Pendahuluan
Penelitian tentang profil deforestasi yang telah diperoleh sebelumnya merupakan informasi dasar untuk memahami kejadian deforestasi di Sumatera. Profil deforestasi telah menggambarkan dengan baik tentang setiap proses deforestasi per kabupaten di Sumatera periode 1990 hingga 2013. Akan tetapi, untuk memahami lebih jauh permasalahan deforestasi, informasi detail tentang kondisi yang mempengaruhi dan mendorong terjadinya deforestasi sangat penting dilakukan. Informasi yang dibutuhkan untuk melengkapi informasi profil deforestasi ini adalah model spasial deforestasi yang dibangun berdasarkan faktor pemicu terjadinya deforestasi.
Penelitian tentang model spasial deforestasi merupakan salah satu tahapan untuk mengetahui dan melengkapi pengetahuan terhadap permasalahan penelitian sebagai upaya untuk mengenali lebih dalam tentang permasalahan deforestasi. Model spasial deforestasi yang dibangun mempertimbangkan kondisi biofisik wilayah dan faktor sosial yang menyebabkan deforestasi.
Profil deforestasi tiap kabupaten/kota di Sumatera dikaji lebih detail dengan mengambil masing-masing satu pewakil profil deforestasi. Penelitian ini memilih tiga kabupaten dari tiga provinsi di Sumatera. Profil deforestasi I (tingkat kerawaan rendah) diwakili oleh Kabupaten Dairi Provinsi Sumatera Utara. Profil deforestasi II (tingkat kerawanan sedang) diwakili oleh Kabupaten Kerinci Provinsi Jambi. Sedangkan profil deforestasi III (tingkat kerawaan tinggi) diwakili oleh Kabupaten Kampar Provinsi Riau. Provinsi Riau dan Jambi merupakan dua wilayah terdeforestasi sangat tinggi (Margono et al. 2012; Sulistiyono et al. 2015a).
Model spasial deforestasi merupakan penelitian yang bertujuan untuk mengidentifikasi dan mengenali faktor pendorong (driving force) terjadinya deforestasi pada tiap profil deforestasi. Faktor pendorong deforestasi setiap profil/wilayah berbeda. Faktor pendorong juga mempengaruhi intensitas deforestasi yang berbeda pada tiap wilayah (Ferraz et al. 2009). Berdasarkan beberapa penelitian terkait deforestasi, pemicu utama deforestasi adalah pertanian, perkebunan dan peternakan (Houghton 2012). Intensitas deforestasi dipengaruhi oleh jalan dan aktifitas ekonomi (Ferraz et al. 2009). Kebijakan pengembangan wilayah yang berbeda juga mendorong terjadinya deforestasi (Ma dan Ru 2010). Deforestasi disebabkan pula oleh kegiatan konversi hutan menjadi perkebunan (Morton et al. 2007). Perbedaan kondisi sosial, ekonomi, dan kondisi geografis mempengaruhi intensitas deforestasi (Ferraz et al. 2009).
Hasil beberapa penelitian tentang driving force pada beberapa waktu di Sumatera menyebutkan bahwa penyebab utama (main drivers) deforestasi periode 1950 hingga 1970 adalah pertanian, perladangan berpindah, konsensus pengelolaan hutan skala besar, dan hutan tanaman (Margono et al. 2012). Periode 1990 hingga 2010 adalah ekspansi pertanian utamanya perkebunan minyak sawit, pembentukan perkebunan kayu gergajian dan pulp kertas. Pemicu lain adalah transmigrasi dan kebakaran hutan (Tomich dan Noorwijk 1995; Sunderlin dan Resosudarmo 1997; Ketterings et al. 1999; Holmes 2000a; Holmes 2000b, FWI 2002; Tacconi 2003a; Tacconi 2003b; Curran et al. 2004; Nawir et al. 2007; Uryu et al. 2008; Hansen et
al. 2008; Margono et al. 2012). Sunderlin dan Resosudarmo (1997) mengemukakan bahwa jenis penyebab dan pelaku yang memegang peranan penting dalam deforestasi adalah petani rakyat. Petani rakyat terdiri dari sistem perladangan berpindah, transmigrasi spontan dan transmigrasi umum. Selain itu, aktifitas perkebunan, aktifitas tanaman keras dan industri perkayuan juga merupakan faktor pendorong deforestasi. Penyebab yang mendasari selain aspek pelaku adalah aspek pemerintah atau politik dan perkembangan ekonomi (Hu et al. 2007; Ma dan Xu 2010). Di Cina, faktor pendorong perubahan lahan dipengaruhi pula faktor biofisik seperti topografi dan elevasi (Hu et al. 2007). Selain itu, faktor lain adalah pertumbuhan ekonomi, pertumbuhan penduduk, pendapatan, pembangunan kota serta perencanaan dan kebijakan kota (Ma dan Xu 2010).
Deforestasi didorong oleh beberapa kegiatan terencana maupun kegiatan tidak terencana (Kementerian Kehutanan 2010). Kegiatan terencana terdiri dari pemekaran wilayah, pelepasan kawasan hutan yang disetujui, alih guna areal berhutan menjadi tidak berhutan di areal penggunaan lain (APL), pelepasan kawasan hutan untuk pertambangan, dan pelepasan kawasan hutan untuk perkebunan. Kegiatan tidak terencana terdiri dari kegiatan perambahan, kebakaran hutan dan klaim lahan yang berujung pada konversi. Faktor yang sangat menentukan pula adalah faktor biofisik yang terdiri dari lereng, ketinggian, tanah dan curah hujan.
Tinggi rendahnya deforestasi sangat dipengaruhi oleh faktor penyebab dan faktor pendorong. Faktor yang berpengaruh langsung terhadap deforestasi disebut faktor penyebab. Faktor penyebab deforestasi yang tidak langsung disebut faktor pendorong. Deforestasi yang didorong oleh faktor pendorong berbeda di setiap daerah dan memiliki karakteristik sendiri.
Penelitian tentang model spasial deforestasi masih kurang di Indonesia. Beberapa diantara penelitian model spasial deforestasi terbaru yaitu penelitian Wijaya et al. (2015) dan Sulistiyono et al. (2015b). Kedua penelitian tersebut menggunakan metode clustering dengan ukuran jarak Standardized Euclidean Distance dan dibangun menggunakan metode Furthest Neighbor (complete linkage method). Kedua penelitian juga menghasilkan dua tipologi yakni tipologi dengan deforestasi rendah dan tinggi. Perbedaannya terletak pada lokasi, cakupan areal penelitian (tingkat Sumatera dan Jambi) serta penggunaan faktor pendorong deforestasi. Berbeda dengan kedua penelitian tersebut, penelitian ini fokus pada pembangunan model spasial berdasarkan faktor pendorong pada masing-masing profil deforestasi di Sumatera. Selain itu, lokasi penelitian dan faktor pendorong yang digunakan juga berbeda. Faktor pendorong yang digunakan merupakan variabel biofisik dan sosial yang terdiri dari persentasi luas hutan awal, slope, elevasi, jaringan jalan, jaringan sungai, kepadatan penduduk dan kepadatan umur produktif.
Metode Penelitian Pengolahan Data
Data satelit telah dimanfaatkan secara luas dalam pemantauan deforestasi di skala regional (Zhang et al. 2010). Citra berbagai tingkat resolusi telah banyak diterapkan untuk menilai deforestasi tropis dan menentukan laju deforestasi. Data penelitian yang dipergunakan adalah data tutupan lahan Kementerian Kehutanan RI
tahun 1990 hingga 2013 (PIPK 2014) yang diolah untuk menghasilkan laju deforestasi dan persentase luas hutan. Bahan lain adalah Peta SRTM yang di download dari situs www.glovis.com tahun 2015 dan diolah untuk menghasilkan data elevasi dan slope. Selain itu, data jaringan jalan dan jaringan sungai yang diunduh dari Open Street Map (OSM) tahun 2015. Data spasial administrasi ketiga kabupaten (Kabupaten Dairi Provinsi Sumatera Utara, Kabupaten Kerinci Provinsi Jambi dan Kabupaten Jambi) menggunakan data administrasi BIG.
Data sosial ketiga kabupaten juga dikumpulkan dari Badan Pusat Statistik (BPS) tahun 1990, 2010 dan 2014. Data sosial yang dikumpulkan seperti data kependudukan dan ketenagakerjaan diperoleh dari BPS RI Provinsi Riau, Jambi dan Sumatera Utara (BPS 2015b; BPS 2015c; BPS 2015d). Data sosial ekonomi yang dikumpulkan adalah data kepadatan penduduk dan umur produktif. Software yang dipergunakan adalah ArcGIS 10.1 dan XL Stat.
Analisis Data
Penelitian dimulai dengan pengumpulan data tentang variabel pendorong terjadinya deforestasi. Pengumpulan data dan informasi tersebut melalui teknik wawancara terhadap beberapa stakeholder dan melakukan studi literatur terhadap jurnal-jurnal dan pustaka terkait dengan deforestasi khususnya yang terjadi di Sumatera.
Identifikasi tujuan hingga penentuan model spasial deforestasi dilakukan berdasarkan faktor pendorong deforestasi. Penyusunan variabel dilakukan melalui penelusuran dan pengumpulan faktor-faktor pendorong terjadinya deforestasi. Faktor pendorong terjadinya deforestasi secara umum dikelompokkan menjadi variabel biofisik dan sosial ekonomi. Berdasarkan ketersediaan data, faktor pendorong yang terkumpul kemudian dikategorisasikan kedalam variabel biofisik dan sosial. Variabel biofisik terdiri dari persentase luas tutupan hutan, slope, elevasi, jaringan jalan dan jaringan sungai. Variabel sosial terdiri dari data jumlah penduduk dan umur produktif tahun 2014.
Peta SRTM diolah menjadi data elevasi dan slope menggunakan ArcGIS 10.1. Tahapan selanjutnya adalah overlay data atau variabel yang telah dikumpulkan. Variabel yang di overlay seperti peta prosentase luas hutan, ketinggian tempat (elevasi), kemiringan lereng (slope), jaringan jalan, jaringan sungai, jumlah penduduk, umur produktif dan peta administrasi desa.
Analisis deforestasi menggunakan data tutupan lahan Kementerian Kehutanan RI tahun 2014 yang diolah untuk menghasilkan data luas dan laju deforestasi periode 1990 hingga 2013. Analisis deforestasi dilakukan melalui operasi spasial Query. Analisis deforestasi menggunakan pendekatan laju deforestasi tahunan (Puyravaud 2003). Hasil ini kemudian digabungkan melalui operasi spasial Union dengan hasil overlay semua variabel sebelumnya.
Berdasarkan identifikasi variabel biofisik dan sosial yang dikelompokkan dari faktor pendorong maka diperoleh skor pada masing-masing sub variabel. Skor masing-masing sub variabel menggunakan persamaan regresi yang nilainya kemudian di standarisasi sehingga nilai skor berkisar antara 1 sampai 9. Nilai total yang terbentuk per sub variabel distandarisasi dengan formula (Jaya 2006; 2009): Score std= (Scoreinput-Scoremin)
Keterangan :
Score std : nilai standarisasi Score input : skor input ke-i; Score min : skor minimum Score max : skor maksimum Score stdmax : nilai baru maksimum Score stdmin : nilai baru minimum
Setelah penentuan skor, maka dilakukan penentuan bobot masing-masing variabel dengan menggunakan AKU yang didahului pengambilan sebagian dari total populasi (poligon). Pengambilan sebagian dari populasi (Sampling) dilakukan secara acak (random) kepada semua unit poligon pada masing-masing profil. Profil I (Dairi) mempunyai 88 828 poligon dan diambil sampel sebanyak 54 589 unit poligon. Profil II (Kerinci) mempunyai 211 890 poligon dan diambil sebanyak 110 000 sebagai unit contoh. Sementara profil III (Kampar) yang memiliki 169 567 poligon, diambil sebanyak 90 000. Jumlah sampel yang diambil untuk selanjutnya diuji AKU masing-masing lebih dari 50% dari populasi. Poligon yang terpilih kemudian dihitung bobotnya.
Penentuan bobot yang terbentuk pada masing-masing sub variabel dilakukan dengan menggunakan Analisis Komponen Utama (AKU). Penentuan bobot dengan PCA mengikuti persamaan :
= � . /∑� ... (6) Keterangan :
Wj : bobot variabel ke –j Ei : eigen value PC ke-i
Vij : eigen vector PC ke –i variabel ke -j
Bobot masing-masing variabel di rescaling hingga total terbentuk untuk semua variabel adalah 1. Nilai skor dan bobot yang terbentuk tiap variabel digunakan untuk membentuk model spasial multikriteria deforestasi berdasarkan fungsi matematis. Model spasial deforestasi dirumuskan sebagai berikut :
Y = f(Lh, Jl, Sg, El, Sl, Pd, Up) ... (7) Y = ∑bi xi ... (8) SMD = W1.Lh+W2.Sg+W3.Jl+W4.El+W5.Sl+W6.Pk+W7.Up ... (9) Keterangan :
Wn : Bobot ke-i Lh : Proporsi luas hutan awal Sg : Kerapatan sungai Jl : Kerapatan jalan
El : Elevasi Sl : Slope
Pk : Kepadatan penduduk Up : Kepadatan umur produktif Model spasial deforestasi ini dibangun pada masing-masing perwakilan tipologi deforestasi yaitu profil I, profil II dan profil III. Model spasial deforestasi tiap profil deforestasi akan membentuk variasi bobot tiap variabel yang berbeda.
Sintesa Penelitian
Variasi masing-masing bobot tiap model spasial deforestasi pada tiap profil deforestasi mengindikasikan besarnya pengaruh variabel tersebut terhadap kejadian
deforestasi. Sintesa penelitian dilakukan dengan menghubungkan antara profil deforestasi dengan pengaruh faktor pendorong deforestasi.
Hasil dan Pembahasan
Hasil analisis deforestasi ketiga kabupaten pewakil profil deforestasi (Kabupaten Kampar Provinsi Riau, Kabupaten Kerinci Provinsi Jambi dan Kabupaten Dairi Provinsi Sumatera Utara) periode 1990 hingga 2013 menunjukkan bahwa laju deforestasi bervariasi (tinggi ke rendah) seperti profil.
Faktor pendorong terjadinya deforestasi khususnya di Provinsi Riau dan Jambi (Geist dan Lambin 2002; Hu et al. 2007; Sheng et al. 2008; Ma dan Xu 2010; Kementerian Kehutanan 2010; Nandy et al. 2011; Mon et al. 2012; Wijaya et al. 2015; Sulistiyono et al. 2015a) dikelompokkan menjadi beberapa variabel yang secara umum dikategorikan sebagai variabel biofisik dan sosial ekonomi. Faktor pendorong yang dikumpulkan juga dipengaruhi oleh ketersediaan data. Variabel biofisik terdiri dari kemiringan lereng (slope), jarak jalan dan jarak sungai. Tipe ekosistem hutan yang terdiri dari hutan dataran rendah, hutan dataran tinggi/pegunungan dan hutan pegunungan tinggi (Suhendang 2013), direpresentasikan oleh ketinggian dari permukaan laut (elevasi). Variabel sosial ekonomi terdiri dari jumlah penduduk dan jumlah umur produktif dan tingkat pendidikan yaitu manusia yang berumur diatas 15 tahun (BPS 2015b).
Hasil analisis AKU pada profil I dapat dilihat pada Tabel 12. Nilai PC4 diperoleh persen kumulatif baik sebesar 86.72% yang dilanjutkan dengan pembobotan tiap variabel Profil I.
Tabel 12 Hasil pembobot berdasarkan analisis AKU pada Profil I
Variabel Nilai Eigen Vector Eigen
Value Bobot F1 F2 F3 F4 Lh 0.0543 0.2702 0.1645 0.4557 15.125 0.088 Sg 0.0002 0.0023 0.8272 0.1593 14.259 0.083 Jl 0.3065 0.0708 0.0111 0.1901 16.769 0.098 El 0.0123 0.7220 0.0250 0.0865 14.153 0.082 Sl 0.7774 0.0074 0.0016 0.0071 33.143 0.193 Pk 0.9060 0.0529 0.0000 0.0006 39.244 0.228 Up 0.9060 0.0529 0.0000 0.0006 39.244 0.228 Total 171.939 1 Keterangan :
F1–F4: Komponen utama ke-1–4 Vij : Eigen vector PC ke-i variabel ke -j Lh : Proporsi luas hutan awal Sg : Kerapatan sungai
Jl : Kerapatan jalan El : Elevasi
Sl : Slope Pk : Kepadatan penduduk Up : Kepadatan umur produktif Berdasarkan teknik pembobotan dengan AKU tersebut maka diperoleh model spasial deforestasi yang terbangun pada Profil I (Kabupaten Dairi) adalah :
Besarnya bobot variabel menunjukkan pengaruh terhadap kejadian deforestasi pada masing-masing profil. Model spasial Profil I menunjukkan bahwa kedua variabel sosial lebih memberikan pengaruh terhadap kejadian deforestasi. Pengaruh variabel sosial tersebut secara umum dua kali lebih besar dari variabel biofisik. Variabel kepadatan umur produktif lebih tinggi pengaruhnya dibanding kepadatan penduduk. Variabel biofisik tertinggi pengaruhnya adalah slope. Kondisi slope yang relatif datar pada daerah berhutan memberikan dorongan lebih terhadap terjadinya deforestasi di Kabupaten Dairi.
Hasil analisis AKU pada profil II dapat dilihat pada Tabel 13. Nilai PC4 diperoleh persen kumulatif baik sebesar 82.72% yang dilanjutkan dengan pembobotan tiap variabel Profil II.
Tabel 13 Hasil pembobot berdasarkan analisis AKU pada Profil II
Variabel Nilai Eigen Vector Eigen
Value Bobot F1 F2 F3 F4 Lh 0.329 0.391 0.038 0.000 18.800 0.136 Sg 0.002 0.201 0.464 0.001 11.198 0.081 Jl 0.014 0.281 0.509 0.002 13.802 0.100 El 0.188 0.339 0.117 0.000 14.312 0.104 Sl 0.000 0.000 0.005 0.995 14.289 0.103 Pk 0.945 0.000 0.011 0.000 32.924 0.238 Up 0.945 0.000 0.011 0.000 32.924 0.238 Total 138.249 1 Keterangan :
F1–F4: Komponen utama ke-1–4 Vij : Eigen vector PC ke-i variabel ke -j Lh : Proporsi luas hutan awal Sg : Kerapatan sungai
Jl : Kerapatan jalan El : Elevasi
Sl : Slope Pk : Kepadatan penduduk Up : Kepadatan umur produktif Berdasarkan teknik pembobotan dengan AKU tersebut maka diperoleh model spasial deforestasi yang terbangun pada Profil II (Kabupaten Kerinci) adalah :
SMD=0.136Lh+0.081Sg+0.10Jl+0.104El+0.103Sl+0.238Pk+0.238Up ...(11) Model spasial Profil II menjelaskan bahwa kedua variabel penduduk (kepadatan penduduk dan kepadatan umur produktif) lebih memberikan pengaruh atau tekanan terhadap kejadian deforestasi. Penduduk dan jumlah umur produktif tinggi memberikan penaruh yang besar terhadap kejadian deforestasi di Kabupaten Kerinci. Pertumbuhan penduduk yang semakin besar akan memberikan tekanan terhadap hutan di Kabupaten Kerinci. Model spasial deforestasi ini juga menjelaskan bahwa pengaruh aspek biofisik terhadap kejadian deforestasi di Kabupaten Kerinci cukup seragam. Faktor biofisik yang lebih dominan adalah proporsi luas hutan. Hal ini semakin menegaskan bahwa semakin luas hutan yang dimiliki oleh suatu wilayah maka kejadian deforestasi cenderung lebih besar terjadi. Aspek biofisik yang paling sedikit pengaruhnya adalah kerapatan jaringan sungai.
Hal ini disebabkan oleh topografi wilayah Kabupaten Kerinci yang bergunung sehingga perambahan melalui jalur sungai kurang mendukung.
Analisis AKU pada profil III ditemukan bahwa persen kumulatif yang baik terjadi pada nilai PC4 dan PC5 yaitu masing-masing sebesar 78.42% dan 82.72%. Hasil pembobotan analisis AKU dapat dilihat pada Tabel 14.
Tabel 14 Hasil pembobot berdasarkan analisis AKU pada Profil III
Variabel Nilai Eigen Vector Eigen
Value Bobot F1 F2 F3 F4 F5 Lh 0.661 0.014 0.006 0.002 0.000 23.078 0.166 Sg 0.069 0.001 0.415 0.133 0.381 15.234 0.109 Jl 0.001 0.575 0.040 0.217 0.159 14.467 0.104 El 0.020 0.477 0.000 0.370 0.133 14.663 0.105 Sl 0.007 0.029 0.588 0.191 0.185 14.476 0.104 Pk 0.842 0.000 0.014 0.000 0.005 29.255 0.210 Up 0.811 0.000 0.005 0.003 0.013 28.195 0.202 Total 139.368 1 Keterangan :
F1–F5: Komponen utama ke-1–5 Vij : Eigen vector PC ke-i variabel ke -j Lh : Proporsi luas hutan awal Sg : Kerapatan sungai
Jl : Kerapatan jalan El : Elevasi
Sl : Slope Pk : Kepadatan penduduk Up : Kepadatan umur produktif Model spasial deforestasi pada Profil III (Kabupaten Kampar) adalah :
SMD=0.166Lh+0.109Sg+0.104Jl+0.105El+0.104Sl+0.210Pk+0.202Up ...(12) Model deforestasi yang dihasilkan pada profil III juga menghasilkan nilai yang cenderung sama dengan model spasial sebelumnya (profil I dan II). Variabel kepadatan penduduk dan kepadatan umur produktif juga lebih memberikan pengaruh atau tekanan terhadap kejadian deforestasi di Kabupaten Kampar. Variabel biofisik juga memberikan pengaruh walaupun tidak sebesar variabel sosial. Faktor biofisik yang dominan tetap proporsi luas hutan. Hal yang menarik adalah variabel jalan merupakan variabel yang lebih kecil pengaruhnya dibanding variabel sungai. Kondisi kampar yang dibelah dan dikelilingi oleh sungai merupakan jalur atau akses yang potensil untuk dipergunakan sebagai sarana transportasi pembalakan liar. Walaupun kerapatan jaringan jalan di Kabupaten Kampar juga baik, akan tetapi letaknya yang berdampingan dengan ibukota provinsi menjadikan jalur transportasi tersebut lebih dihindari daripada sungai.
Secara umum, pengaruh masing-masing variabel pada ketiga kabupaten antara variabel biofisik dan sosial cukup rendah. Penelitian ini menunjukkan bahwa pada kondisi biofisik yang relatif sama, maka dorongan terjadinya deforestasi sangat dipengaruhi oleh kondisi sosial wilayah setempat. Faktor kepadatan penduduk, ekonomi dan kebijakan memberi pengaruh yang besar terhadap sebaran deforestasi (Ma dan Xu 2010 dan Hu et al. 2007). Penduduk yang terus bertambah sangat berperan dalam mempengaruhi tingkat konektivitas lanskap hutan (Liu et al.
2014; Samsuri et al. 2014). Aktifitas manusia memberikan tekanan tersendiri dan cenderung menyebabkan fragmentasi hutan (Nagendra et al. 2003; Shearman et al. 2009; Newman et al. 2014). Tingkat kesejahteraan masyarakat yang meningkat mendorong bertambahnya jumlah permukiman (Ma dan Xu 2010). Selain itu, faktor kebijakan pemerintah terkadang lebih dominan dan berpengaruh lebih besar dari faktor lainnya terhadap terjadinya deforestasi di Indonesia.
Model spasial yang terbentuk membuktikan bahwa kejadian deforestasi di Sumatera lebih dipengaruhi oleh kondisi sosial. Selain itu, Secara umum dapat dikemukakan bahwa deforestasi yang terjadi pada tiap kabupaten/kota di Provinsi Riau dan Jambi relatif seragam. Daerah dengan kepadatan penduduk tinggi, pembangunan infrastruktur dan pembangunan kota/wilayah yang tinggi akan mendorong terjadinya perubahan tutupan lahan (Ma dan Xu 2010). Selain itu, pengaruh faktor pendorong lain seperti ekonomi, teknologi, kebijakan dan budaya juga berperan dalam terjadinya deforestasi (Geist dan Lambin 2002 dan Mon et al. 2012).
Selain faktor diatas, deforestasi juga didorong oleh ekspansi aktifitas pertanian dan pemanenan kayu (Geist dan Lambin 2002 dan Mon et al. 2012), perkebunan, perladangan berpindah, pembalakan liar, pengeringan lahan, pembakaran lahan gambut dan kebakaran hutan (Houghton 2012). Selain faktor sosial, ekonomi dan kebijakan, faktor biofisik juga memberikan dorongan terhadap terjadinya deforestasi. Faktor tersebut seperti topografi, aksessibilitas, distribusi lahan kota dan lahan pertanian (Sheng et al. 2008).
Semakin dekat jarak jalan dengan hutan maka semakin meningkat fragmentasi dan deforestasi (Nagendra et al. 2003; Fearnside 2007; Verbug et al. 2002). Distribusi dan pola fragmentasi hutan mengikuti perkembangan jaringan jalan untuk aktifitas pertanian dan land clearing (Arima et al. 2005; Feraz et al. 2009). Semakin jauh jarak hutan terhadap jalan maupun sungai, maka konektivitas cenderung lebih tinggi. Hal ini dipicu keberadaan akses sungai dan jalan menjadi penyebab tak langsung kerusakan hutan. Jalan dan sungai juga dimanfaatkan sebagai prasarana pengangkutan log kayu hasil tebangan. Hutan yang tersisa sebagian terletak pada kondisi slope yang terjal dan elevasi yang tinggi. Hutan dengan topografi curam mempunyai tingkat aksesibilitas yang rendah sehingga mengalami tekanan dan gangguan yang cukup rendah dari manusia (Cabral et al. 2007; Munroe et al. 2007).
Simpulan
Model deforestasi ini menunjukkan bahwa pada deforestasi yang terjadi di Sumatera dipengaruhi oleh faktor pendorong biofisik dan sosial. Faktor pendorong deforestasi memberikan pengaruh berbeda terhadap profil deforestasi. Nilai bobot pada model tersebut menjelaskan bahwa faktor sosial lebih memberikan pengaruh terhadap terjadinya deforestasi di Sumatera. Besaran bobot tidak menentukan luasan terjadinya deforestasi. Faktor biofisik juga memberikan peran yang tidak berbeda jauh dengan faktor sosial. Variasi faktor biofisik wilayah juga memberikan dorongan berbeda terhadap kejadian deforestasi di Sumatera. Faktor biofisik yang dominan adalah proporsi luas hutan (profil II dan III). Semakin tersedia hutan di suatu daerah, maka semakin besar terjadinya deforestasi pada wilayah tersebut. Temuan ini menguatkan capaian bab sebelumnya.