Pemodelan Geographically Temporally Weighted Regression (Gtwr) Dengan Pembobot Fixed Gaussian Kernel Guna Memaksimalkan Peran Aquwares

Pramudita, Ditia Tahta (2020) Pemodelan Geographically Temporally Weighted Regression (Gtwr) Dengan Pembobot Fixed Gaussian Kernel Guna Memaksimalkan Peran Aquwares. Diploma thesis, Universitas Brawijaya.

Abstract

Geographically temporally weighted regression (GTWR) adalah pengembangan dari model regresi linier global yang dapat mengakomodasi unsur lokasi dan waktu. Pembobot untuk model GTWR ini paling umum menggunakan pembobot fixed gaussian kernel. Metode ini digunakan untuk memodelkan produksi cabai rawit di wilayah Provinsi Jawa Timur Tahun 2014 hingga Tahun 2018. Dalam penelitian ini, digunakan 4 variabel prediktor yaitu luas panen (hektar), banyak benih (kilogram), banyak pupuk pertumbuhan dalam hal ini adalah pupuk NPK mutiara (kuintal) dan curah hujan (milimeter) berdasarkan penelitian terdahulu dan alat inovasi aquwares. Hasil penelitian menunjukan bahwa terdapat 175 model yang dibentuk dari 35 wilayah dan lima kurun waktu. Dari 175 model, variabel banyak benih adalah variabel yang paling banyak berpengaruh nyata di 156 wilayah dan waktu. Penelitian ini menunjukkan bahwa model GTWR lebih baik dibandingkan regresi linier global dengan nilai statistik uji pada uji ketepatan model sebesar 1,3134. Dari hasil penelitian tersebut, penggunaan aquwares dapat dimaksimalkan sesuai dengan variabel yang berpengaruh dalam produksi cabai rawit.

English Abstract

Geographically temporally weighted regression (GTWR) is the development of a global linear regression model that can accommodate the location and time elements. Weights for this GTWR model most commonly use fixed gaussian kernel. This method is used to model the production of cayenne pepper in East Java Province from 2014 to 2018. Four predictor variables are used, such as harvested area (hectare), lots of seeds (kilograms), lots of growth fertilizer, in this case NPK mutiara (quintal) and rainfall (milimeters) based on previous research and innovation tools aquwares. The results showed that there were 175 models formed from 35 regions and five time periods. From the 175 models, the many seed variable is the variable that has the mist significant effect in 156 regions and times. This study shows that the GTWR model is better than usual global linear regression with the statistical value of the test on the model accuracy test of 1.3134. From these results, the use of aquwares can be maximized according to the influential variables in the production of cayenne pepper.

Other obstract

-

Item Type:	Thesis (Diploma)
Identification Number:	0520090051
Uncontrolled Keywords:	GTWR, Fixed Gaussian Kernel, Produksi Cabai Rawit, Jawa Timur, Aquwares.
Subjects:	500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.53 Descriptive statistics, multivariate analysis, analysis of variance and covariance > 519.536 Regression analysis
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	ismanto
Date Deposited:	31 Jan 2021 13:57
Last Modified:	03 Oct 2024 01:32
URI:	http://repository.ub.ac.id/id/eprint/182218

Text Ditia Tahta Pramudita.pdf Download (1MB)

Actions (login required)

View Item