Multivariate Adaptive Generalized Poisson Regression Splines untuk Pengembangan Model Prediksi Produksi Padi di Kabupaten Bojonegoro

Abstract View: 409, PDF Download: 256

Authors

  • Alif Yuanita Kartini Universitas Nahdlatul Ulama Sunan Giri
  • Muhammad Ishlahuddin Universitas Nahdlatul Ulama Sunan Giri

DOI:

https://doi.org/10.32665/james.v5i2.562

Keywords:

Multivariate Adaptive Generalized Poisson Regression Splines, produksi padi, rice production, model prediksi, prediction model

Abstract

Produksi padi di kabupaten Bojonegoro terus mengalami penurunan yang disebabkan oleh banjir dan serangan hama. Sehingga diperlukan suatu penelitian untuk mendapatkan variabel yang berpengaruh signifikan terhadap produksi padi di kabupaten Bojonegoro serta prediksi produksi padi untuk beberapa waktu mendatang menggunakan metode Multivariate Adaptive Generalized Poisson Regression Splines (MAGPRS). Dalam penelitian ini menggunakan metode MAGPRS karena tidak jelasnya bentuk hubungan antara variabel respon terhadap variabel prediktor, serta variabel respon yang digunakan merupakan variabel jumlah yang diduga berdistribusi poisson. Data yang digunakan berupa data di setiap kecamatan di kabupaten Bojonegoro pada tahun 2021 yaitu jumlah produksi padi (Y), luas lahan (X1), jumlah kelompok tani (X2), jumlah penggunaan pupuk NPK (X3), jumlah penggunaan pupuk petroganik (X4), jumlah penggunaan pupuk P-36 (X5), jumlah penggunaan pupuk urea (X6), jumlah penggunaan pupuk ZA (X7), dan serangan OPT (X8). Hasil analisis menunjukkan bahwa model MAGPRS terbaik adalah model dengan nilai BF sebesar 16, MI sebesar 3 dan MO sebesar 2 dengan GCV bernilai 0,33677 dan R2 bernilai 0,980. Variabel luas lahan memberikan kontribusi sebesar 100 %, diikuti dengan variabel jumlah penggunaan pupuk petroganik, jumlah penggunaan pupuk NPK, jumlah kelompok tani, jumlah penggunaan pupuk urea, jumlah serangan OPT dan jumlah penggunaan pupuk ZA. Model MAGPRS mempunyai tingkat akurasi sebesar 92,10 % untuk prediksi jumlah produksi padi di kabupaten Bojonegoro.

References

Badan Pusat Statistika, “Statistik Indonesia 2020 Statistical Yearbook of Indonesia 2020,” Stat. Yearb. Indones., no. April, p. 192, 2020.

R. Randika, M. Sidik, and Y. Peroza, “Analisis Faktor-Faktor Yang Mempengaruhi Produksi Padi Sawah Di Desa Sepang Kecamatan Pampangan Kabupaten Oki,” Soc. J. Ilmu-Ilmu Agribisnis, vol. 10, no. 2, pp. 66–71, 2022.

A. Suarna and S. Hindarti, “Analisis Faktor-Faktor Yang Mempengaruhi Produksi Padi Di Desa Poto Kecamatan Moyo Hilir Kabupaten Sumbawa,” JU-ke (Jurnal Ketahanan Pangan), vol. 5, no. 1, pp. 16–21, 2021.

E. D. Wilujeng and E. Fauziyah, “Efisiensi Teknis Dan Faktor Yang Mempengaruhi Produksi Padi Di Kabupaten Lamongan,” Agriscience, vol. 1, no. 3, 2021.

I. N. Azizah and P. R. Arum, “Pemodelan Generalized Poisson Regression untuk Mengetahui Faktor-Faktor yang Mempengaruhi Produksi Padi di Kabupaten Blora Tahun 2020,” in Prosiding Seminar Nasional Unimus, 2021, vol. 4.

M. Ishaq, A. T. Rumiati, and E. O. Permatasari, “Analisis faktor-faktor yang mempengaruhi produksi padi di Provinsi Jawa Timur menggunakan regresi semiparametrik spline,” J. Sains Dan Seni ITS, vol. 5, no. 2, 2016.

A. G. Onibala and M. L. Sondakh, “Analisis faktor-faktor yang mempengaruhi produksi padi sawah di Kelurahan Koya, Kecamatan Tondano Selatan,” Agri-Sosioekonomi, vol. 13, no. 2A, pp. 237–242, 2017.

R. B. Manggala and A. Boedirochminarni, “Faktor-faktor yang Mempengaruhi Produksi Padi di Desa Sumengko Kecamatan Sukomoro Kabupaten Nganjuk,” J. Ilmu Ekon. JIE, vol. 2, no. 3, pp. 441–452, 2018.

S. Hasyim and L. Fauzia, “Analisis faktor-faktor yang mempengaruhi produksi padi sawah (studi kasus: Desa Medang, Kecamatan Medang Deras, Kabupaten Batu Bara),” J. Agric. Agribus. Socioecon., vol. 2, no. 4, p. 15053, 2013.

J. H. Friedman and C. B. Roosen, “An introduction to multivariate adaptive regression splines,” Stat. Methods Med. Res., vol. 4, no. 3, pp. 197–217, Sep. 1995, doi: 10.1177/096228029500400303.

A. Y. K. Kartini and L. N. Ummah, “Pemodelan Kejadian Balita Stunting di Kabupaten Bojonegoro dengan Metode Geographically Weighted Regression dan Multivariate Adaptive Regression Splines,” J Stat. J. Ilm. Teor. dan Apl. Stat., vol. 15, no. 1, 2022.

S. I. Oktora, “Analisis Multivariate Adaptive Regression Splines (MARS) pada Prediksi Ketertinggalan Kabupaten Tahun 2014,” J. Apl. Stat. Komputasi Stat., vol. 7, no. 2, p. 14, 2015.

E. Hayati, D. A. Novitasari, and R. Rosdiyati, “Analisis Diskriminan Dan Multivariate Adaptive Regression Spline (Mars) Untuk Memprediksi Financial Distress Pada Perusahaan Manufaktur Di BEI,” Media Mahard., vol. 17, no. 1, pp. 16–24, 2018.

Y. Matdoan, “Pemodelan Multivariate Adaptive Regression Spline (MARS) Pada Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Maluku dan Maluku Utara,” J Stat. J. Ilm. Teor. Dan Apl. Stat., vol. 13, no. 1, pp. 8–14, 2020.

C. A. K. Ningrum, “Pemodelan Kejadian Stunting Pada Balita Di Surabaya Dengan Pendekatan Multivariate Adaptive Regression Spline.” Universitas Airlangga, 2021.

A. Wibowo, “Multivariate Adaptive Regression Splines Modeling for Household Food Security in Central Borneo Province 2017,” Glob. Sci. Educ. J., vol. 1, no. 1, pp. 39–47, 2019.

E. P. Prastika, B. W. Otok, and P. Purhadi, “Pemodelan Multivariate Adaptive Generalized Poisson Regression Spline pada Kasus Jumlah Kematian Ibu di Provinsi Jawa Timur,” Inferensi, vol. 4, no. 1, pp. 1–12, 2021.

B. W. Otok and S. Hidayati, “Multivariate Adaptive Generalized Poisson Regression Spline (MAGPRS) on the number of acute respiratory infection infants,” in Journal of Physics: Conference Series, 2019, vol. 1397, no. 1, p. 12062.

H. Sutanta, A. R. Gunawan, and Y. Wibisono, “Calculation of rice field embankment coefficient using high-resolution satellite imagery,” in IOP Conference Series: Earth and Environmental Science, 2020, vol. 500, no. 1, p. 12049.

J. H. Friedman, “Multivariate Adaptive Regression Splines,” Ann. Stat., vol. 19, no. 1, pp. 1–67, Mar. 1991, doi: 10.1214/aos/1176347963.

B. P. S. BPS, “Bojonegoro dalam angka 2016,” pp. 1–180, 2016.

Downloads

Published

2022-10-11

How to Cite

[1]
A. Y. Kartini and M. Ishlahuddin, “Multivariate Adaptive Generalized Poisson Regression Splines untuk Pengembangan Model Prediksi Produksi Padi di Kabupaten Bojonegoro”, JaMES, vol. 5, no. 2, pp. 147–156, Oct. 2022.

Issue

Vol. 5 No. 2 (2022): Journal of Mathematics Education and Science

Section

Articles

License

Copyright (c) 2022 Journal of Mathematics Education and Science

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) before and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work
Abstract View: 409, PDF Download: 256