Analisis Hubungan dan Pengaruh Luas Hutan dan Perairan terhadap Produksi Batubara di Beberapa Kabupaten di Kalimantan Selatan pada Tahun 2020
Analysis of the Relationship and Influence of Forest and Water Area on Coal Production in Several Districts in South Kalimantan in 2020.
Muhammad Zainul Alam
11Mahasiswa Program Studi Statistika FMIPA Universitas Mulawarman Email: [email protected]4 ,
Abstrak
Provinsi Kalimantan Selatan merupakan salah satu provinsi dengan produksi batubara terbesar di Indonesia.
Produksi batubara ini tentunya tidak lepas dari penggunaan alih fungsi hutan. Penelitian ini bertujuan untuk mengetahui pengaruh produksi batubara terhadap luas kawasan hutan dan perairan di beberapa kabupaten di Kalimantan Selatan tahun 2020 serta mengetahui keeratan hubungan antara produksi batubara dengan luas kawasan hutan dan perairan di Kalimantan Selatan tahun 2020. Data yang digunakan berupa data kuantitatif dengan pengumpulan data diperoleh dari data sekunder yakni BPS Provinsi Kalimantan Selatan. Berdasarkan hasil penelitian, dengan menggunakan korelasi pearson diperoleh bahwa hubungan variabel produksi batubara dengan persentase luas kawasan hutan di Kalimantan Selatan pada tahun 2020 adalah sangat lemah. Selain itu, analisis regresi linier sederhana diperoleh p-value koefisien determinasi sebesar 0,003385 menyatakan bahwa sebesar 0,3385% variasi yang terjadi pada produksi batubara disebabkan oleh luas kawasan hutan dan perairan pada beberapa kabupaten di Kalimantan Selatana. Hal ini menandakan bahwa ada sekitar 99,6615% variabel lain yang belum diketahui mempengaruhi produksi batubara pada provinsi di beberapa kabupaten di Kalimantan Selatan.
Kata Kunci: Hutan, Regresi, Korelasi
Pendahuluan
Produksi batubara di Kalimantan Selatan memiliki potensi untuk mengalami peningkatan dalam tahun-tahun mendatang. Selain potensi sumber daya maupun cadangan batubara masih cukup besar, saat ini di wilayah Provinsi Kalimantan Selatan juga terdapat beberapa perusahaan yang masih dalam tahap eksplorasi maupun konstruksi. Berdasarkan catatan Kementrian ESDM, Kalimantan Selatan memiliki sumber daya batu bara mencapai 13,22 miliar ton atau 9,19% dari total sumber daya batu bara nasional. Banyaknya produksi batubara tentunya tidak lepas dari peran hutan di provinsi kalimantan selatan.
Ketika kawasan hutan mengalami perubahan dan alih guna menjadi kawasan pertambangan batubara maka bukan hanya akan mempengaruhi kondisi lingkungan biofisik kawasan hutannya namun juga akan mempengaruhi kondisi lingkungan sosial ekonomi dan sosial budaya masyarakat yang berada di sekitar hutan, Berdasarkan realita empirik yang terjadi maka dapat disimpulkan bahwa telah terjadi perubahan kondisi lingkungan biofisik meliputi perubahan kondisi bentang lahan, tanah, lahan, iklim, mata air, vegetasi dengan pepohonannya dan satwa sebagai dampak perubahan dan alih guna kawasan hutan menjadi kawasan pertambangan batubara
Berdasarkan uraian tersebut, maka tujuan dari penelitian ini yaitu untuk mengetahui pengaruh produksi batubara terhadap luas kawasan hutan dan perairan di beberapa kabupaten di Kalimantan Selatan tahun 2020 serta mengetahui keeratan
hubungan antara produksi batubara dengan luas kawasan hutan dan perairan di Kalimantan Selatan tahun 2020 dengan menggunakan analisis korelasi pearson dan analisis regresi linier sederhana.
2. Metodologi Penelitian
Metodologi penelitian merupakan bagian yang menjelaskan tentang sumber data dan variabel penelitian serta tahap – tahap dalam melakukan penelitian.
2.1Variabel Penelitian dan Sumber Data Variabel penelitian adalah suatu nilai/sifat/atribut dari objek, kegiatan, atau orang dengan suatu variasi yang ditentukan untuk dikaji dan diambil kesimpulannya oleh peneliti. (Nila, 2021).
a. Variabel prediktor
Variabel prediktor merupakan variabel yang mempengaruhi variabel respon. Pada penelitian ini, variabel prediktor yang digunakan adalah luas kawasan hutan dan perairan di beberapa kabupaten di Kalimantan Selatan tahun 2020.
b. Variabel respon
Variabel respon merupakan yang terpengaruh dari variabel prediktor. Pada penelitian ini, variabel respon yang digunakan adalah produksi batubara di beberapa kabupaten di Kalimantan Selatan tahun 2020.
Pada penelitian ini data yang digunakan berupa data sekunder, yaitu data yang didapatkan secara tidak langsung (Nila, 2021). Kedua data tersebut telah tersedia dari website resmi Badan Pusat Statistik Provinsi Kalimantan Selatan.
2.2 Tahap Penelitian
Dalam penelitian mengenai pengaruh produksi batubara terhadap luas kawasan hutan dan perairan di beberapa kabupaten di Kalimantan Selatan tahun 2020, metode regresi linier sederhana digunakan karena metode ini merupakan solusi yang tepat untuk melihat pengaruh produksi batubara terhadap luas kawasan hutan dan perairan di beberapa kabupaten di Kalimantan Selatan tahun 2020.
Adapun tahap-tahap penelitian ini dapat dilihat pada diagram alir berikut.
Dalam penelitian mengenai hubungan produksi batubara terhadap luas kawasan hutan dan perairan di beberapa kabupaten di Kalimantan Selatan tahun 2020, metode korelasi pearson digunakan karena metode ini merupakan solusi yang tepat untuk melihat hubungan dari produksi batubara terhadap
luas kawasan hutan dan perairan di beberapa kabupaten di Kalimantan Selatan tahun 2020 ketika data tersebut berdistribusi normal. Adapun tahap- tahap penelitian ini dapat dilihat pada diagram alir berikut.
3. Hasil dan pembahasan
Penelitian ini menganalisis pengaruh dan hubungan Penelitian ini menganalisis pengaruh rata-rata produksi batubara terhadap luas kawasan hutan dan perairan di beberapa kabupaten di Kalimantan Selatan tahun 2020. Data yang digunakan dalam penelitian ini menggunakan data cross sectional menggunakan data pada kabupaten yang memiliki lahan tambang di provinsi Kalimantan Selatan pada tahun 2020. Alat pengolahan data yang digunakan dalam penelitian ini adalah perangkat lunak komputer R Studio dengan metode analisis korelasi pearson dan regresi linier sederhana. Adapun data penelitian yang diteliti yaitu sebagai berikut
Tabel 1. Data produktivitas batubara dan Luas kawasan hutan dan perairan di beberapa
kabupaten di Kal-Sel 2020
Kabupaten
Produksi Batubara (Ton)
Luas Kawasan Hutan (Ha) Tanah Laut 126909 5362043,08 Kotabaru 550364 8765736,09 Banjar 252024 4659111,06
Tapin 24615 19030122,16
Hulu Sungai
Selatan 55788 1336540,95
Tabalong 230571 14902,85 Tanah
Bumbu 302610 24026915,84
3.1 Analisis Korelasi dan Koefisen Korelasi Analisis korelasi digunakan untuk mengetahui ada atau tidak adanya kecenderungan hubungan antara dua variabel atau lebih menggunakan teknik analisis korelasi, paling sedikit harus ada dua variabel yang dikorelasikan. Menurut perilaku variasinya, hubungan mempunyai tiga kemungkinan (Purwanto, 2011)
Kecilnya koefisien korelasi tidak menggambarkan hubungan sebab akibat antara dua variabel atau lebih, namun hanya menggambarkan hubungan linier antar variabelnya. Selain itu, koefisien korelasi juga menunjukkan hubungan timbal balik sehingga tidak akan menjadi masalah apabila dalam menentukan variabel bebas maupun terikat dalam sebuah penelitian. Apabila koefisien korelasi bernilai positif dikatakan korelasi searah, dan sebaliknya jika koefisien korelasi bernilai negatif maka dikatakan korelasi tidak searah. Nilai koefisien korelasi terletak antara −1 hingga 1.
−1berarti terdapat hubungan negatif sempurna (terbalik), 0 berarti tidak memiliki hubungan sama sekali, dan 1 berarti memiliki hubungan positif sempurna (Wibowo, 2020).
Sedangkan arti harga koefisien korelasi akan dikonsultasikan dengan tael interpretasi sebagai berikut.
Tabel 2. Interpretasi Koefisien Korelasi Interval Koefisien Tingkat Hubungan
0,80 – 1,000 Sangat Kuat
0,60 – 0,799 Kuat
0,40 – 0,599 Cukup Kuat
0,20 – 0,399 Rendah
0,00 – 0,199 Sangat Rendah (Riduwan, 2014).
Koefisien korelasi adalah koefisien yang menunjukkan kekuatan hubungan variabel bebas dengan variabel terikat. Koefisien korelasi dihitung menggunakan rumus product moment sebagai berikut.
rXY: n(∑ XY)− (∑ X)(∑ Y)
√{n.∑ X2−(∑ X)2} . {n . ∑ Y2−(∑ Y)2} (2) Dimana
𝑟𝑥𝑦 n X Y
: Koefisien korelasi : Jumlah data : Variabel bebas : Variabel terikat
(Purwanto, 2011).
Adapun hasil dari pengujian korelasi dengan menggunakan metode pearson adalah sebagai berikut
Tabel 3. Nilai Koefisien Korelasi Pearson's product-moment correlation
Pearson 0,05817805
Berdasarkan Tabel 2, didapatkan bahwa nilai koefisien korelasi dari variabel produksi batubara dengan persentase luas kawasan hutan di Kalimantan Selatan pada tahun 2020 sebesar
0,05817805 dimana termasuk korelasi yang sangat lemah dan memiliki arah hubungan yang positif, yang berarti semakin tinggi luas hutan di beberapa kabupaten di Kalimantan Selatan maka semakin tinggi juga produksi batubara di kawasan tersebut, begitu pula sebaliknya.
3.3 Analisis Regresi
Analisis regresi adalah suatu statistik yang memanfaatkan hubungan statistik antara dua atau lebih variabel kuantitatif sehingga satu variabel dapat diprediksi dari variabel yang lainnya atau lebih sering disebut variabel dependen dan variabel independen (Louis, 2023).
1. Model Awal Regresi
Model awal regresi linier sederhana merupakan suatu model persamaan yang menggambarkan hubungan satu variabel bebas/predictor (X) dengan satu variabel tak bebas/response (Y) (Rizaldy, 2023). Adapun model awal regresi linier sederhana sebagai berikut:
𝑌 = 𝛽0+ 𝛽1𝑋 + 𝜀
(4) Keterangan:
𝑌̂ : Variabel produksi batubara
𝛽
0 : Konstanta𝛽
1 : Koefisien regresi variabel luas hutan 𝑋 : Variabel luas hutan𝜀
: Nilai galat (error)2. Estimasi Parameter
Berdasarkan model awal regresi linier sederhana diperoleh estimasi parameter sebagai berikut:
Tabel 4. Estimasi Parameter
𝛽 ̂
0 8.373.000𝛽 ̂
1 2,971Dengan demikian diperoleh model regresi linier sederhana sebagai berikut.
𝑌 = 8.373.000 + 2,971𝑋
Berdasarkan estimasi parameter tersebut, dapat diketahui konstanta sebesar 8.373.000 menyatakan bahwa tanpa dipengaruhi oleh variabel luas hutan dan perairan di beberapa kabupaten di Kalimantan Selatan maka nilai produksi batubara adalah 8.373.000 ton. Koefisien regresi sebesar 2,971 menyatakan bahwa setiap penambahan 1 Ha luas lahan maka akan meningkatkan produksi batubara sebesar 2,971 ton.
3. Koefisien Determinasi
Koefisien determinasi ( 𝑅2 ) pada intinya mengukur seberapa jauh kemampuan model menerangkan variasi variabel independen. Nilai 𝑅2 yang kecil berarti kemampuan variabel – variabel independen dalam menjelaskan variasi variabel
dependen sangat terbatas, sebaliknya nilai 𝑅2 yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Louis, 2023).
Adapun koefisien determinasi dari pengaruh luas kawasan hutan dan perairan di Kalimantan Selatan terhadap produktivitas batubara adalah sebagai berikut:
Tabel 5. Koefisien Determinasi 𝑝 − 𝑣𝑎𝑙𝑢𝑒
0.003385
Berdasarkan Tabel 4, dapat diketahui pada hasil pengujian menggunakan regresi linier sederhana, diperoleh p-value koefisien determinasi sebesar 0.003385 menyatakan bahwa sebesar 0,3385%
variasi yang terjadi pada produksi batubara di beberapa kabupaten di Kalimantan Selatan pada tahun 2020 disebabkan oleh luas kawasan hutan dan perairan di kawasan tersebut pada tahun 2020. Hal ini menandakan bahwa ada sekitar 99,6615%
variabel lain yang belum diketahui mempengaruhi produksi batubara di beberapa kabupaten di provinsi Kalimantan Selatan.
4. Kesimpulan
Berdasarkan hasil penelitian, dengan menggunakan korelasi pearson diperoleh bahwa hubungan variabel produksi batubara dengan persentase luas kawasan hutan di Kalimantan Selatan pada tahun 2020 adalah sangat lemah.
Selain itu, analisis regresi linier sederhana diperoleh p-value koefisien determinasi sebesar 0,003385 menyatakan bahwa sebesar 0,3385%
variasi yang terjadi pada produksi batubara disebabkan oleh luas kawasan hutan dan perairan pada beberapa kabupaten di Kalimantan Selatana.
Hal ini menandakan bahwa ada sekitar 99,6615%
variabel lain yang belum diketahui mempengaruhi produksi batubara pada provinsi di beberapa kabupaten di Kalimantan Selatan.
5. Saran
Berdasarkan hasil penelitian ini, peneliti menyarankan agar mencari variabel lain agar dapat melihat variabel lain yang mempengaruhi produksi batubara di Kalimantan Selatan
Daftar Pustaka
Dinas Komunikasi dan Informatika Provinsi Kalimantan Selatan. (2022, 16 Januari).
Jumlah Luas Hutan dan Perairan (2020).
Diaksis pada 18 April 2024, dari https://data.kalselprov.go.id/dataset/data/1 294/column/y
BPS Kalimantan Selatan.(2021). Kalimantan Selatan dalam Angka Tahun 2022.
Banjarbaru: Badan Pusat Statistik Provinsi Kalimantan Selatan
Purwanto. (2011). Statistika Untuk Penelitian.Yogyakarta. Pustaka Pelajar Riduwan & Sunarto. (2014). Pengantar Statistika
untuk Penelitian : Pendidikan, Sosial, Komunikasi, Ekonomi, dan Bisnis.
Bandung. ALFABETA
Tri Cahyono. (2015). Statistik Uji Normalitas.
Wibowo, Rheza Ari. Kurniawan, Andriyatna Agung. (2020). Analisis Korelasi dalam Penentuan Arah Antar aktor pada Pelayanan Angkutan Umum di Kota Magelang. Journal of Electrical Engineering, Computer, and Information Technology, 1(2), 2-3.
Nila A, Nurul A.,Y. L. Putri., dkk. (2021). “Prediksi Jumlah Mahasiswa Baru Menggunakan Metode Linier Sederhana”. Jurnal Ilmiah Matematika dan Terapan. 18 (1), 31 - 40.
Louis, Alfendo., Chandra, Dandy., dkk. (2023).
“Pengaruh Harga, Kualitas Produk Dan Kualitas Pelayanan Terhadap Keputusan Pembelian Pada PT. Panca Asri Sentosa”.
Jurnal Ekonomi Bisnis, Manajemen, dan Akuntansi. 3 (3), 817 – 823.
6. Lampiran
data=read.table(file.choose(),header = TRUE) shapiro.test(data$Y)
##
## Shapiro-Wilk normality test
##
## data: data$Y
## W = 0.87739, p-value = 0.2151 shapiro.test(data$X)
##
## Shapiro-Wilk normality test
##
## data: data$X
## W = 0.92421, p-value = 0.5028
cor.test(data$X,data$Y,method = "pearson")
##
## Pearson's product-moment correlation
##
## data: data$X and data$Y
## t = 0.13031, df = 5, p-value = 0.9014
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## -0.7267187 0.7771865
## sample estimates:
## cor
## 0.05817805
reg=lm(Y~X, data=data) summary(reg)
##
## Call:
## lm(formula = Y ~ X, data = data)
##
## Residuals:
## 1 2 3 4 5 6 7
## -3388033 -1242597 -4462733 10584003 -720220
6 -9043195 14754761
##
## Coefficients:
## Estimate Std. Error t value Pr (>|t|)
## (Intercept) 8.373e+06 6.280e+06 1.333 0.240
## X 2.971e+00 2.280e+01 0.130 0.901
##
## Residual standard error: 9963000 on 5 degre es of freedom
## Multiple R-squared: 0.003385, Adjusted R -squared: -0.1959
## F-statistic: 0.01698 on 1 and 5 DF, p-valu e: 0.9014
