Senin, 07 Januari 2019

PERUBAHAN PENGGUNAAN LAHAN KOTA MALANG


Berdasarkan hasil dari analisis perubahan penggunaan tanah pada tahun 2000-2016 di Kota Malang. Analisis yang di kaji yaitu pertumbuhan kota di Kota Malang yang disebabkan beberapa driving factor yaitu 1) Jarak fasilitas pemerintahan , 2) Jarak Jasa dan perdagangan, 3) Jarak Fasilitas Pendidikan , 4) jarak Jaringan jalan, 5) Jarak Industri, dan Jarak Fasilitas Pariwisata. Perubahan penggunaan tanah di Kota Malang dari tahun 2000-2016 merupakan waktu yang memperlihatkan perubahan penggunaan tanah di Kota Malang dalam 10 tahun terakhir. ketersediaan lahan terus berkurang setiap tahunnya, hal ini dapat dilihat melalui peta penggunaan tanah tahun 2000 dan peta penggunaan tanah tahun 2016 pada Gambar 5.4.




Gambar 5.4 (a) Peta Penggunaan Tanah 2000 dan  (b) Penggunaan Tanah 2016


            Perubahan penggunaan tanah di Kota Malang merupakan suatu hal yang tidak dapat dipungkiri, seriring dengan laju pertumbuhan penduduk dan kebutuhan akan pemanfaatan tanah untuk keperluan pembangunan baik fasilitas maupun permukiman di Kota Malang. Sehingga hal ini perlu dikaji secara jelas untuk melihat perubahan penggunaan tanah tersebut pada tahun 2000-2016. Kondisi penggunaan tanah tahun 2000 yaitu pada kelas lahan pertanian memiliki luas 4557.24(ha), pada kelas lahan terbuka memiliki luas 161.87 (ha), pada kelas lahan terbangun memiliki luas 5677.38(ha), dan kelas tegalan memiliki luas 609.51 (ha). Sedangkan  kondisi eksiting saat ini penggunaan tanah tahun 2016 yaitu pada kelas lahan pertanian memiliki luas 2502.45(ha), pada kelas lahan terbuka memiliki luas 336.67 (ha), pada kelas lahan terbangun memiliki luas 7605.40(ha), dan kelas tegalan memiliki luas 601.79(ha). Hal ini dapat dilihat pada tabel

Tabel 5.5 Perubahan Penggunaan Tanah di Kota Malang Tahun 2000-2016
Kelas Penggunaan Tanah Tahun 2000
Luas Area (ha)
Kelas
 Penggunaan Tanah Tahun
2016
Luas Area
(ha)
Perubahan Kelas penggunaan tanah per (ha)
Lahan Pertanian
4557.24
Lahan Pertanian
2502.45
- 2054.79
Lahan Terbuka
161.87
Lahan Terbuka
336.67
   + 174,8
Lahan Terbangun
5677.38
Lahan Terbangun
7605.40
+ 1928.02
Tegalan
609.51
Tegalan
601.79
-7.72
Total Luas
11006
Total Luas
11006

Sumber : Pengolahan Data Tahun 2016
Pola perubahan penggunaan tanah dari tahun 2000-2016 yang menjadi trend perubahan penggunaan tanah dalam kurun waktu 10 tahun adalah pada kelas lahan pertanian berkurang sebesar 2054.79 (ha), pada kelas lahan terbuka bertambah sebesar  174,8 (ha), pada kelas lahan terbangun bertambah sebesar 1928.02 (ha), dan kelas tegalan  berkurang sebesar 7.72 (ha). Perubahan penggunaan pada periode ini disebabkan oleh sektor pendidikan yang menyebabkan pemanfaatan penggunaan tanah pada tahun 2000-2016 tinggi dari lahan tidak terbangun menjadi lahan terbangun. Menurut Bapedda Kota Malang merupakan kota yang di desain sebagai pusat pendidikan di Jawa Timur sehingga ketersediaan lahan dari tahun 2000-an hingga saat ini kebutuhan untuk pembangunan fasilitas pendidikan dan kebutuhan permukiman untuk siswa dan mahasiswa. Faktor adanya 64 Universitas membuat kebutuhan lahan meningkat dan hal ini yang menyebabkan urbanisasi di Kota Malang (Bapedda, 2016).
Perubahan dari lahan tidak terbangun menjadi lahan terbangun itu pergerakannya lebih cepat di daerah utara Karena ada beberapa faktor yaitu Kecamtan Lowokwaru yang terletak di utara Kota Malang sebagai pusat pendidikan yang lebih dominan adanya universitas yang tersebar di wilayah Kecamatan Lowokwaru, kedua faktor aksesibiltas menuju Kota Wisata Batu sehingga Kota Malang sebagai yang terdampak adanya kota wisata batu termasuk wilayah Lowokwaru yang berbatasan dengan Kota Wisata Batu, dan ketiga wilayah utara bagian timur yaitu  Kecamatan Belimbing yang dominasi wilayah industri sebagai indikator proses urbanisasi berdasarkan tingkat pemanfaatan penggunaan tanah (Bapedda, 2016).
Berdasarkan data kondisi perubahan penggunaan tanah tahun 1996-2000 didasari oleh pembukaan lahan di dasari oleh kebutuhan permukiman dampak yang dirasakan kemajuan dibidang sektor pendidikan dan pada tahun tersebut terjadinya pembukaan lahan pertanian menjadi lahan terbuka yang akan dimanfaatkan oleh pembangunan permukiman dan fasilitas kota.

di Tidak ada komentar:

PENGARUH INVESTASI, TENAGA KERJA, KEMAJUAN TEKNOLOGI, DAN PENDIIDKAN TERHADAP PERTUMBUHAN EKONOMI PROVINSI JAWA TIMUR TAHUN 2017



4.1.2 Analisis Statistik Deskriptif
            Analisis deskriptif digunakan untuk memberikan gambaran mengenai deskripsi variabel-variabel yang digunakan dalam penelitian yang terdiri dari variabel independen, yaitu invesatasi, tenaga keja dan kemajuan teknologi dan variabel dependen yaitu pertumbuhan ekonomi. Peneliti menggunakan tabel distribusi frekuensi absolut, yang menunjukkan rata-rata, median, kisaran, dan satandar deviasi. Dalam analisis statistik deskriptif ini peneliti menggunakan alat analisis berupa Econometric Views (Eviews) for windows versi 8.
Berdasarkan hasil analisis Eviews yang meliputi variabel independen dan dependen, maka dapat dapat diketahui nilai maksimum, nilai minimum, rata-rata, dan standar deviasi dari variabel tersebut pada tabel  berikut ini
Tabel 4.1
Hasil Analisis Regresi














Variable
Coefficient
Std. Error
t-Statistic
Prob.  
















C
-1211571.
832966.6
-1.454526
0.1552


X1
40.37618
32.17708
1.254812
0.0484


X2
-21.50778
10.61870
-2.025462
0.0510


X3
0.026673
0.008879
3.004132
0.0051


X4
116.7290
40.53517
2.879698
0.0069
















R-squared
0.809415
    Mean dependent var
2567907.


Adjusted R-squared
0.762072
    S.D. dependent var
2905353.


S.E. of regression
1922651.
    Akaike info criterion
31.89839


Sum squared resid
1.22E+14
    Schwarz criterion
32.11386


Log likelihood
-601.0694
    Hannan-Quinn criter.
31.97505


F-statistic
12.87218
    Durbin-Watson stat
1.901857


Prob(F-statistic)
0.000002











Sumber: Data di olah tahun 2018














Y




            Hasil analisis yang telah dilakukan untuk mengukur besarnya koefisien regresi dari variabel investasi (X1), tenaga kerja (X2), kemajuan teknologi(X3) dan pendidikan (X4)
Y = -1211571+ 40.37618 (X1)  -21.50778 (X2) +0.026673 (X3) + 116.7290 (X4)  +  e
Dari persamaan hasil olahan eviews diatas, diperoleh hasil bahwa dari empat variabel (X1, X2, X3, X4) yang diamati pengaruhnya terhadap pertumbuhan ekonomi disimpulkan bahwa empat variabel   independen   yakni   investasi,  tenaga   kerja, kemajuan teknologi dan pendidikan  berpengaruh terhadap pertumbuhan ekonomi Jawa Timur. Ke empat  variabel investasi, kemajuan teknologi, dan pendidikan sama-sama memiliki pengaruh signifikan terhadap pertumbuhan ekonomi Jawa Timur, akan tetapi pada tenaga kerja memiliki tanda negative dan tidak signifikan  terhadap PDRB Jawa Timur, dimana pengaruh ini signifikan pada level 5%. Berdasarkan hasil pengolahan kita juga dapat menyimpulkan bahwa jika terdapat kenaikan 1% investasi maka akan menyebabkan kenaikan pertumbuhan ekonomi sebesar 40 %. Dan setiap kenaikan1% tenaga kerja maka akan menghasilkan penurunan pertumbuhan ekonomi sebesar 21%. Dan  setiap kenaikan1% kemajuan teknologi  maka akan menghasilkan kenaikan  pertumbuhan ekonomi sebesar 0,2%. Dan utnuk setiap kenaikan1% pada pendidikan maka akan menghasilkan kenaikan  pertumbuhan ekonomi sebesar 11,6%

4.1.3 Uji Asumsi Klasik
4.1.3.1 Uji Multikolinieritas
            Uji multikolonieritas digunakan untuk menunjukkan apakah ada hubungan linier antara variabel-variabel independen pada model regresi. Untuk mendeteksi ada  tidaknya  multikolonieritas  dapat  dilihat  dari  variance inflation factor (VIF). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah VIF<10.
Tabel 4.2
Uji Multikolinearitas








Coefficient
Uncentered
Centered
Variable
Variance
VIF
VIF








C
 6.94E+11
 7.132439
 NA
X1
 0.001365
 15.30627
 5.127996
X2
 0.002569
 17.37358
 4.662382
X3
 0.08E-05
 16.09236
 1.824170
X4
 0.02100
 17.28817
 2.509169










            Hasil uji multikolinearitas, dapat dilihat pada tabel Centered VIF. Nilai VIF untuk variabel investasi (X1), tenaga kerja (X2), kemajuan teknologi (X3)   dan pendidikan (X3)  tidak ada yang lebih besar dari 10. Maka dapat dikatakan tidak terjadi multikolinearitas pada ke empat variabel variabel independen tersebut.
4.1.3.2 Uji Autokorelasi
            Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk memastikan apakah model regresi linear terbebas dari autokorelasi, maka dapat menggunkan metode Brush-Godfrey atau LM (Lagrange Multiplier).


Tabel 4.3
Uji Autokorelasi

Breusch-Godfrey Serial Correlation LM Test:











F-statistic
0.477235
    Prob. F(4,29)
0.7521
Obs*R-squared
2.346884
    Prob. Chi-Square(4)
0.6722










Hasil uji autokorelasi, dapat dilihat pada nilai Prob(F4,29) yaitu sebesar 0.7521 dapat juga disebut nilai probabilitas F Hitung. Nilai probabilitas F.hitung lebih besar dari tingkat alpha 0,05 (5%). Sehingga berdasarkan uji hipotesis, maka Ho diterima yang artinya tidak terjadi autokorelasi.
4.1.3.3 Uji Normalitas
            Menurut  Ghozali  (2005:110)  uji  normalitas  bertujuan  untuk  menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik tidak valid untuk jumlah sampel kecil. Dalam penelitian ini,peneliti menggunakan Jarque-Bera Test.
Gambar 4.1
Uji Normalitas
            Hasil uji normalitas, untuk keputusan terdistribusi normal atau tidaknya residual secara sederhana dengan membandingkan nilai probabilitas JB (Jarque-Bera) hitung dengan tingkat alpha 0,05 (5%). Dari tabel uji normalitas, nilai Probabilitas JB 62,47385 > 0,05. Sehingga dapat dikatakan bahwasanya residual terdistribusi normal yang artinya asumsi klasik tentang kenormalan telah dipenuhi.
  4.1.3.4 Uji Heteroskedasitas
            Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Heteroskedasitas terjadi pada saat residual dan nilai prediksi memiliki korelasi atau pola hubungan. Pola hubungan ini tidak hanya sebatas hubungan yang linier, tetapi dalam pola yang berbeda juga dimunngkinkan. Pada penelitian ini, peneliti menggunakan model uji Glejser.
      Tabel 4.5
Uji Heteroskedasitas
Heteroskedasticity Test: Glejser











F-statistic
1.295273
    Prob. F(4,33)
0.2920
Obs*R-squared
5.156519
    Prob. Chi-Square(4)
0.2716
Scaled explained SS
7.671249
    Prob. Chi-Square(4)
0.1044















Dari hasil uji heteroskedasitas, nilai Prob. F-Statistic (F hitung) 0.2920 > 0,05. Karena nilai Prob. F-Statistic (F hitung) lebih besar dari alpha 0,05 (5%), maka Ho diterima. Yang artinya bahwa tidak terjadi heteroskedasitas.
4.1.4 Uji Hipotesis
            Uji hipotesis digunakan untuk mengetahui signifikansi pengaruh variabel bebas terhadap variabel terikat.Untuk melihat besarnya pengaruh variabel investasi (X1tenaga kerja (X2), kemajuan teknologi (X3), PDRB (Y) secara parsial atau  sendiri –  sendiri  digunakan uji T sedangkan untuk pengaruh secara bersama-sama atau simultan digunakan uji F. Berikut hasil hasil estimasi output Eviews 8 adalah sebagai berikut :






Tabel 4.6
Hasil Estimasi Output









Variable
Coefficient
Std. Error
t-Statistic
Prob.  










C
-1211571.
832966.6
-1.454526
0.1552
X1
40.37618
32.17708
1.254812
0.0484
X2
-21.50778
10.61870
-2.025462
0.0510
X3
0.026673
0.008879
3.004132
0.0051
X4
116.7290
40.53517
2.879698
0.0069










R-squared
0.809415
    Mean dependent var
2567907.
Adjusted R-squared
0.762072
    S.D. dependent var
2905353.
S.E. of regression
1922651.
    Akaike info criterion
31.89839
Sum squared resid
1.22E+14
    Schwarz criterion
32.11386
Log likelihood
-601.0694
    Hannan-Quinn criter.
31.97505
F-statistic
12.87218
    Durbin-Watson stat
1.901857
Prob(F-statistic)
0.000002














4.1.4.1 Uji F (Kelayakan Model)
            Uji keterandalan model atau uji kelayakan model, atau yang lebih populer disebut sebagai uji F (Uji simultan) merupakan tahapan awal mengidentifikasi model regresi yang di estimasi layak atau tidak. Maksud dari layak adalah model yang di estimasi layak digunakan untuk menjelaskan pengaruh variabel-varibel bebas terhadap variabel terikat.
            Hasil uji F dapat dilihat pada tabel hasil output diatas. Nilai Probabilitas F (statistic) sebesar 0.000002 < 0,05 atau lebih kecil dari tingkat signifikansi 0,05. Sehingga dapat disimpulkan bahwa model regresi yang diestimasi layak digunakan untuk menjelaskan pengaruh variabel investasi (X1), tenaga kerja (X2), kemajuan teknologi (X3) dan pendidikan (X4) terhadap PDRB (Y)
4.1.4.2 Uji t (Uji Koefisien Regresi)
            Uji t dalam regresi linier berganda dimaksudkan untuk menguji apakah parameter (koefisien regresi dan konstanta yang diduga untuk mengestimasi persamaan model atau model regresi linier berganda sudah tepat atau belum.
            Dari hasil uji t dapat dilihat pada tabel hasil estimasi output. Apabila nilai probabilitas t hitung lebih kecil dari tingkat kesalahan (alpha) 0,05 maka dapat dikatakan bahwa variabel bebas berpengaruh secara signifikan terhadap variabel terikatnya. Sedangkan apabila nilai prob.t hitung lebih besar dari tingkat kesalahan 0,05 maka dapat dikatakan bahwa variabel bebas tidak berpengaruh signifikan terhadap variabel terikatnya.
            Nilai prob. T hitung dari variabel investasi sebesar 0.0484 lebih kecil daripada nilai alpha 0,05. Sehingga dapat diartikan bahwa, variabel bebas investasi berpengaruh secara signifikan  terhadap variabel terikat PDRB  pada taraf keyakinan 95%.
            Nilai prob. T hitung dari variabel tenaga kerja 0.0510 lebih besar dari pada nilai alpha 0,05. Sehingga dapat diartikan bahwa, variabel bebas tenaga kerja tidak berpengaruh signifikan terhadap variabel terikat PDRB pada taraf  keyakinan 95%.
Nilai prob. T hitung dari variabel kemajuan teknologi 0.0051 lebih kecil daripada nilai alpha 0,05. Sehingga dapat diartikan bahwa, variabel bebas kemajuan teknologi berpengaruh secara signifikan  terhadap variabel terikat PDRB  pada taraf keyakinan 95%.
Nilai prob. T hitung dari variabel pendidikan 0.0069 lebih kecil daripada nilai alpha 0,05. Sehingga dapat diartikan bahwa, variabel bebas pendidikan berpengaruh secara signifikan  terhadap variabel terikat PDRB  pada taraf keyakinan 95%.

4.1.4.3 Koefisien Determinasi
            Koefisien determinasi (R2) bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel-variabel bebas terhadap variabel dependen. Atau dapat pula dikatakan sebagai proporsi pengaruh seluruh variabel bebas terhadap variabel terikat. Nilai koefisien determinasi dapat diukur dengan nilai R Square.
            Pada tabel hasil estimasi output menunjukkan nilai R Square sebesar 0.809415. hal ini menunjukkan bahwa proporsi pengaruh variabel bebas investasi (X1),tenaga kerja (X2), kemajuan teknologi (X3) dan pendidikan (X4) terhadap PDRB (Y) sebesar 78,8%. Artinya bahwa investasi  (X1), tenaga kerja (X2), kemajuan teknologi (X3) dan pendidikan (X4) terhadap PDRB (Y) sebesar 80,9%. sedangkan sisanya 19,1% dipengaruhi oleh variabel lain yang tidak ada di dalam model regresi.
Y = -1211571+ 40.37618 (X1)  -21.50778 (X2) +0.026673 (X3) + 116.7290 (X4)  +  e

di Tidak ada komentar:
Langganan: Postingan (Atom)