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

Abstract View: 291, PDF Download: 189

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.
Abstract View: 291, PDF Download: 189