Dampak Ekonomi Alih Fungsi Lahan Pertanian Di Kecamatan Lalabata Kabupaten Soppeng
Notice bibliographique
Résumé
ABSTRAKKepadatan penduduk di suatu daerah seringkali memicu terjadinya alih fungsi lahan. Kondisi ini kemudian berdampak pada aspek ekonomi. Penelitian ini bertujuan untuk menganalisis perubahan penggunaan lahan pertanian dan mengidentifikasi faktor serta dampak ekonominya. Studi ini penting untuk memahami efek jangka panjang alih fungsi lahan terhadap keberlanjutan lingkungan dan kesejahteraan masyarakat. Metode yang digunakan meliputi analisis data deskriptif kuantitatif, teknik overlay untuk melihat perubahan penggunaan lahan, serta uji Chi-Square guna menentukan faktor dan dampak ekonomi dari alih fungsi lahan pertanian. Hasil menunjukkan lahan pertanian menurun dari 7625,70 Ha (83,01%) pada 2014 menjadi 7164,44 Ha (77,99%) pada 2024 sementara lahan permukiman meningkat dari 562,86 Ha (6,13%) menjadi 860,38 Ha (9,37%). Faktor utama yang memengaruhi alih fungsi lahan meliputi jumlah dan kepadatan penduduk, pendidikan petani, infrastruktur, harga lahan, pendapatan, kebijakan, dan penyerapan tenaga kerja. Dampak positif dari segi ekonomi adalah terbukanya lapangan pekerjaan baru dan pergeseran struktur ekonomi masyarakat dari sektor pertanian menjadi sektor industri dan jasa. Dampak negatifnya berupa penyusutan lahan pertanian yang mengancam produksi pangan, memicu kenaikan harga bahan pokok, dan mengganggu kestabilan ekonomi petani. Penelitian ini penting bagi negara berkembang untuk memahami dampak jangka panjang alih fungsi lahan terhadap keberlanjutan lingkungan dan kesejahteraan masyarakat, serta sebagai pertimbangan dalam pengambilan keputusan lahan.Kata Kunci: Perubahan Penggunaan lahan, Analisis Spasial, Alih Fungsi Lahan Pertanian, Dampak Ekonomi ABSTRACTPopulation density in an area often triggers land use change. This condition then has an impact on economic aspects. This study aims to analyze changes in agricultural land use and identify the factors and economic impacts. This study is important for understanding the long-term effects of land use change on environmental sustainability and community welfare. The methods used include quantitative descriptive data analysis, overlay techniques to observe changes in land use, and Chi-Square tests to determine the factors and economic impacts of agricultural land use change. The results show that agricultural land decreased from 7625.70 Ha (83.01%) in 2014 to 7164.44 Ha (77.99%) in 2024, while residential land increased from 562.86 Ha (6.13%) to 860.38 Ha (9.37%). The main factors influencing land conversion include population size and density, farmer education, infrastructure, land prices, income, policy, and labor absorption. The positive economic impact is the creation of new jobs and a shift in the community's economic structure from the agricultural sector to the industrial and service sectors. The negative impact is the reduction of agricultural land, which threatens food production, triggers an increase in the price of basic commodities, and disrupts the economic stability of farmers. This research is important for developing countries to understand the long-term impact of land conversion on environmental sustainability and welfare, as well as for consideration in land use decision-making.Keywords: Land Use Change, Agricultural Land Conversion, Spatial Analysis, Economic Impact
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».