Pemodelan Luas Panen Padi Dengan Indikator El-Nino Southern Oscillation (ENSO) Di Kabupaten Bondowoso Menggunakan Regresi Robust

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.

[img]
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 > (S1) Undergraduate Theses
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 View Item