MétaCan
Menu
Retour à la cohorte
Enregistrement W2750626733 · doi:10.22500/sodality.v5i2.17973

The Contribution of Community Based Forest Management to Livelihood and Rural Economy: The Case of Hutan Nagari Sungai Buluh in Padang Pariaman

2017· article· en· W2750626733 sur OpenAlexaff
Syofia Agustini, Arya Hadi Dharmawan, Eka Intan Kumala Putri

Notice bibliographique

RevueSodality Jurnal Sosiologi Pedesaan · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAgricultural and Environmental Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésLivelihoodForestryBusinessPovertyGeographyCommunity forestryForest managementSocioeconomicsEconomic growthAgricultureEconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Based on Minister of Environment and Forests No. P.83 About Social Forestry, which is “to reduce poverty, unemployment and inequality management / utilization of forest areas, it is necessary Social Forestry activities through efforts to provide legal access to the local communities that aim for social welfare and forest resources”. Forests not only provide the advantage of conservation for the environment, but also forests can provide economic benefits to local communities. Not only wood, fruits, honey or the other forest products that can be utilized. However, forests can also be utilized in terms of its environmental services, namely as a carbon sink, hydrological function, as well as in terms of natural beauty (ecotourism). The research was conducted at the Forest Nagari Sungai Buluh, Padang Pariaman District, West Sumatra Province with aim to know economic and social impact of community based forest management. The method used is a combination of quantitative and qualitative approach using questionnaires and in-depth interviews. Based on research that has been done, it appears that the utilization of forest environmental services into eco-tourism provides economic contribution to communities living around the forest and to improve of rural economy. Society no longer perform encroachment, however people can still benefit from these forests are of ecotourism. Keywords: Rural regional development, ecotourism, livelihood system ABSTRAK Berdasarkan Peraturan Menteri Lingkungan Hidup dan Kehutanan RI No. P.83 Tentang Perhutanan Sosial yaitu “untuk mengurangi kemiskinan, pengangguran dan ketimpangan pengelolaan/ pemanfaatan kawasan hutan, maka diperlukan kegiatan Perhutanan Sosial melalui upaya pemberian akses legal kepada masyarakat setempat yang tujuannya untuk kesejahteraan masyarakat dan sumberdaya hutan”. Hutan tidak hanya memberikan manfaatkan konservasi bagi lingkungan, namun hutan juga bisa memberikan manfaat ekonomi bagi masyarakat lokal. Tidak hanya kayu, buah-buahan, madu ataupun hasil hutan lainnya yang dapat dimanfaatkan. Namun, hutan juga dapat dimanfaatkan dari sisi jasa lingkungannya, yakni sebagai penyimpan karbon, fungsi hidrologi, serta dalam hal keindahan alamnya (ekowisata). Penelitian ini dilaksanakan di Hutan Nagari Sungai Buluh, Kabupaten Padang Pariaman, Provinsi Sumatera Barat dengan tujuan untuk mengetahui dampak ekonomi dan sosial bagi masyarakat. Metode yang digunakan adalah kombinasi dari pendekatan kuantitatif dan kualitatif dengan menggunakan kuisioner dan wawancara mendalam. Berdasarkan penelitian yang telah dilakukan, terlihat bahwa pemanfaatan jasa lingkungan hutan menjadi ekowisata memberikan kontribusi ekonomi bagi masyarakat yang tinggal di sekitar hutan yaitu sebesar 30.70% untuk rumahtangga masyarakat lapisan atas, rumahtangga masyarakat lapisan menengah memperoleh manfaat sebesar 50.20% dan untuk rumahtangga masyarakat lapisan bawah hanya memperoleh manfaat sebesar 19.10%. Masyarakat tidak lagi melakukan perambahan hutan, walaupun demikian masyarakat tetap bisa memperoleh manfaat dari hutan tersebut yaitu dari pengembangan ekowisata. Kata kunci: Pembangunan wilayah pedesaan, ekowisata, livelihood System

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,003
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,290
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSodality Jurnal Sosiologi PedesaanMême sujetAgricultural and Environmental ManagementTravaux en français237 207