Pemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur

Transkripsi

1 D-414 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) (301-98X Prnt) Pemodelan Faktor-Faktor yang Memengaruh Produks Pad d Jawa Tmur Ajeng D. P. Sar dan Wwek Setya Wnahju Jurusan Statstka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopember (ITS) Jl. Aref Rahman Hakm, Surabaya Indonesa e-mal: wwek.statstka@gmal.com ajengdes.ps@gmal.com Abstrak Pemlhan Provns Jawa Tmur sebaga objek penelt-an n karena provns n merupakan salah satu dar lma provns yang memlk kontrbus terbesar untuk ketahanan pangan nasonal. Selan tu provns Jawa Tmur menjad andalan Ke-mentran Pertanan untuk produks pad d tahun 016. Apabla melhat kembal d tahun 014, kontrbus provns Jawa Tmur dar seg produks pad sebesar 17,74% terhadap ketahanan pangan nasonal. Produks pad d Jawa Tmur dpengaruh oleh faktor nput untuk produks pad. Pada peneltan yang pernah dlakukan sebelumnya faktor luas lahan, jumlah pupuk, jumlah pestsda, pemberan bbt, dan tenaga kerja memlk pengaruh terhadap produks pad. Hal tersebut yang menjad panduan dalam pemlhan varabel d peneltan n untuk mendapatkan model dar setap varabel yang sgnfkan d setap kabupaten/kota d Jawa Tmur. Deskrps data dketahu bahwa kabupaten Jember memlk tngkat produks tertngg d Jawa Tmur pada tahun 014. Jka dgunakan taraf sgnfkans 5 % pada regres lner, luas panen memlk pengaruh yang sgnfkan terhadap produks pad. Pada analss GWR (Geographcally Weghted Re-gresson) dgunakan fungs pembobot adaptf gausan dengan melhat nla CV (Cross Valdaton) mnmum. Peneltan n menunjukkan bahwa dengan taraf sgnfkans 5% terdapat perbedaan yang sgnfkan antara regres lner dan GWR. Terdapat kelompok yang terbentuk berdasarkan varabel yang sgnfkan d setap kabupaten/kota d Jawa Tmur. Pada peneltan n model GWR lebh bak dgunakan karena memlk AIC lebh kecl dar model global (lner) dan memlk nla R yang lebh besar dar model global. Kata Kunc Dependens Spasal, Heterogentas Spasal, GWR. P I. PENDAHULUAN ada saat n d Indonesa menghadap tantangan semakn banyaknya jumlah penduduk yang dkut dengan pertambahan konsums terhadap kebutuhan pokok, terutama beras. Sedangkan lahan pertanan banyak yang telah beralh fungs menjad lahan non pertanan Oleh karena tu dlakukan berbaga usaha untuk menngkatkkan produks pad. Banyak cara untuk menngkatkan produks pad yatu dengan ntensfkas pertanan, ekstensfkas pertanan, dversfkas pertanan, mekansas pertanan, dan rehabltas pertanan. Upaya khusus juga dlakukan Kementran Pertanan untuk secara konssten menngkatkan produks pad yatu berupa pemberan benh, pupuk, serta pemberan alat mesn pertanan kepada petan. Provns Jawa Tmur mash menjad andalan Kemtan untuk produks pad d tahun 016 yang dtargetkan sebesar 6,36 juta ton [1]. Lahan pertanan dperkrakan bertambah sebesar hektar pada tahun 014 turut andl dalam menngkatkan produks pad. Badan Pusat Statstk (BPS), mencatat ada lma provns d Indonesa yang mengalam penngkatan produks pad tertngg hngga bulan Jun tahun 015. Kelma provns tersebut adalah Lampung, Jawa Barat, Sumatra Selatan, Jawa Tengah, dan Jawa Tmur. Jka kembal pada tahun 014, Provns Jawa Tmur merupakan sentra utama produks pad d Indonesa. Berdasarkan angka sementara pada tahun 014 dar BPS [], Jawa Tmur memlk luas panen pad terluas, yakn,07 juta hektar, produktvtas pad datas rata-rata nasonal (5,14 ton/ha), yatu 5,98 ton/ha (kedua terbesar setelah Provns Bal), dan menyumbang produks pad sebesar 17,50 persen. Provns Jawa Tmur juga merupakan salah satu daerah yang turut berkontrbus terhadap ketahanan pangan nasonal sehngga tanaman pad memlk potens dan peluang yang sangat besar untuk dkembangkan. Peneltan yang sebelumnya telah dlakukan oleh Slvra,dkk [3] yatu produks usaha tan pad sawah d desa Medang kabupaten Batu Bara Sumatra Utara pada tahun 013 cukup tngg dengan rata-rata sebesar kg/ha. Secara bersama-sama (smultan) faktor-faktor pemberan bbt pad, jumlah pupuk yang dberkan, jumlah pestsda dan jumlah tenaga kerja berpengaruh nyata terhadap produks pad sawah. Secara parsal faktor yang mempengaruh produks pad sawah adalah jumlah pestsda. Karakterstk sosal ekonom pada petan memlk hubungan dengan produks pad sawah adalah luas lahan. Peneltan tersebut hanya terbatas untuk mendapatkan faktor yang mempengaruh produks pad tanpa memperhatkan faktor spasal. Produks pad d setap kabupaten/kota d Jawa Tmur berbeda d setap lokas (kabupaten/kota) sehng-ga membuat terjadnya ketmpangan besar dan keclnya produks pad dan faktor yang mempengaruh sepert luas lahan, jumlah pupuk, dan lan-lan. Berdasarkan uraan yang djelaskan, maka dlakukan pemodelan produks pad d Jawa Tmur untuk mengetahu faktor yang berpengaruh secara sgnfkan d setap kabupaten/kota menggunakan metode Geographcally Weghted Regresson (GWR) karena adanya faktor spasal, sehngga hubungan antara varabel respon dan varabel predktor dapat dketahu. II. Multkolnertas TINJAUAN PUSTAKA Salah satu syarat yang harus dpenuh dalam pembentukan model regres adalah tdak terjad multkolnertas atau tdak ada korelas antar varabel predktor satu dengan yang lannya. Pendeteksan multkolnertas salah satunya dlakukan dengan

2 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) (301-98X Prnt) D-415 menggunakan krtera nla VIF (Varance Inflaton Faktor) sebaga berkut [4]. 1 VIF (1) 1 R j Dmana R j adalah koefssen determnas antara satu varabel predktor (X j ) dengan varabel predktor lannnya Model Regres Lner Regres lner berganda merupakan metode yang memodelkan hubungan antara varabel respon (y) dan varabel predktor (x 1, x, x 3,..., x p ) dengan menggunakan metode pendu-gaan parameter Ordnary Least Square (OLS). Model regres lner untuk p varabel predktor secara umum dtuls sebaga berkut [5]. p 0 k k k1 y x () dengan, y : nla observas varabel respon ke- x k : nla observas varabel predktor ke-k pada pengamatan ke- β 0 : nla ntercept model regres β k : koefsen regres varabel predktor ke-k ε : error pada pengamatan ke- dengan asums dentk, ndependen, dan berdstrbus normal dengan mean nol dan varans konstan σ Pendugaan parameter model regres lner dperoleh menggunakan metode Ordnary Least Square (OLS) yang ddapatkan dengan memnmumkan jumlah kuadrat error [6]. T 1 T βˆ (X X) X y (3) dengan, β : vektor dar parameter yang destmas berukuran (p + 1) 1 X : matrks varabel predktor berukuran n (p + 1) y : vektor observas dar varabel respon berukuran n 1 Pengujan Aspek Spasal Langkah awal untuk melakukan analss dengan metode Geographcally Weghted Regresson adalah menguj aspek spasal dar data yatu uj dependens dan heterogentas spasal. Pengujan dependens spasal dapat dlakukan dengan uj Moran s I dan uj heterogentas spasal dlakukan dengan uj Breusch Pagan. Uj heterogentas spasal dlakukan untuk mengetahu ada atau tdaknya karakterstk atau keunkan d setap lokas pengamatan dengan menggunakan statstk uj Breusch Pagan dengan hpotess sebaga berkut [7]. H 0 : (homokesdatstas) 1 n H 1 : mnmal ada satu (heterokedaststas) Satstk uj : 1 T T 1 T BP f Z(Z Z) Z f (4) Daerah penolakan untuk hpotess n adalah tolak H 0 jka BP > χ p ata p-value < α, dengan p adalah banyak varabel predktor. Model Geographcal Weghted Regresson Model Geographcally Weghted Regresson adalah pengembangan dar model regres dmana setap parameter dhtung pada setap lokas pengamatan, sehngga setap lokas pengamatan mempunya nla pengamatan regres yang berbeda[5]. Model GWR dapat dtuls sebaga berkut. p 0 u ) k ( u ) xk ;, k 1 y ( 1,, n (5) dengan, y : nla observas varabel respon untuk lokas ke- x k : nla observas varabel predktor ke-k pada lokas pengamatan ke-, k=1,,...,p β 0 (u,v ): ntersep model GWR β k (u,v ): koefsen regres varabel predktor ke-k pada lokas pengamtan ke- (u,v ) : koordnat letak geografs (lntang,bujur) dar lokas pengamatan ke- ε : error pengamatan ke- yang dasumskan dentk, ndependen, dan berdstrbus normal Estmas parameter d suatu ttk (u,v ) dpengaruh oleh ttk-ttk yang dekat dengan lokas (u,v ) darpada ttk yang lebh jauh. Proses penaksran para-meter model GWR d suatu ttk (u,v ) membutuhkan pembobot spasal dmana pembo-bot yang dgunakan adalah fungs kernel gaussan sebaga be-rkut [8]. 1 d j w j ( u ) exp (6) b dmana, d j = (u u j ) + (v v j ) adalah jarak Eucldean antar lokas (u,v ) ke lokas (u j,v j ) dan b adalah nla parameter penghalus bandwdth [9]. Metode untuk menentukan bandwdth optmum adalah menggunakan metode Cross Valdaton (CV) sebaga berkut [5]. CV n 1 ( y yˆ ) (7) dengan, y 1 merupakan nla estmas y dmana lokas ke (u,v ) tdak dmasukkan dar proses estmas. Untuk menda-patkan nla b optmum maka dperoleh dar CV yang mnmum. Sedangkan untuk estmas parameter model GWR menggunakan metode Weghted Least Square (WLS) yatu dengan memberkan pembobot yang berbeda setap lokas yang dambl, sehngga estmas parameter model GWR setap lokas adalah. T 1 βˆ( u ) (X W( u ) X) X W( u )y (8) Langkah selanjutnya jka sudah dlakukan estmas parameter adalah menguj kesesuaan model secara serentak, yatu dengan mengkombnaskan uj regres lner dengan model untuk data spasal dengan hpotess sebaga berkut [5]. H 0 : k ( u ) k, k 1,,, p, 1,, n (Tdak ada perbedaan yang sgnfkan antara model regres lner dengan model regres GWR) H 1 : mnmal ada satu k ( u ) k Statstk uj GWR dtulskan sebaga berkut. ( SSE( H ) SSE( H )) F htung Tolak H 0 jka 0 v SSE( H1) 1 T 1 (9) F htung F, df 1, df, Setelah melakukan pengujan secara serentak dlanjutkan dengan pengujan parameter secara parsal untuk mengetahu parameter yang sgnfkan

3 D-416 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) (301-98X Prnt) mempengaruh varabel respon de-ngan hpotess sebaga berkut. H 0 : u, v ) 0 k ( k ( u H 1 : ) 0 ; 1,,, n ; k 1,,, p Statstk uj : ˆ k ( u ) thtung ˆ g (10) kk Daerah penolakan: Tolak H 0 jka t htung > t ( α,df) Untuk menentukan model terbak antara model regres lner dengan model GWR dlakukan dengan menggunakan krtera AIC (Akake s Informaton Crteron). Krtera AIC d-gunakan apabla pembentukan model regres lner bertujuan untuk mendapatkan faktorfaktor yang berpengaruh terhadap model. Nla AIC drumuskan sebaga berkut [10]. AIC nlog ( ˆ ) nlog ( ) n tr(s) (11) III. e Sumber Data e METODOLOGI PENELITIAN Data yang dgunakan dalam peneltan n merupakan data sekunder yang dperoleh dar data publkas Badan Pusat Statstk Provns Jawa Tmur. Terdapat data dalam peneltan n yang berasal dar raw data Dnas Pertanan dan UPT Proteks Tanaman Pangan dan Holtkultura Provns Jawa Tmur. Peneltan n menggunakan data produks pad dan 6 varabel predktor pada tahun 014. Unt peneltan merupakan kabupaten/kota d Provns Jawa Tmur yang terdr dar 38 pengamatan. Varabel Peneltan Data yang dgunakan sebaga varabel peneltan adalah data cross secton. Verabel peneltan terdr dar Y X 1 X X 3 X 4 X 5 X 6 TABEL 1. VARIABEL PENELITIAN Varabel Respon Produks Pad (ton) Varabel Predktor Luas Panen (hektar) Luas lahan pertanan (hektar) Banyak pupuk Urea (ton) Banyak pupuk Sp-36 (ton) Banyak pupuk Phonska (ton) Luas lahan yang dber pestsda (hektar) Langkah Analss Langkah analss untuk menyelesakan permasalahan ada-lah sebaga berkut. 1. Mengumpulkan data sekunder terkat faktor yang dduga mempengaruh produks pad d Jawa Tmur.. Mendeskrpskan data dengan menggunakan peta tematk 3. Mendeteks kasus multkolnertas 4. Melakukan transformas dengan boxcox trnasformaton pada varabel respon 5. Memodelkan faktor yang dduga berpengaruh terhadap produks pad dengan regres lner menggunakan metode OLS 6. Melakukan pengujan aspek spasal, yatu uj dependens dan heterogentas spasal pada data produks pad. 7. Memodelkan faktor yang dduga berpengaruh terhadap produks pad d Jawa Tmur menggunakan metode GeographcallyWeghted Regresson 8. Membandngkan nla AIC dan R model regres lner dengan model GWR untuk mendapatkan model terbak 9. Menympulkan hasl analss IV. ANALISIS DAN PEMBAHASAN Deskrps Data Produks Pad dengan Faktor Penduga d Jawa Tmur Untuk mengetahu karakterstk varabel respon dan pre-dktor n maka dgunakan analss menggunakan statstka deskrptf. TABEL. STATISTIKA DESKRIPTIF VARIABEL RESPON DAN OREDIKTOR Varable Mean StDev Mnmum Maxmum Y X X X X X X Pada Tabel dapat dketahu bahwa produks pad tertngg dsumbang oleh Kabupaten Jember yatu sebesar hektar. Rata-rata d Jawa Tmur selama tahun 014 produks pad d Kab/kota sebesar ton. Namun untuk daerah Batu produks padnya mash mnm karena lahan pertanan pad kurang luas sehngga produksnya sebesar ton. Luas panen menyumbang andl yang besar untuk produks pad, luas panen terbesar d Kabupaten Jember yatu sebesar hektar. Hal tersebut berbandng lurus dengan produks padnya. Untuk luas lahan pertanan yang palng besar berada d Kabupaten Sumenep yatu hektar. Namun wlayah tersebut tdak memproduks pad besar karena lebh unggul d bdang pertanan sektor jagung. D Jawa Tmur rata-rata lahan yang dgunakan untuk bertan sebesar hektar. Untuk subsd pupuk urea palng tngg d Kabupaten Jember yatu sebesar ton, dan yang palng sedkt adalah kota Mojokerto 385 ton. Berbeda hal nya untuk subsd pupuk Sp-36 palng tngg d Lamongan (16.06 ton) sedangkan yang palng sedkt mendapatkan subsd pupuk Sp-36 adalah Kota Pasuruan (18 ton). Untuk lahan yang dber pestsda harapan-nya adalah semakn sedkt lahan yang dber pestsda. Keadaan tersebut berada d Kota Madun dan Kota Pasuruan karena tdak ada lahan pertanan yang dber pestsda (0 hektar). Mash ada lahan pertanan d Bojonegoro yang sangat banyak d ber pestsda yatu ada hektar lahan pertanan dber pestsda. Beberapa daerah dpandang sebaga sentra pad d Jawa Tmur, yang terbesar menghaslkan produks pad adalah kabupaten Jember. Produks pad yang dhaslkan kabupaten Jember pada tahun 014 sebesar ,6 (978373^0,918) ton. Peta yang menggambarkan produks pad d Jawa Tmur dlustraskan sepert Gambar 1.

4 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) (301-98X Prnt) D-417 Gambar 1. Produks Pad d Jawa Tmur Jember selalu menjad surplus beras sehngga pasokan beras terjaga dan ranta dstrbus berjalan dengan lacar untuk membantu memasok kebutuhan daerah lan d provns Jawa Tmur. Hal tersebut menjadkan Jember menjad sentra produks pad d Jawa Tmur, sehngga dtetapkan sebaga kawasan sentra komodtas beras oleh Tm Pengendal Inflas Daerah d Jawa Tmur pada tahun 014. Sebalknya Kota Batu menyumbang produks pad palng sedkt d Jawa Tmur pada tahun 014 sebesar ton. Pemodelan Produks Pad dengan Regres Lner Pemodelan regres lner bertujuan untuk mengetahu varabel-varabel yang mempengaruh produks pad d Jawa Tmur tanpa mempertmbangkan aspek spasal. Langkah awal adalah pemerksaan multkolnertas sebaga berkut n. TABEL 3. PEMERIKSAAN MULTIKOLINIERITAS Varabel VIF X 1 7,79 X 3,383 X 3 7,491 X 4 4,469 X 5 4,565 X 6 1,513 Pada Tabel 3 menunjukkan bahwa masng-masng varabel memlk nla VIF kurang dar 10, maka dapat dkatakan tdak terjad kasus multkolnertas antar varabel predktor. Berdasarkan uj parameter model secara serentak dengan taraf sgnfkans 5% ddapatkan kesmpulan bahwa terdapat mnmal satu varabel predktor yang berpengaruh terhadap varabel respon. Setelah dlakukan pengujan secara parsal ddapatkan bahwa varabel luas panen berpengaruh secara sgnfkan terhadap produks pad d Jawa Tmur dengan R sebesar 99 %. Berkut n model untuk regres lner dengan varabel predktor sgnfkan. Ŷ 363,7,109 X 1 Dar model tersebut dapat djelaskan bahwa apabla terdapat pertambahan luas panen sebesar satu hektar maka akan menambah produks pad sebesar 1,99 ton (,109^0,918). Untuk regres lner dperlukan pemerksaan hasl resdual dar model. Resdual dar model harus memenuh asums resdual dentk, ndependen, dan berdstrbus normal. Uj asums dentk menggunakan uj Gletser yatu meregreskan absolut resdual dengan varabel predktor. Pada uj glestser haslnya tdak ada varabel predktor yang p-value setap varabel kurang dar taraf sgnfkans 5%. Hal tersebut menjad acuan bahwa asums resdual dentk telah terpenuh. Pemerksaan asums resdual ndependen dapat menggunakan nla durbn watson statstk. Pada model n nla durbn watson nya adalah,9, jka dbandngkan dengan durbn watson tabel nlanya lebh besar dar du yatu 1,146. Maka dsmpulkan asums resdual ndependen terpenuh. Asums dstr-us normal pada resdual menggunakan Kolmogorov Smr-nov, dperoleh p-value 0,150 maka dnyatakan terma H 0 sehngga dsmpulkan resdual mengkut dstrbus normal. Pemodelan Produks Pad dengan Model GWR Analss yang mengakomodr masalah spasal salah satu-nya adalah Geographcally Weghted Regresson. Untuk dapat menentukan bsa atau tdak suatu pemodelan menggunakan GWR adalah duj terlebh dahulu tentang aspek spasal. Pengujan pengaruh heterogentas spasal dlakukan untuk mengetahu data yang akan dlakukan pemodelan spasal mengandung heterogentas spasal atau tdak. Adanya pengaruh heterogentas dapat dketahu dengan statstk uj Breusch Pagan. Hasl p-value statstk uj Breusch Pagan sebesar 0,0579. Hasl uj heterogentas spasal menunjukkan terdapat heterogentas spasal pada data menggunakan taraf sgnfkans 10%. Untuk pengujan dependens spasal menggunakan Moran I dsmpulkan bahwa tdak ada korelas spasal antar wlayah pada taraf nyata 10%. Salah satu pengujan aspek spasal sudah terpenuh (heterogentas spasal), maka dapat dlanjutkan dengan analss menggunakan GWR. Dalam peneltan n proses perhtungan nla Cross Valdaton menghaslkan nla bandwdth optmum sebesar 1,957 dan CV sebesar ,. Kemudan dlanjutkan dengan menaksr parameter model GWR. Hasl estmas parameter model GWR adalah TABEL 4. ESTIMASI PARAMETER MODEL GWR Parameter mn Max Mean ˆ 0 363, ,11 480,575 ˆ 1,038,147,034 ˆ 0,037 0,114 0,080 ˆ 3-0,36-0,184-0,56 ˆ 4-1,00-0,304-0,767 ˆ 5 0,398 0, ˆ 6-0,451-0,311-0,375 Hasl penaksran parameter pada Tabel 4. menunjukkan rata-rata penaksran parameter untuk rata-rata luas panen adalah,034 dengan nla mnmum,038 dan nla maksmum,147. Nla tersebut menunjukkan besarnya pengaruh rata-rata luas panen terhadap produks pad. Sementara penaksran parameter luas lahan pertanan (X ), pemberan pupuk urea (X 3 ), pemberan pupuk Sp-36 (X 4 ), pemberan pupuk phonska (X 5 ), dan luas lahan pertanan yang dber pestsda (X 6 ) memlk art yang sama yatu besar pengaruh parameter tersebut terhadap produks pad nla rata-ratanya dengan ksaran antara nla mnmum dan maksmum sesua pada Tabel 4.. Pengujan kesesuaan model menggunakan uj F, dlakukan untuk mengetahu pengaruh pemberan bobot

5 D-418 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) (301-98X Prnt) dalam proses penaksran parameter berkut n hpotess kesesuaan model GWR. Hpotess : H 0 : ( u, v ) k H 1 : mnmal ada satu k ( u ) k, k=1,,...,6 =1,,..,38 Dperoleh nla F htung sebesar 1,446 atau lebh kecl dsbandng F (0,1;4,501;6,499) =,1745 sehngga dapatdsmpulkan gagal tolak H 0 artnya tdak ada perbedaan yang sgnfkan antara model regres OLS dan GWR. Perbedaan yang sgnfkan antara regres OLS dan GWR terjad pada taraf keyaknan 5 persen. Pengujan secara parsal bertujuan untuk mengetahu varabel predktor yang mempengaruh produks pad dsetap lokas dengan hpotess sebaga berkut Hpotess : H 0 : u, v ) 0 k ( H 1 : k ( u ) 0, k=1,,...,6, =1,,..,38 Jka dtetapkan taraf sgnfkans 5% dperoleh nla t- tabel sebesar 1,585 (t (0,5/;6,499) ). Dengan membandngkan t setap lokas dengan t-tabel, maka dperoleh varabelvarabel yang berpengaruh terhadap produks pad d setap kabupaten atau kota. Berdasarkan varabel yang sgnfkan dapat dbentuk dua kelompok, meskpun berada pada satu kelompok yang sama model dar setap lokas yang terbentuk berbeda. Berkut n kabupaten/kota yang memlk kesamaan varabel sgnfkan. No. 1 TABEL 5. VARIABEL SIGNIFIKAN SETIAP KAB/KOTA k Kabupaten/Kota Pactan, Ponorogo,Trenggalek, Tulungagung, Pasuruan, Jombang, Nganjuk, Madun, Magetan, Ngaw, Bojonegoro, Tuban, Lamongan, Bangkalan, Kota Kedr, Kota Bltar, Kota Malang, Kota Pasuruan, Kota Mojokerto, Kota Madun, Kota Surabaya, Kota Batu, Bltar, Kedr, Malang, Mojokerto, Gresk, Malang, Sdoarjo, Bondowoso, Pamekasan, Kota Probolnggo, Banyuwang, Jember, Probolnggo, Sampang, Stubondo, Sumenep Varabel Sgnfkan X 1 X 5 Berdasarkan Tabel 5,terlhat bahwa pada kabupaten/kota yang berdekatan, mempunya kesamaan varabel yang mempe-ngaruh produks pad. Msalnya, pada wlayah Banyuwang untuk Bondowoso, Stubondo, dan Jember varabel X 1 (luas panen) sama-sama mempengaruh produks pad. Pada kelom-pok satu Kabupaten Pactan untuk Ponorogo, Trenggalek varabel X 1 (luas panen) dan varabe X 5 (pemberan pupuk phonska) berpengaruh d wlayah tersebut terhadap produks pad. Sebaga contoh dntepretaskan model dar Model GWR untuk Kabupaten Pactan dan Banyuwang berdasarkan varabel predktor yang sgnfkan adalah sebaga berkut. 1. Model untuk Pactan Y ˆ 1, 17 18, 969X1 1, 88X 5 Pada kabupaten Pactan modelnya berart apabla jumlah luas panen bertambah sebesar satu hektar maka produks pad akan bertambah sebesar 1,956 (,0684^0,981) ton dengan syarat bahwa varabel pemberan pupuk phonska (X 5 ) bernla tetap. Sementara, jka pemberan pupuk phonska dtambah sebesar 1 ton maka akan berpengaruh pada bertambahnya produks pad X 1 sebesar 0,53(0,505^0,981) ton dengan ketentuan varabel luas panen nlannya tetap.. Model untuk Banyuwang Y ˆ 1363, 9565, 109X1 Model untuk Banyuwang hanya menggunakan satu varabel predktor karena hanya varabel luas panen (X 1 ) yang berpengaruh secara sgnfkan terhadap produks pad d Banyuwang. Model produks pad d Banyuwang dapat dartkan bahwa setap luas panen pad menngkat sebesar satu hektar maka akan menakkan produks pad d Banyuwang sebesar 1,99(,109^0,981) ton. Untuk melhat model yang lebh bak, perlu dlakukan pemlhan model terbak. Krtera pemlhan model terbak yatu dengan melhat nla AIC terkecl dan R yang terbesar dar kedua model. Berkut n dberkan perbandngan nla AIC dan R dar kedua model. TABEL 6. PEMILIHAN MODEL REGRESI LINIER DAN GWR Model AIC R Regres Lner 819,181 0,989 GWR 816,104 0,099 Pada Tabel 6 dapat dlhat nla AIC mnmum dan R maksmum terdapat pada analss dengan menggunakan metode GWR. Apabla dhtung selsh nla R dan AIC dar kedua model sangat kecl yatu sektar 0,003 dan 3,07. Untuk krtera R selshnya sangat kecl, hal tersebut tdak memberkan perbedaan yang nyata dar model regres lner dan model GWR. Berdasarkan hal tersebut dapat dsmpulkan bahwa model GWR tdak jauh lebh bak dar model yang dhaslkan dengan regres lner. Hal tersebut terjad karena dengan menggunakan metode GWR juga tdak menambah varabel yang sgnfkan d setap lokas. V. KESIMPULAN DAN SARAN Hasl analss menunjukkan bahwa produks pad terbesar dsumbang oleh kabupaten Jember. Pemodelan dengan regres lner menghaslkan keputusan bahwa hanya terdapat satu varabel predktor yang memlk pengaruh terhadap produks pad yatu luas panen. Berdasarkan uj kesesuaan model GWR, menghaslkan kesmpulan bahwa pada taraf sgnfkans 10% tdak terdapat perbedaan yang sgnfkan antara model regres lner dengan model GWR. Perbedaan yang sgnfkan terjad antara metode OLS dengan GWR pada taraf sgnfkan 5 %. Hasl pemodelan dengan GWR dperoleh model yang berbeda-beda untuk tap kabupaten/kota d Provns Jawa Tmur. Berdasarkan varabel yang sgnfkan untuk tap kabupaten/kota, terbentuk dua kelompok kabupaten/kota yang memlk ke-samaan varabel yang berpengaruh terhadap produks pad. Untuk pemlhan model terbak dsmpulkan bahwa model GWR sedkt lebh bak darpada model regres lner karena perbedaan antara krtera kebakan model dengan AIC dan R sangat kecl. Pada peneltan selanjutnya dsarankan pemlhan varabel lebh bervaras dar berbaga aspek. Sehngga dharapkan dapat menambah varabel yang berpengaruh secara sgnfkan karena pada peneltan n varabel yang sgnfkan sedkt dengan R yang nlanya tngg. Sehngga dapat menghaslkan model yang lebh bak.

6 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) (301-98X Prnt) D-419 VI. DAFTAR PUSTAKA [1] Laol, N., & Vebr,H. (015). 016, Produks Pad Dtargetkan 80,9 juta ton. [] Badan Pusat Statstk Jawa Tmur. (015). Indkator Pertanan Tahun 015 Provns Jawa Tmur. Surabaya. [3] Slvra, dkk. (013). Analss Faktor-Faktor yang Mempengaruh Produks Pad Sawah (Stud Kasus: Desa Medang, Kecamatan Medang Beras, Kabupaten Batu Bara. Jurnal Sosal Ekonom Pertanan dan Agrbsns. Fakultas Pertanan. Unverstas Sumatera Utara. [4] Hockng, R.R. (1996). Methode of Loner Models ( nd edtoned.)new York: John Wley & sons, Inc. [5] Fotherngham, A.S., Brudson, C., & Charlton, M. (00). Geographcally Weghted Regresson. Chchester,UK: Jhon Wley & Sons. [6] Draper, N. R., & Smth, H. (199). Analss Regres Terapan. Jakarta: PT. Grameda Pustaka Utama [7] Anseln, L. (1998) Spatal Econometrcs: Methods and Model. Dordrecht: Kluwer Academc Publsher. [8] Lee, J., dan Wong, D. W. (001). Statstcal Analyss wth Arcvew GIS. Canada: John Wlley & Sons, Inc [9] Yasn, H. (011). Model Mxed Geographcally Weghted Regresson. Surabaya: Insttut Teknolog sepuluh Nopember. [10] Bozdogan, H. (006). Akake s Informaton Crteron and Recent Developments n Informaton Complexty (Vol.44). Mathemathcal Psychology.