Savitri, Rizka Amalia Dewi (2015) Pemodelan Luas Panen Padi Dengan Indikator El-Nino Southern Oscillation (ENSO) Di Kabupaten Bondowoso Menggunakan Regresi Robust. Undergraduate thesis, Institut Technology Sepuluh Nopember.
Preview |
Text
1311100100-Undergraduate Theses.pdf - Published Version Download (3MB) | Preview |
Abstract
Bondowoso merupakan salah satu daerah potensi pertanian dan
penunjang lumbung pangan Jawa Timur. Saat ini, pemerintah sedang
melakukan berbagai upaya strategis dalam meningkatkan luas panen
padi. Salah satu upaya tersebut adalah mempelajari faktor yang
menyebabkan keragaman produksi padi, yaitu faktor iklim. Fenomena
alam El Nino dan La Nina menyebabkan adanya iklim ekstrim hingga
berdampak pada peristiwa gagal panen. Fenomena ini diterminologikan
sebagai El-Nino/La Nina Southern Oscillation (ENSO). Indikator yang
digunakan untuk mengukur ENSO antara lain Sea Surface Temperature
(SST) Nino 3.4. Pemodelan untuk prediksi luas panen padi menjadi
penting dilakukan akibat adanya kondisi iklim yang ekstrim. Badan
Pusat Statistika (BPS) dan Dinas Pertanian melakukan pendataan dan
pemodelan luas panen padi per subround atau empat bulanan dan
hasilnya dinyatakan sebagai suatu Angka Ramalan (ARAM). Namun,
dalam perhitungan ARAM belum melibatkan unsur iklim, padahal
tanaman padi rentan terhadap keragaman iklim. Analisis yang
digunakan untuk mengetahui hubungan antara variabel dependen dan
variabel independen adalah Analisis Regresi. Metode estimasi
parameter yang umum digunakan adalah metode Ordinary Least Square
(OLS). Namun, metode ini sensitif terhadap adanya data outlier yang
disebabkan oleh iklim ekstrim. Untuk mengatasi hal ini, digunakan
metode estimasi regresi robust. Regresi robust memiliki beberapa
metode estimasi antara lain Maximum Likelihood (M), Least Trimmed
Square (LTS) dan Method of Moment (MM). Untuk memilih model
terbaik digunakan Leave One Out Cross Validation (LOOCV). Hasil
penelitian ini menunjukkan bahwa ENSO tidak berpengaruh secara
langsung pada luas panen padi di Kabupaten Bondowoso. Di samping
v
itu disimpulkan bahwa, metode robust memiliki kinerja yang lebih baik
daripada OLS, khususnya pada luas panen padi yang mengandung
outlier. Dalam pemilihan model prediksi terbaik, tidak ada metode
terbaik yang stabil di tiga subround.
===================================================================================================
Bondowoso is one of the areas of agricultural potential and food
barn supporting in East Java. Currently, the Goverment was conducting
a variety of strategic efforts in improving the harvest rice area. One
such effort is the study of factors that cause diversity in rice production,
the climate factor. The natural phenomenon of El-Nino and La-Nina
which causes an extreme climate to impact on the events of the failed
harvest. This phenomenon is also known as El-Nino/La-Nina Southern
Oscillation (ENSO). One of indicator that used to measure the ENSO is
Nino 3.4 Sea Surface Temperature (SST). Badan Pusat Statistika (BPS)
and the Department of Agriculture did on logging and extensive rice
crop modelling per subround and the result is expressed as Angka
Ramalan (ARAM). However, in the calculation of ARAM is not used
climate factor. The analysis used to determine the relationship between
the dependent variable and the independent variable is a regression
analysis. The common method used to estimate the parameter is
Ordinary Least Square (OLS). However, this method is sensitive to the
presence of outlier data caused by extreme climate. To overcome this,
robust regression estimation method is used. Robust regression has
many estimation method such as Maximum Likelihood (M), Least
Trimmed Square (LTS) and Method of Moment (MM). To select the best
model use Leave One Out Cross Validation (LOOCV). The result
showed that ENSO is not directly affected the rice harvested area in
Bondowoso Regency. Beside that, on a vast harvest of rice containing
outlier, robust method has better performance than the OLS. In selecting
vii
the best model prediction, there is no best method that is stable in three
subround.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSt 519.5 Sav p |
| Uncontrolled Keywords: | ENSO, luas panen padi, outlier, regresi robust |
| Subjects: | H Social Sciences > HA Statistics |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 30 May 2018 06:37 |
| Last Modified: | 30 May 2018 06:37 |
| URI: | http://repository.its.ac.id/id/eprint/51959 |
Actions (login required)
 |
View Item |