Pemodelan Produksi Padi di Indonesia Menggunakan Regresi Robust Estimasi Generalized M
DOI:
https://doi.org/10.21831/pspmm.v7i1.267Keywords:
Produksi Padi, Analisis Regresi, Regresi Robust, Estimasi GMAbstract
Indonesia sebagai negara agraris yang memiliki populasi jumlah penduduk tergolong cukup banyak, dimana menempati urutan ke-4 dunia setelah negara Tiongkok, India, dan Amerika Serikat. Mayoritas penduduk Indonesia mengolah padi dan menjadikan olahan padi sebagai makanan pokok. Produksi padi di Indonesia dapat mengalami kenaikan atau penurunan setiap tahunnya. Faktor-faktor yang dapat mempengaruhi data produksi padi yaitu luas tanam, luas lahan terkena serangan organisme pengganggu tanaman (OPT), benih padi inbrida, dan jumlah penduduk di Indonesia. Faktor-faktor tersebut memiliki pencilan, dan residualnya tidak berdistribusi normal, sehingga jumlah produksi padi tidak dapat diperkirakan dengan menggunakan analisis regresi metode kuadrat terkecil (MKT). Regresi robust dengan estimasi Generalized M (GM) dapat digunakan untuk menyelesaikan masalah pencilan dan pelanggaran asumsi normalitas yang terjadi. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana model regresi robust dengan estimasi GM untuk mengestimasi produksi padi di Indonesia dan menentukan faktor-faktor yang berpengaruh secara signifikan. Model regresi robust estimasi GM pada data produksi padi di Indonesia menunjukkan bahwa peningkatan luas tanam (X1), benih padi inbrida (X3), dan jumlah penduduk (X4) akan meningkatkan jumlah produksi padi, sedangkan peningkatan luas lahan terkena serangan OPT (X2) akan menurunkan jumlah produksi padi. Hasil dari penelitian ini menunjukkan bahwa variabel luas tanam (X1), luas lahan terkena serangan OPT (X2), benih padi inbrida (X3), dan jumlah penduduk (X4) berpengaruh secara signifikan terhadap jumlah produksi padi dengan nilai adjusted R-square sebesar 99,99%. Pada hasil model regresi robust yang diperoleh, diharapkan adanya kebijakan yang diambil dengan mempertimbangkan faktor-faktor yang mempengaruhi jumlah produksi padi guna meningkatkan jumlah produksi padi di Indonesia.References
Ruauw, E., 2010. Nilai Tukar Petani Sebagai Indikator Kesejahteraan Petani. Jurnal penelitian ASE.
BPS. 2022. Luas Panen, Produksi, dan Produktivitas Padi Menurut Provinsi. [online] Terdapat pada : <https://www.bps.go.id/indicator/53/1498/1/luas-panen-produksi-dan-produktivitas-padi-menurut-provinsi.html> [Diakses 29 Agustus 2022].
Pakpahan, A. V. & Doni, 2019. Implementasi Metode Forward Chaining untuk Mendiagnosis Organisme Pengganggu Tanaman (OPT) Kopi. Jurnal Simetris, pp. 117-126.
Freund, R. J., Wilson, W. J. & Sa, P., 2006. Regression Analysis Statistical Modeling of a Response Variable Second Edition. Boston: Academic Press.
Chen, C. (2002). Robust Regression and Outlier Detection with the ROBUSTREG Procedure. North Caroline: SAS Institute Inc.
Susanti, Y., Pratiwi, H., Handajani, S. S. & Liana, T., 2014. M Estimation, S Estimation, And MM Estimation. International Journal of Pure and Applied Mathematics, Volume 91.
Wilcox, R., 2005. Introduction to Robust estimation and Hypothesis. San Diego: Academic Press.
Ishaq, M., Rumiati, A. T. & Permatasari, E. O., 2017. Analisis faktor-Faktor yang Memengaruhi Produksi Padi di Provinsi Jawa Timur Menggunakan Regresi Semiparametrik Spline. Jurnal Sains dan Seni ITS, pp. 94-100.
Yulisti’anah, 2018. Estimasi Parameter Model Mixed Geographically Weighted Poisson Regression (MGWPR) yang Mengandung Outlier dengan Metode GM-Estimator, Malang : Universitas Islam Negeri Maulana Malik Ibrahim.
Subzar, M., Al-Omari, A.I. & Alanzi, A.R.A, 2020. The Robust Regression Methods for Estimating of Finite Population Mean Based on SRSWOR in Case of Outliers. Journal of Computers, Materials & Continua, Volume 65, pp. 125-138.