Estimasi parameter model mixed geographically weighted regression pada data yang mengandung outlier: Studi kasus pemetaan potensi pertanian padi Jawa Timur tahun 2012

INDONESIA :

Model Mixed Geographically Weighted Regression (MGWR) merupakan gabungan dari model regresi linier global dan GWR. Estimasi parameter yang dihasilkan sebagian bersifat global dan sebagian yang lain bersifat lokal. Dalam menganalisis data dengan menggunakan model MGWR, terkadang ditemukan adanya outlier. Outlier ini dapat diidentifikasi secara jelas karena berbeda dengan mayoritas titik sampel lainnya. Namun, kehadiran outlier dapat berdampak terhadap hasil estimasi parameter model. Hal ini menyebabkan estimasi parameter menjadi bias. Salah satu metode penyelesaian outlier adalah metode Robust-M. Penelitian ini bertujuan untuk mendapatkan estimasi parameter model MGWR yang mengandung outlier. Hasil penelitian diaplikasikan pada pemetaan potensi pertanian padi di wilayah propinsi Jawa Timur, sehingga didapatkan model pemetaan potensi pertanian padi Jawa Timur. Variabel respon yang digunakan pada penelitian ini adalah hasil produksi di setiap kabupaten/kota dan variabel prediktornya adalah sistem pengairan teknis (X1), sistem pengairan setengah teknis (X2), sistem pengairan non teknis (X3), sistem pengairan desa (X4), dan sistem pengairan tadah hujan (X5), jumlah alat pertanian (X6) dan jumlah alokasi pupuk (X7). Setelah didapatkan modelnya maka dilakukan uji F dan uji t. Setelah dilakukan penelitian didapatkan hasil bahwa model MGWR pada data yag mengandung outlier lebih baik dalam menjelaskan pemetaan potensi pertanian padi di Jawa Timur tahun 2012 dari pada model MGWR tanpa outlier.

ENGLISH :

Mixed Geographically Weighted Regression (MGWR) model is a compound of linier regression model and GWR. The obtained parameter estimation is partly has global and local character. In the data analazying process that use MGWR model sometimes found the outlier. It can be identified clearly since it is different from the other sample points. But, the presence of outliers can affect the results of the model estimation of parameter. This leads to biased parameter estimates. One outlier completion method is a method of Robust-M. The aim of this research was to obtain estimates of the model parameters MGWR containing outliers. The result was applied into the East Java rice farming potential mapping, thus it will be obtained the model of potential rice plant agriculture model in East Java. The respond variable used in this research were the productions result for each district and the predictor variables were the technical irrigation system (X), semi-technical irrigation system (X2), nontechnical irrigation system(X3), village irrigation system(X4), rainfed irrigation system (X5), agricultural equipments number (X6) and fertilizer allocation (X7). After the model is obtained, it tested by F-test and t-test. The result of this research showed that MGWR model in data that contains outlier could explain better the East Java rice farming potential mapping 2012 than MGWR model without outlier.