebun Campur kebun_campur Ha economy Yes
52 Keberadaan (luas) lahan perhutanan sosial: hutan adat hutan_adat Ha social No
50 Kepadatan Rumah Tangga kk_density KK/ 100 Ha social Yes
51 Keberadaan (luas) kawasan hutan konservasi hutan_konservasi Ha social Yes
52 Keberadaan (luas) kawasan rawan erosi dan longsor rawan_erosi_longsor Ha biophysical Yes
53 Tutupan pertambangan pertambangan Ha biophysical Yes
NA NA NA NA NA Yes
 

Attaching package: 'dplyr'

The following objects are masked from 'package:stats':

    filter, lag

The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union


Attaching package: 'mice'

The following object is masked from 'package:stats':

    filter

The following objects are masked from 'package:base':

    cbind, rbind


----------------------------------------------------------------------

Your next step is to start H2O:
    > h2o.init()

For H2O package documentation, ask for help:
    > ??h2o

After starting H2O, you can use the Web UI at http://localhost:54321
For more information visit https://docs.h2o.ai

----------------------------------------------------------------------


Attaching package: 'h2o'

The following objects are masked from 'package:stats':

    cor, sd, var

The following objects are masked from 'package:base':

    %*%, %in%, &&, ||, apply, as.factor, as.numeric, colnames,
    colnames<-, ifelse, is.character, is.factor, is.numeric, log,
    log10, log1p, log2, round, signif, trunc

Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

Attaching package: 'janitor'

The following objects are masked from 'package:stats':

    chisq.test, fisher.test

Linking to GEOS 3.11.2, GDAL 3.7.2, PROJ 9.3.0; sf_use_s2() is TRUE

---------------------
Welcome to dendextend version 1.17.1
Type citation('dendextend') for how to cite the package.

Type browseVignettes(package = 'dendextend') for the package vignette.
The github page is: https://github.com/talgalili/dendextend/

Suggestions and bug-reports can be submitted at: https://github.com/talgalili/dendextend/issues
You may ask questions at stackoverflow, use the r and dendextend tags: 
     https://stackoverflow.com/questions/tagged/dendextend

    To suppress this message use:  suppressPackageStartupMessages(library(dendextend))
---------------------


Attaching package: 'dendextend'

The following object is masked from 'package:stats':

    cutree

Package 'mclust' version 6.1
Type 'citation("mclust")' for citing this R package in publications.

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 Jawa Tengah
  • Titik yang berwarna sama berarti tergolong dalam tipologi yang sama.

3 Hasil Sementara (Draft)

3.1 Peta sebaran tipologi

Tabel statistik deskriptif

4 Tabel Bantu Interpretasi k=8

5 Tabel Interpretasi Tipologi 12

5.1 Tabel k=12