Estimasi parameter Robust Geographically Weighted Regression dengan metode Robust M : Studi kasus pemetaan potensi pertanian padi Jawa Timur tahun 2012

INDONESIA :

Geographically Weighted Regression (GWR) adalah model regresi yang digunakan untuk menganalisis heterogenitas spasial. Dalam analisis data dengan menggunakan GWR, terkadang ditemukan suatu outlier. Dampak dari adanya outlier ini adalah membuat estimasi parameter menjadi bias. Salah satu penyelesaian outlier dalam model regresi adalah dengan menggunakan metode robust M, sehingga didapatkan model Robust GWR(Robust Geographically Weighted Regression) Penelitian ini bertujuan untuk mendapatkan estimasi parameter model Robust GWR. Hasil penelitian diterapkan pada pemetaan potensi pertanian padi di wilayah propinsi Jawa Timur. Sehingga akan didapatkan model pemetaan potensi pertanian padi Jawa Timur. Dengan menggunakan variabel respon adalah hasil produksi di setiap kabupaten/kota dan variabel prediktornya adalah sistem pengairan teknis (X_1), sistem pengairan setengah teknis (X_2), sistem pengairan non teknis (X_3), sistem pengairan desa (X_4), dan sistem pengairan tadah hujan (X_5), jumlah alat pertanian (X_6) dan Jumlah alokasi pupuk (X_7). Setelah didapatkan modelnya maka dilakukan uji F dan uji t. Dari hasil analisis data dengan model Robust GWR didapatkan 7 kelompok variabel yang berpengaruh signifikan terhadap produksi padi di Jawa Timur.

ENGLISH :

Geographically Weighted Regression (GWR) is a regression model is used to analyze the spatial heterogeneity. In the analysis of the data using the GWR, sometimes we find an outlier. The impact of this is the presence of outliers makes parameter estimates to be biased. Completion of one outlier in the regression model is to use a robust method M, so we get the model Robust GWR (Robust Geographically Weighted Regression) study aimed to obtain the model parameter estimates Robust GWR which meet unbias nature. The application of this research is on the mapping potential of rice farming in East Java province. So that would be obtained mapping model potential of rice farming in East Java. The response variable is the result of the production of rice each district / city and the predictor variable is the technical irrigation system (X_1), semitechnical irrigation system (X_2), non-technical irrigation system (X_3), the village water system (X_4), fed irrigation rain systems (X_5), the number of agricultural tools (X_6), and
the amount of fertilizer allocation (X_7). After we obtain the model is then F test and t test. From the analysis of the data obtained 7 Robust GWR variables group have a significant effect on rice production in East Java.